点源红外诱饵干扰下环境复杂度量化建模

为了测定红外空空导弹自身抗干扰性能,需要对红外对抗环境进行定量评估。但是目前多数模型都是从终端脱靶量分析导弹抗干扰性能,无法反映导弹在被干扰过程中各模块的响应情况。为此,基于干扰过程中导弹导引头系统和制导控制系统角度提出了红外对抗环境量化建模方法。首先从场景构成和物理特性方面构建了红外对抗要素模型;其次,分析了对抗要素对导引头图像识别及制导控制系统的干扰影响,抽象出相似度、遮蔽度、干扰时机、目标机动以及进入角影响度指标;最后,运用并联关系模型、几何均值合成模型及加权求和模型综合上述指标,建立了总体环境复杂度量化模型。仿真结果表明:典型对抗场景下,该模型预测导弹命中率的误差在±6%区间的概率为95%。

红外空空导弹抗干扰效能评估建模

为了摸清红外空空导弹性能、提高导弹作战效能,需要全面有效地对导弹抗干扰能力进行评估。但是受限于无穷多的对抗情况,目前多数基于典型对抗场景进行研究分析,不够全面。为此使用改进的拉丁超立方采样法在全范围内设计采样点。首先,对红外对抗原理和仿真系统进行说明和构建,确定输入参数范围和类型;其次,对拉丁超立方采样进行改进优化,并将其生成的采样结果按需离散化,满足诱饵离散型参数设置需求;最后,运用上述生成的初始参数组合运行仿真系统,将获取的数据作为样本集交给随机森林模型学习,通过调优参数及调整损失矩阵后,得到预测精度为90.4%的红外空空导弹抗干扰效能评估模型。通过仿真,验证了所提模型在不同红外对抗态势和不同提取误差下的有效性。

基于FP增长算法的红外抗干扰评估指标简约方法

针对红外抗干扰评估指标体系存在的冗余现象和缺乏合理性的特点,从红外导引头的固有属性、抗干扰性能指标以及导弹战技性能指标3个角度构建红外抗干扰综合评估指标,通过红外抗干扰实验仿真平台,设置相应干扰量,获取海量数据并对其进行预处理;再利用数据挖掘中的FP增长关联规则算法,对数据进行挖掘分析,得出干扰量与指标之间的关联规则;然后通过这些关联规则的强弱对指标进行简约,去除了冗余项仅保留了核心指标;最后采用BP神经网络对简约后的指标进行了有效性检验,结果验证方法下获取的抗干扰指标更为简洁、高效。

基于主成分-层次分析的红外抗干扰评估方法研究

为了提高红外抗干扰评估的客观性以及准确性,针对层次分析法评估红外抗干扰能力过程中构建判别矩阵主观因素过强的问题,提出了一种基于主成分-层次分析(analytic hierarchy process,AHP)的红外抗干扰评估方法。首先利用主成分分析(principal component analysis,PCA)法求解指标之间的相关系数矩阵,提出平均影响度这一指标;然后通过平均影响度大小,根据既定的调整规则调整判别矩阵;最后利用红外抗干扰仿真数据,结合调整后的判别矩阵进行层次分析,建立主成分-层次分析红外抗干扰评估模型。仿真结果表明:该模型可以较好地评价相应干扰环境下红外对抗的评估结果,使得对抗结果与评估打分呈负相关且打分结果以均线E=1.0为界,导弹命中则评估结果均在均线以上,可以较为直观地观察在该对抗条件下的红外抗干扰评估结果。

数据立方体关联挖掘在红外抗干扰中的应用

为了分析空空导弹在红外抗干扰过程中,各干扰量与脱靶量之间的耦合关系,利用红外抗干扰试验仿真平台,通过设置干扰量获得海量数据,构建数据立方体对海量数据进行数据预处理,同时统计出数据集中各事务的支持度计数,将处理后的数据利用FP-Growth关联规则算法挖掘干扰量与脱靶量之间的关联规则。通过对关联规则的分析得到:导弹进入角与弹目距离是影响导弹脱靶量大小的主要因素,各个干扰量之间不能随意组合,应该根据导弹来袭方向、目标机动方式选择诱饵投掷策略,否则干扰效果会大大下降。同时设置一组对比试验,验证基于数据立方体的FP-Growth算法处理高维数的脱靶量数据,拥有较高的挖掘效率。