数据缺失下基于IOWA-TOPSIS的辐射源威胁评估

陈振坤,程嗣怡,徐宇恒,董鹏宇,张虎彪

(空军工程大学航空工程学院，西安，710038)

辐射源威胁评估作为电子战重要组成部分和联合作战中战场综合态势感知的关键环节，引导指挥员的决策方案制定，直接影响干扰资源分配和干扰辅助决策，是影响电子战作战效能发挥的重要因素[1]。

辐射源威胁评估可以被视为一种多属性决策问题，目前，已有模糊认知图[2]、云模型[3]、灰色关联模型[4]、广义直觉模糊软集[5]、IFE-VIKOR[6]、贝叶斯网络[7]、神经网络[8]等研究方法。以上文献的处理过程都是基于完备的信息系统，但空战电磁环境复杂、目标态势快速变化，导致侦察方难以获取完整的辐射源属性信息，辐射源威胁评估常需要在信息不完备的情况下开展；另外，对于部分辐射源目标，训练数据的不足导致一些依赖先验知识的算法难以发挥有效作用。上述文献中算法和模型的适用范围有限。

逼近理想解排序算法(technique for order preference by similarity to an ideal solution,TOPSIS)能够根据有限个评价对象与理想化目标的接近程度对评估目标进行排序，在用于旅游、资源、管理等多种领域评价评估方面时都取得良好的效果[9-12]。文献[13～15]将TOPSIS法引入到目标威胁评估问题中，设定目标评价威胁体系，建立正、负理想解，有效实现了目标威胁评估。但TOPSIS法也存在不足，传统TOPSIS模型属性权重确定较为依赖专家系统和先验知识，使权值赋予带有较大随意性和主观性；但针对辐射源威胁评估这类复杂问题，单纯的客观计算受限于公式对实际情况的拟合程度，但在辐射源威胁评估这类具有较强不确定性的问题中，其结果往往与实际情况不符，尤其是在数据又存在缺失的情况下，评价方的主观判断对提升处理结果准确度是很有帮助的。……