一種基于數(shù)據(jù)場層次聚類的多模雷達(dá)信號(hào)分選方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及雷達(dá)對抗信息處理領(lǐng)域，尤其涉及一種基于數(shù)據(jù)場層次聚類的多模雷 達(dá)信號(hào)分選方法。
【背景技術(shù)】
[0002] 多模雷達(dá)"是指集多種體制雷達(dá)功能于一身，具備多種工作模式，可以同時(shí)完成多 種作戰(zhàn)任務(wù)的新型雷達(dá)。為了提高工作性能并滿足抗干擾的需求，多模雷達(dá)多采用復(fù)雜多 變的波形設(shè)計(jì)，雷達(dá)發(fā)射脈沖的頻率、時(shí)域參數(shù)都進(jìn)行復(fù)雜的變化，其雷達(dá)信號(hào)特征參數(shù)空 間復(fù)雜多變、不具備明顯的相關(guān)性和規(guī)律性。隨著現(xiàn)代化戰(zhàn)爭對反偵察、反干擾、反跟蹤能 力和綜合作戰(zhàn)能力需求的增大，多模雷達(dá)的應(yīng)用日趨廣泛。由于電子對抗設(shè)備的日益先進(jìn)、 脈沖密度的迅猛增加，電子偵察設(shè)備接收到的雷達(dá)信號(hào)以及雷達(dá)輻射源數(shù)據(jù)庫常呈現(xiàn)出明 顯的隨機(jī)性和模糊性。上述雷達(dá)信號(hào)特點(diǎn)嚴(yán)重破壞傳統(tǒng)信號(hào)分選方法依賴的信號(hào)規(guī)律性， 因此在對多模雷達(dá)信號(hào)分選時(shí)，往往會(huì)將一個(gè)輻射源的不同模式分選為多個(gè)輻射源，造成 "增批"現(xiàn)象。領(lǐng)域內(nèi)提出的適用于多模雷達(dá)信號(hào)分選的算法分為分類算法和聚類算法。典 型的分類方法主要包括基于神經(jīng)網(wǎng)絡(luò)和基于支持向量機(jī)的分選方法，此類方法在處理未知 信息過多，樣本集過于復(fù)雜，樣本隨機(jī)性與模糊性較高的雷達(dá)信號(hào)時(shí)，會(huì)產(chǎn)生大量不可預(yù)測 結(jié)果；聚類算法相比于分類算法在處理高密度、具有隨機(jī)性和模糊性、數(shù)據(jù)成分復(fù)雜的雷達(dá) 信號(hào)更有優(yōu)勢，具有代表性的聚類分選算法法有K-means算法以及網(wǎng)格密度聚類算法，但 當(dāng)前應(yīng)用于雷達(dá)信號(hào)分選的聚類算法存在以下問題：發(fā)現(xiàn)抗噪能力和任意形狀、大小聚類 的能力較弱，處理離散數(shù)據(jù)效果較差。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是針對現(xiàn)有分選方法存在"增批"而提供一種基于數(shù)據(jù)場層次聚類 的多模雷達(dá)信號(hào)分選方法。
[0004] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0005] 步驟一：從多模雷達(dá)信號(hào)樣本集D中抽取多模雷達(dá)信號(hào)建立數(shù)據(jù)空間Q，數(shù)據(jù)空 間Q包含的抽取后的數(shù)據(jù)集D' = {Xi,x2，…，X;，…，xn}，其中乂;是任意數(shù)據(jù)點(diǎn)，i= 1~ n，采用影響因子優(yōu)化選取算法確定用于控制數(shù)據(jù)點(diǎn)間的相互作用力的影響因子〇的最優(yōu) 值，記為最優(yōu)影響因子〇 bf3St:
[0006] 令數(shù)據(jù)點(diǎn)Xi,x2，…，Xi,…，xn的勢值分別是W(xD，W2= (x2)，…， =(J) (xj，…，Wn= (J) (xn)，其中
l數(shù)據(jù)空間Q中數(shù)據(jù)點(diǎn)x的勢值的 計(jì)算公式，式中| |x-Xl| |為數(shù)據(jù)點(diǎn)x到數(shù)據(jù)空間中任意數(shù)據(jù)點(diǎn)\的歐式空間距離，。是影 響因子，則勢熵心是：
[0007]
[0008] 式中，Z= 弋是標(biāo)準(zhǔn)化因子，使得取值最小化，得出最優(yōu)影響因子 〇 test;
[0009] 步驟二：以萬化,,為網(wǎng)格尺度按照笛卡爾網(wǎng)格對數(shù)據(jù)空間進(jìn)行網(wǎng)格劃分；
[0010] 步驟三：計(jì)算網(wǎng)格劃分后的數(shù)據(jù)點(diǎn)的勢值，并將勢值相同的點(diǎn)連接起來繪制等勢 線；
[0011] 步驟四：采用削除勢心法找到所繪制的等勢線的勢心點(diǎn)；
[0012] 步驟五：將數(shù)據(jù)空間Q中的所有勢心點(diǎn)為聚類中心，按照等勢線所形成的嵌套結(jié) 構(gòu)進(jìn)行層次劃分，完成對數(shù)據(jù)空間Q中所包含數(shù)據(jù)集D'的多模雷達(dá)信號(hào)分選。
[0013] 本發(fā)明還包括這樣一些結(jié)構(gòu)特征：
[0014] 1.所述多模雷達(dá)信號(hào)樣本集為D由雷達(dá)信號(hào)到達(dá)方向D0A、脈寬PW、載頻RF三個(gè) 特征參數(shù)構(gòu)成。
[0015] 2.所述采用削除勢心法找到所繪制的等勢線的勢心點(diǎn)是：根據(jù)修正后的勢值計(jì) 算公式重新計(jì)算數(shù)據(jù)點(diǎn)的勢值，將計(jì)算所得的勢值最大的數(shù)據(jù)點(diǎn)作為第一個(gè)勢心點(diǎn)，在尋 找下一勢心點(diǎn)時(shí)，將第一個(gè)勢心點(diǎn)削除，并將去除第一個(gè)勢心點(diǎn)后的數(shù)據(jù)點(diǎn)中勢值最大的 數(shù)據(jù)點(diǎn)作為第二個(gè)勢心點(diǎn)，直至找到所有的勢心點(diǎn)，
[0016] 所述修正后數(shù)據(jù)點(diǎn)x的勢值計(jì)算公式巾'k(x)是：
[0017]
[0018] 式中，k= 0,1，2,3，......，n是搜索勢心點(diǎn)的個(gè)數(shù)，k= 0表示還沒有搜尋過勢心 點(diǎn)，xck為上一個(gè)勢心點(diǎn)，巾'kAxed是第k-1個(gè)勢心點(diǎn)削除后，第k個(gè)勢心點(diǎn)勢值，<i>'k(x) 是去除掉第k勢值極大值點(diǎn)之后，數(shù)據(jù)點(diǎn)x的勢值，巾'ki(x)是第k-1個(gè)勢值極大值點(diǎn)之 后，數(shù)據(jù)點(diǎn)x處的勢值。
[0019] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明的核心技術(shù)內(nèi)容在于將數(shù)據(jù)場理 論引入到雷達(dá)信號(hào)分選工作中，提出一種基于數(shù)據(jù)場層次聚類的多模雷達(dá)信號(hào)分選方法。 本發(fā)明包括的從信號(hào)樣本集D中隨機(jī)抽取雷達(dá)信號(hào)建立數(shù)據(jù)空間，尋找數(shù)據(jù)空間中的所有 勢心，其主要內(nèi)容為：在對多模雷達(dá)信號(hào)分選過程中，該方法可以在不需要人工的選擇情況 下自動(dòng)選擇最佳的影響因子，并采用削除勢心法搜尋數(shù)據(jù)空間的勢心值。本發(fā)明包括的雷 達(dá)信號(hào)特征參數(shù)進(jìn)行層次聚類，其主要內(nèi)容為：本發(fā)明最終將勢心點(diǎn)作為聚類中心，完成樣 本數(shù)據(jù)的層次聚類，從而完成多模雷達(dá)信號(hào)分選。本發(fā)明將數(shù)據(jù)場理論應(yīng)用于多模雷達(dá)輻 射源信號(hào)的分選工作，利用數(shù)據(jù)場勢函數(shù)構(gòu)建輻射源信號(hào)數(shù)據(jù)的層次劃分，通過等勢圖的 繪制完成數(shù)據(jù)的自組織層次聚類，形成一種基于數(shù)據(jù)場的層次聚類多模雷達(dá)預(yù)分選算法。 解決了現(xiàn)有分選方法的"增批"現(xiàn)象，能較準(zhǔn)確地完成多模雷達(dá)信號(hào)分選工作，分選精度較 尚。
【附圖說明】
[0020] 圖1是本發(fā)明的流程圖；
[0021] 圖2是雷達(dá)信號(hào)載頻與脈寬二維分布圖；
[0022] 圖3是雷達(dá)信號(hào)載頻與到達(dá)角二維分布圖；
[0023] 圖4是雷達(dá)信號(hào)脈寬與到達(dá)角二維分布圖；
[0024] 圖5a影響因子〇 = 0. 1時(shí)數(shù)據(jù)場分布圖，圖5b影響因子〇 = 0. 2時(shí)數(shù)據(jù)場分 布圖，圖5c影響因子〇 = 0. 8時(shí)數(shù)據(jù)場分布圖；
[0025] 圖6是勢熵與影響因子〇間的關(guān)系曲線；
[0026] 圖7a是脈寬與載頻等勢線圖，圖7b是到達(dá)角與載頻等勢線圖，圖7c是到達(dá)角與 脈寬等勢線圖；
[0027] 圖8是雷達(dá)脈沖參數(shù)仿真數(shù)據(jù)表；
[0028] 圖9是基于數(shù)據(jù)場的層次聚類算法分選結(jié)果表。
【具體實(shí)施方式】
[0029] 下面結(jié)合附圖與【具體實(shí)施方式】對本發(fā)明作進(jìn)一步詳細(xì)描述。
[0030] 結(jié)合附圖，本發(fā)明提供一種基于數(shù)據(jù)場層次聚類的多模雷達(dá)信號(hào)分選方法，主要 包括以下步驟：
[0031] 步驟一：從多模雷達(dá)信號(hào)樣本集D中隨機(jī)抽取多模雷達(dá)信號(hào)建立數(shù)據(jù)空間Q，且 所述多模雷達(dá)信號(hào)樣本集為D由雷達(dá)信號(hào)到達(dá)方向D0A、脈寬PW、載頻RF三個(gè)特征參數(shù)構(gòu) 成，數(shù)據(jù)空間Q包含的抽取后的數(shù)據(jù)集D' ={xdx2,…，X;，…，xj，其中數(shù)據(jù)點(diǎn)X;，i= 1~ n,
[0032] 數(shù)據(jù)空間Q中數(shù)據(jù)點(diǎn)x的勢值的計(jì)算公式是：
[0033]
[0034] 式中| |x_Xl
|為數(shù)據(jù)點(diǎn)x到數(shù)據(jù)空間中任意一點(diǎn)歐式空間距離，。是影響 因子，用于控制對象間的相互作用力，采用影響因子優(yōu)化選取算法確定用于控制數(shù)據(jù)點(diǎn)間 的相互作用力的最優(yōu)影響因子〇 test:
[0035] 令數(shù)據(jù)點(diǎn)Xi,x2,…，X;，…，xn的勢值分別記為W:= (J)(xD，W2= (J)(x2)，…， =(xj，…，Wn=(xn)，則勢熵Hw是：
[0036]
[0037] 式中，Z= 是標(biāo)準(zhǔn)化因子，則數(shù)據(jù)空間確定后，使得Hw取值最小化，得出最 優(yōu)影響因子〇test;
[0038] 步驟二：以為網(wǎng)格尺度按照笛卡爾網(wǎng)格對數(shù)據(jù)空間進(jìn)行網(wǎng)格劃分；
[0039] 步驟三：對劃分后的網(wǎng)格空間利用步驟一中的數(shù)據(jù)點(diǎn)勢值的計(jì)算公式對各數(shù)據(jù)點(diǎn) 進(jìn)行勢值的計(jì)算，并將勢值相同的點(diǎn)連接起來繪制等勢線；
[0040] 步驟四：采用削除勢心法找到所繪制的等勢線的勢心點(diǎn)，所述削除勢心法是：根 據(jù)修正后的勢值計(jì)算公式重新計(jì)算數(shù)據(jù)點(diǎn)的勢值，將計(jì)算所得的勢值最大的數(shù)據(jù)點(diǎn)作為第 一個(gè)勢心點(diǎn)，在尋找下一勢心點(diǎn)時(shí)，將第一個(gè)勢心點(diǎn)削除，并將去除第一個(gè)勢心點(diǎn)后的數(shù)據(jù) 點(diǎn)中勢值最大的數(shù)據(jù)點(diǎn)作為第二個(gè)勢心點(diǎn)，如此反復(fù)找到所有的勢心點(diǎn)，
[0041] 所述修正后數(shù)據(jù)點(diǎn)x的勢值計(jì)算公式（i>'k(x)是：
[0042]
[0043]式中，k= 0,1，2,3，......，n是搜索勢心點(diǎn)的個(gè)數(shù)，k= 0表示還沒有搜尋過勢心 點(diǎn)，xck為上一個(gè)勢心點(diǎn)，巾'kAxed是第k-1個(gè)勢心點(diǎn)削除后，第k個(gè)勢心點(diǎn)勢值，<i>'k(x) 是去除掉第k勢值極大值點(diǎn)之后，數(shù)據(jù)點(diǎn)x的勢值，巾'ki(x)是第k-1個(gè)勢值極大值點(diǎn)之 后，數(shù)據(jù)點(diǎn)x處的勢值；
[0044] 步驟五：將數(shù)據(jù)空間Q中的所有勢心點(diǎn)為聚類中心，按照等勢線所形成的嵌套結(jié) 構(gòu)進(jìn)行層次劃分，完成對數(shù)據(jù)空間Q中所包含數(shù)據(jù)集D'的多模雷達(dá)信號(hào)分選。
[0045] 本發(fā)明的總體思路是：1.從信號(hào)樣本集D中隨機(jī)抽取雷達(dá)信號(hào)建立數(shù)據(jù)空間，尋 找數(shù)據(jù)空間中的所有勢心：采用影響因子優(yōu)化選取算法確定影響因子〇，將雷達(dá)信號(hào)樣本 數(shù)據(jù)空間中影響因子〇的選取過程轉(zhuǎn)化為尋找勢熵最小值的過程，從而實(shí)現(xiàn)影響因子的 自動(dòng)選擇；根據(jù)影響因子對數(shù)據(jù)空間進(jìn)行劃分，勢值計(jì)算，繪制等勢線，找到數(shù)據(jù)空間中的 勢心值，采用削除勢心法找到數(shù)據(jù)空間中所有勢心點(diǎn)，即是：將雷達(dá)信號(hào)樣本數(shù)據(jù)場中最大 勢值點(diǎn)作為勢心，削除該最大值點(diǎn)并繼續(xù)尋找下一個(gè)勢心點(diǎn)，重復(fù)此過程可找到所有勢心 點(diǎn)。2.根據(jù)數(shù)據(jù)空間中的所有勢心值作為聚類中心對雷達(dá)信號(hào)特征參數(shù)進(jìn)行層次聚類，對 數(shù)據(jù)場的層次聚類是按照等勢線所形成的嵌套結(jié)構(gòu)進(jìn)行層次劃分完成雷達(dá)信號(hào)特征參數(shù) 的層次聚類，完成多模雷達(dá)信號(hào)的分選。
[0046] 具體的說：（1. 1)從信號(hào)樣本集D中隨機(jī)抽取雷達(dá)信號(hào)建立數(shù)據(jù)空間，采用影響因 子優(yōu)化選取算法確定最優(yōu)影響因子〇test;<