一种基于最大条件熵的射频隐身数据链发射状态获取方法

摘要

本发明公开了一种基于最大条件熵的射频隐身数据链发射状态获取方法，该方法将历史射频隐身数据中的先验环境威胁因子x、先验数据链发射状态y作为样本空间，首先分别求得样本空间中x的概率密度函数和x、y的联合概率密度函数及x、y的特征函数，通过构建拉格朗日函数，求得最大条件熵分布函数表达式；其次，求得最大条件熵分布函数表达式中的未知系数，获得最大条件熵分布函数；最后，将态势感知设备实时获取的环境威胁因子输入到最大条件熵分布函数，获得具有最大不确定性的数据链发射状态。

主权项

一种基于最大条件熵的射频隐身数据链发射状态获取方法，其特征在于：包括如下步骤：(1)获取历史射频隐身数据中的先验环境威胁因子x、先验数据链发射状态y，构建先验环境威胁因子‑数据链发射状态联合矩阵，并将该联合矩阵作为样本空间，分别求得样本空间中x的概率密度函数和x、y的联合概率密度函数将一个先验环境威胁因子x_i及其对应的一个先验数据链发射状态y_i作为一组约束特征，每组约束特征确定一个特征函数，其中，第i组约束特征确定的特征函数为(2)为每个特征函数引入一个拉格朗日乘子λ_i，为x引入参量μ(x)，构建已知环境威胁因子条件下，数据链发射状态的条件熵拉格朗日函数将L(λ_i,p(y|x))对p(y|x)求导，并令获取使L(λ_i,p(y|x))最大的条件熵概率分布函数表达式其中，Z_λ(x)为归一化因子，N为特征函数f_i(x,y)的个数；(3)求解拉格朗日乘子λ_i的一组最优解λ_i^*，令λ_i＝λ_i^*，确定最大条件熵概率分布函数；$p^{*}\left(y\right|x)=\frac{\exp \left(\underset{i=1}{\overset{N}{\Sigma }}{{\lambda }_i}^{*}{f}_i\right(x,y\left)\right)}{Z_{\lambda }\left(x\right)};$(4)通过态势感知设备获取实时战场环境威胁因子，并将获取的所有实时战场环境威胁因子作为条件类X_envt，并将条件类X_envt中的战场环境威胁因子代入获得使条件熵最大的数据链发射概率，根据该数据链发射概率构建实时的数据链发射状态。