[发明专利]一种基于粗糙集的雷达辐射源信号识别方法

权利要求书

1.一种基于粗糙集的雷达辐射源信号识别方法，其特征在于所述识别方法包括以下步骤：

步骤一：获取雷达辐射源信号样本的脉冲描述字，所述脉冲描述字为训练待建立的RBF神经网络的样本描述字；

步骤二：根据所述雷达辐射源信号样本的样本描述字，利用粗糙集理论计算所述雷达辐射源信号样本的条件属性                                                对决策属性D的属性重要度，并提取针对所述雷达辐射源信号样本的分类规则，其中，i=1,2,…,N；

步骤三：根据步骤二获得的属性重要度计算条件属性的属性权值，并将所述条件属性的属性权值作为建立RBF神经网络的隐层神经元基函数的条件属性的属性权值；

步骤四：根据步骤二提取的雷达辐射源信号样本的分类规则确定粗糙K-均值的聚类数K和初始聚类中心，再根据所述初始聚类中心进行粗糙K-均值聚类，以获取新聚类中心，并将所述新聚类中心作为待建立的RBF神经网络的隐层神经元基函数的中心，其中，k=1,2,…，K，并根据所述中心计算高斯函数方差；

步骤五：根据步骤三获得的隐层神经元基函数的各条件属性的属性权值、步骤四获取的隐层神经元基函数的中心及方差建立RBF神经网络，并获得所述RBF神经网络输出函数，其中，为输出层神经元对隐层神经元的权值，该权值通过使用雷达辐射源信号样本X对RBF神经网络训练获得，J为输出层神经元个数，,，其中，X_i为RBF神经网络输入数据的条件属性的值,为聚类中心的条件属性的值，为高斯函数方差；

步骤六：将待识别雷达辐射源信号的样本描述字输入步骤五所建立的RBF神经网络，获取识别结果，完成雷达辐射源信号的识别。

2.根据权利要求1所述的一种基于粗糙集的雷达辐射源信号识别方法，其特征在于在步骤二中，根据所述雷达辐射源信号样本的样本描述字，利用粗糙集理论计算所述雷达辐射源信号样本的条件属性对决策属性D的属性重要度的具体过程为：

按照等距离离散法离散所述雷达辐射源信号样本的样本描述字，并使用粗糙集理论对所述样本描述字进行处理，进而获取条件属性的属性重要度，其中，|U|是所述雷达辐射源信号样本的条件属性的个数，POSc(D)是决策属性D对条件属性集C的正域。

3.根据权利要求1或2所述的一种基于粗糙集的雷达辐射源信号识别方法，其特征在于在步骤三中，根据步骤二获得的属性重要度计算条件属性的属性权值的具体过程为：

将步骤二获得的的属性重要度归一化，以获得所述条件属性的属性权值，其中，N是条件属性集C中元素个数，即条件属性个数。

4.根据权利要求1或2所述的一种基于粗糙集的雷达辐射源信号识别方法，其特征在于在步骤四中，根据步骤二提取的雷达辐射源信号样本的分类规则确定粗糙K-均值的聚类数K和初始聚类中心的具体过程为：

依据利用粗糙集理论获得的K条分类规则确定聚类数K，再将雷达辐射源信号样本分成K类集合，集合中包含个样本数据，则初始聚类中心。