国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      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

      文檔序號(hào):9287693閱讀:633來源:國知局
      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;<
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
      1