第32卷第6期哈尔滨工程大学学报Vo1．32No．62011年6月JournalofHarbinEngineeringUniversityJun．2011doi：10．3969／j．issn．1006—7043．2011．06．013g一高斯的SOM神经网络在雷达抗干扰效能评估中的应用赵伟，伞冶(哈尔滨工业大学控制与仿真中心，黑龙江哈尔滨150001)摘要：为了扩大邻域函数的输出空间和增强神经元的邻域合作，提出基于g一高斯的SOM(self-organizingmapping)神经网络评估雷达抗干扰效能．采用q-高斯函数作为SOM神经网络的邻域函数，选取较大的非广延熵指数q扩大了q一高斯函数的输出空间，随着邻域的缩小，非广延熵指数q从大到小自适应地调整平衡了神经元的远邻域合作和近邻域合作．通过评估雷达抗干扰效能和实例测试，仿真结果表明基于g-高斯的SOM神经网络效能评估的准确率为100％、模式识别的聚类正确率和分类正确率比其他SOM神经网络高出5％，验证了该方法的有效性和可行性．关键词：效能评估；雷达抗干扰；SOM神经网络；q一高斯中图分类号：TP18；E917文献标识码：A文章编号：1006-7043(2011)06-0767-06Aq-GaussianSOMneuralnetworkanditsapplicationforevaluationoftheefectivenessofradarECCMZHAOWei，SANYe(ControlandSimulationCenter，HarbinInstituteofTechnology，Harbin150001，China)Abstract：Inordertoincreasetheoutputspaceofneighborhoodfunctionsandenhancetheneighborhoodcooperationbetweenneurons，aq-Gaussianself-organizingmapping(SOM)neuralnetworkwasproposedforevaluationoftheeffectivenessofradarelectroniccounter—countermeasures(ECCM)．Aq-Gaussianfunctionwastakenasaneighbor—hoodfunctioninanSOMneuralnetwork，andthenon—extensiveentropicindexqwaslargertoeficientlyincreasetheoutputspaceoftheq-Gaussianfunction．Thenon-extensiveentropicindexqwasadjustedadaptivelyfromlargetosmallwiththedecreasingneighbortobalancetheneuronsdistantandcloseneighborhoodcooperationability．ThesimulationresultsoftheeffectivenessevaluationoftheradarECCMandinstancetestsshowthattheq-GaussianSOMneuralnetworkcanobtain100％accurateresultsinevaluatingeffectiveness．a5％higheraccuracyratebothinclusteringandclassificationthanotherSOMneuralnetworksinpatternrecognition；thevalidityandfeasibilityofthemethodareverified．Keywords：effectivenessevaluation；radarECCM；self-organizingmappingneuralnetwork；q—Gaussian各种武器装备威力的发挥，战区的监视和警戒，达装备研究和作战效能评估有重要的作用．目前，雷诸兵种协同作战的调配、联系、指挥和控制等，都越达抗干扰效能评估的方法主要有线性加权法、层次来越多地依赖于雷达的效能⋯．随着雷达技术的发分析法、模糊评判法和概率综合法．但这些方法受人展，反雷达技术也迅速发展，导致了现代雷达工作环为因素影响大，因为神经网络具有良好的非线性映境的日益复杂和恶化．因此，研究雷达的抗干扰射能力，可以任意逼近一个复杂的非线性系统，所以能力受到了人们的重视，雷达抗干扰效能评估对雷人们越来越多的重视采用神经网络来评估雷达抗干扰