一种靶场电磁环境复杂度评估方法

J4 ›› 2014, Vol. 36 ›› Issue (01): 105-110.

一种靶场电磁环境复杂度评估方法

彭武1，何怡刚1,2，方葛丰3，樊晓腾3

(1.湖南大学电气与信息工程学院，湖南长沙 410082;2. 合肥工业大学电气与自动化工程学院，安徽合肥 230009;
3.电子测试技术国防科技重点实验室，山东青岛266555）

收稿日期:2012-08-13 修回日期:2012-11-13 出版日期:2014-01-25 发布日期:2014-01-25
基金资助:
国家杰出青年科学基金资助项目(50925727)；国家自然科学基金资助项目(60876022，61102039,51107034);湖南省科技计划项目(2011J4,2011JK2023);广东省教育部产学研计划资助项目(2009B090300196);中央高校基本科研业务费计划资助项目

Complexity evaluation method for range electromagnetic environment

PENG Wu1,HE Yigang1,2，FANG Gefeng3，FAN Xiaoteng3

(1.College of Electrical and Information Engineering,Hunan University,Changsha 410082;
2.School of Electrical and Automation Engineering,Hefei University of Technology,Hefei 230009;
3.National Key Laboratory of Science & Technology on Electronic Test & Measurement,Qingdao 266555,China)

Received:2012-08-13 Revised:2012-11-13 Online:2014-01-25 Published:2014-01-25

摘要/Abstract

摘要：

针对电磁环境越来越复杂的问题，提出了一种基于前馈BP神经网络算法的电磁环境复杂度评估方法。首先建立了靶场电磁环境模型，分析了电磁环境复杂度的评估指标，为定量评估提供理论依据；然后分析了BP神经网络关键参数的选取方法，通过靶场实例验证了神经网络的功能；最后将新方法与传统评估方法进行了对比研究。结果表明了新方法优于传统方法，能够实时、快速、自适应地实现电磁环境的定性和定量分级，拓展了传统方法的应用范围，对研究真实的战场电磁环境问题具有实用价值。

关键词: 靶场, 电磁环境, 复杂度, BP神经网络, 复杂度, 收敛速度

Abstract:

The electromagnetic environment has become increasingly complex. In order to evaluate the complexity properly, a new method based on Back Propagation (BP) neural network is proposed. Firstly, the paper establishes range electromagnetic environment model, analyses the electromagnetic environment complexity evaluation index, in order to provide theoretical basis for quantitative evaluation. Secondly, we analyze the selection method of key parameters of BP neural network, and an example is used to verify the neural network function. Finally, the new method and the traditional evaluation methods are compared. Results show that the new method outperforms the traditional methods and realizes qualitative and quantitative classification of the electromagnetic environment in a realtime, fast and self adaptive way. It expands the application range of the traditional methods, and has practical value in studying the complex electromagnetic environment in real battlefield.

Key words: range;electromagnetic environment;back propagation(BP) neural network;complexity;convergence speed

彭武1，何怡刚1,2，方葛丰3，樊晓腾3. 一种靶场电磁环境复杂度评估方法[J]. J4, 2014, 36(01): 105-110.

PENG Wu1,HE Yigang1,2，FANG Gefeng3，FAN Xiaoteng3. Complexity evaluation method for range electromagnetic environment [J]. J4, 2014, 36(01): 105-110.

参考文献［11］

［1］	Tetley W H. Analytical prediction of electromagnetic environments［J］. IRE Transactions on Communications Systems, 1961,9(2):175185.
［2］	Wang Zhigang, Wang Fang, Zhao Zhiqiang. Analysis and evaluation for external complexity of battlefield electromagnetic environment［J］. Modern Defence Technology , 2010，38(3)：1924.(in Chinese)
［3］	Dong Zhiyong, Li Qiang. Complexity evaluation of artificial electromagnetism environment based on AHP［J］. Command Control and Simulation, 2008, 30(5):106110.(in Chinese)
［4］	Dai Hepeng, Su Donglin. Study of the complexity evaluation on electromagnetism environment［J］. Journal of Microwaves, 2009, 25(3):2527.(in Chinese)
［5］	Wang Zhigang, He Jun. Complexity evaluation method of battlefield electromagnetic environment based on multivariate connection number model［J］.Electronic Information Warfare Technology, 2008, 23(2):5053.(in Chinese)
［6］	Liu Peiguo. The basement of electromagnetic environment［M］.Xi’an:Xi’an Electronic and Science University Press, 2010.(in Chinese)
［7］	Song Yibin, Wang Peijin. An improved BP algorithm for FNN and its application［J］. Computer Engineering, 2003, 29(14):109111.(in Chinese)
［8］	Xu Liping, Jiang Hong, Zhang Yanhua. Modified model selection in neural networks［J］. Computer Engineering, 2001, 27(2):7273.(in Chinese)
［9］	Li Wensheng,Xie Mei,Deng Chunjian,et al. Dynamic gesture learning and recognition based on the Hermite neural network［J］. Computer Engineering & Science, 2012,34(2):116122.(in Chinese)
［10］	Xu Liping, Zhang Yanhua. Another criterion to judge performance of neural networks［J］. Journal of Shanghai Jiaotong University, 2002,36(7):980983.(in Chinese)
［11］	Xiao Hong, Cao Maojun, Li Panchi, et al. Process neural network training based on piecewise linear interpolation［J］. Computer Engineering, 2011, 37(20):211215.(in Chinese)
	附中文参考文献：
［2］	王志刚，王芳，赵志强. 战场电磁环境客观复杂性分析与评估［J］. 现代防御技术, 2010，38(3)：1924.
［3］	董志勇，栗强. 基于层次分析法的人为电磁环境复杂程度评估［J］. 指挥控制与仿真, 2008, 30(5):106110.
［4］	代合鹏，苏东林. 电磁环境复杂度定量分析方法研究［J］. 微波学报, 2009, 25(3):2527.
［5］	王志刚，何俊. 战场电磁环境复杂性定量评估方法研究［J］. 电子信息对抗技术, 2008, 23(2):5053.
［6］	刘培国. 电磁环境基础［M］. 西安：西安电子科技大学出版社, 2010.
［7］	宋宜斌，王培进. 多层前馈神经网络改进算法及其应用［J］. 计算机工程, 2003, 29(14):109111.
［8］	徐力平，江红，张炎华. 改进的选择神经网络结构的方法［J］. 计算机工程, 2001, 27(2):7273.
［9］	李文生，解梅，邓春健，等. 基于Hermite神经网络的动态手势学习和识别［J］. 计算机工程与科学, 2012,34(2):116122.
［10］	徐力平，张炎华. 评价神经网络拟合精度的另一个指标［J］. 上海交通大学学报,2002,36(7):980983.
［11］	肖红，曹茂俊，李盼池，等. 基于分段线性插值的过程神经网络训练［J］. 计算机工程, 2011, 37(20):211215.

[1]	杨炳媛, 袁杰, 郭园园. 一种自适应鲸鱼快速优化算法[J]. 计算机工程与科学, 2023, 45(01): 145-153.
[2]	闫少辉, 施万林, 宋震龙, 王尔童, 孙溪, 黄羿博, . 一个新三维混沌电路设计及其同步控制[J]. 计算机工程与科学, 2022, 44(08): 1409-1417.
[3]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[4]	邓翔宇, 张屹南, 杨雅涵. 一种用于交通标识分类的形状识别算法[J]. 计算机工程与科学, 2021, 43(02): 322-328.
[5]	那格思, 赵海燕. 分数阶Rucklidge系统复杂度分析及有限时间同步[J]. 计算机工程与科学, 2020, 42(09): 1625-1631.
[6]	沈晓燕, 王雪梅, 王燕. 基于样本熵和模式识别的脑电信号识别算法研究[J]. 计算机工程与科学, 2020, 42(08): 1482-1488.
[7]	陈丽芳,冯力静,刘保相. 神经网络规则优化建模与应用[J]. 计算机工程与科学, 2019, 41(12): 2247-2254.
[8]	陈芳，张乾. 超立方体网络环诊断策略的研究[J]. 计算机工程与科学, 2019, 41(07): 1191-1196.
[9]	吴曼曼1，徐建新 1，2. 基于EMD改进的Elman神经网络对股票的短期预测模型[J]. 计算机工程与科学, 2019, 41(06): 1119-1127.
[10]	常小刚1，赵红星2. 动态调节因子的邻域搜索人工蜂群算法[J]. 计算机工程与科学, 2019, 41(04): 673-681.
[11]	李召义，刘占军，薛亚茹，刘红霞. 基于势博弈的认知全双工中继选择策略研究[J]. 计算机工程与科学, 2019, 41(02): 286-292.
[12]	张毅，张珉浩. 基于机器学习的能力评价与匹配研究[J]. 计算机工程与科学, 2019, 41(02): 363-369.
[13]	丁红卫，万良，邓烜堃. 改进的HS算法优化BP神经网络的入侵检测研究[J]. 计算机工程与科学, 2019, 41(01): 65-72.
[14]	张莹杰，张树群. 改进约束鸡群算法在神经网络的应用[J]. 计算机工程与科学, 2018, 40(12): 2252-2257.
[15]	宋伟1,宋玉1,张帆2,范明1,叶阳东1. 基于排列熵的SAX特征表示方法复杂度及相关特性研究[J]. 计算机工程与科学, 2018, 40(07): 1303-1309.