[发明专利]运用聚类思想改进的序列差值直方图分选方法

说明书

本发明提供了一种运用聚类思想改进的序列差值直方图分选方法，包括：将截获的雷达脉冲流作为第一次分选的输入脉冲流；计算输入脉冲流的第c级差值，得到第c级差值序列；对第c级差值序列进行聚类处理，统计得出第c级序列差值直方图；将第c级序列差值直方图的累计量大于检测门限TH的差值间隔构成的序列设为PRIq序列；对PRIq序列按照PRIq值从小到大进行排序，根据阈值NTH判定PRI值的真实性；以及对于真实PRI值，采用算数平均法或者曲线拟合法不断对PRI值进行更新，将真实PRI值对应的脉冲序列从脉冲流中分选出来。通过对差值序列进行聚类处理，抑制了虚假PRIq值的产生，有效地抑制PRI抖动造成的累计分散对分选的影响，并具有较高的分选精度和分选效率。

技术领域

本发明属于电子支援系统(ESM)信号分选领域，尤其是涉及一种运用聚类思想改进的序列差值直方图分选方法。

背景技术

信号分选是电子支援系统(Electronic Support Measure，ESM)的重要组成部分。在电子战中，大量的雷达辐射源使ESM接收机截获到近似随机的脉冲流，脉冲流中包括多个辐射源的脉冲序列。因此，信号分选过程即为利用一个或者多个信号参数将截获到的雷达脉冲流分选为对应不同雷达辐射源的脉冲序列的过程。

在信号分选过程中，脉冲重复间隔(Pulse Repetition Interval，PRI)是雷达辐射源的一个关键特征参数，它的变换范围及变换规律与雷达的工作性能、工作体制有密切的关系。为了保证分选的可靠性，常选用PRI作为主要的分选参数，因此对PRI的分选也被称为主分选，为了保证主分选的分选速度，通常将截获的脉冲流建模为交错的脉冲到达时间(Time of Arrival，TOA)序列，然后采用序列差值直方图(Sequence DifferenceHistogram，SDIF)算法对其进行信号分选过程。

若截获的脉冲流中PRI值存在抖动，这样会导致SDIF算法在直方图统计时出现累计分散现象，使真实的PRI值无法超过检测门限，此时传统SDIF算法无法进行有效分选。目前常采用交迭PRI变换箱算法来抑制累计分散现象，不过在实际操作过程中，仍然存在如下技术问题：

(1)在缺少先验知识的情况下，无法有效的判断截获雷达脉冲流的PRI范围；

(2)在PRI箱数目的选取中，难以选择合适的数目以平衡运算速度与分选精度；

(3)如果间隔值落入多个交迭PRI箱中时，会对多个交迭PRI箱进行累加，这样会导致大量的虚假PRI值产生，影响分选精度和分选速度。

发明内容

(一)要解决的技术问题

本发明提供了一种运用聚类思想改进的序列差值直方图分选方法，以至少部分解决以上所提出的技术问题。

(二)技术方案

根据本发明的一个方面，提供了一种运用聚类思想改进的序列差值直方图分选方法，包括：

步骤S102：将截获的雷达脉冲流作为第一次分选的输入脉冲流；

步骤S104：计算输入脉冲流的第c级差值，所有第c级差值构成第c级差值序列；

步骤S106：对所述第c级差值序列进行聚类处理，统计得出第c级序列差值直方图；

步骤S108：将第c级序列差值直方图的累计量大于检测门限TH的差值间隔构成的序列设为PRIq序列，记作PRIq_(i′)＝(PRIq₁，PRIq₂，…PRIq_i′，…PRIq_Q)，其中PRIq_i′为PRIq值；