[发明专利]一种基于无参数网格的无线电信号数据聚类方法

说明书

本发明提供了一种基于无参数网格的无线电信号数据聚类方法，根据无线电信号数据集中的数据个数及该批数据的采集时长，计算网格划分值k，将信号数据的中心频率维度划分为k个等长但不相交的网格单元，根据每个信号数据的中心频率值，将其划分至对应的网格单元，并且统计每个网格单元的密度，计算密度阈值，并依据密度阈值对网格单元进行划分，检测相邻的高密网格单元，并将其连接形成聚类；从边界网格单元中提取聚类边界点，并根据边界处理方法将其放至所属聚类。该方法基于无线电信号的数据特征，自动计算网格划分值和密度阈值两个参数，在网格聚类算法高效性的基础上提升了该算法对无线电信号数据聚类的准确性，且减少了分析人员的分析负担。

技术领域

本发明属于计算机信息处理技术领域，涉及到一种基于无参数网格的无线电信号数据聚类方法。

背景技术

在无线电信号分析领域经常面临的一个问题就是怎么样将属于同一个信号源的信号分选出来并进行后续分析。在信号环境越来越复杂的情况下，传统的信号分选方法已不能满足准确性和高效性的需求。因此，我们需要借助一些智能的机器学习算法对信号进行处理。

网格聚类算法的基本思想是将数据维度划分为多个相邻的区间，创建网格单元集合，然后基于网格结构对数据进行聚类。网格聚类算法的优点是它的处理速度很快，其处理时间独立于数据对象的数目，只和量化空间中的每一维的单元数目有关。由此可以看出网格聚类方法非常适合对大规模的无线电信号数据进行聚类分析，可以满足信号聚类的高效性需求。

通常情况下，网格聚类算法需要人为确定两个参数——网格划分值和密度阈值，其中网格划分值一般只需要和数据个数保持一致，但密度阈值的取值却需要对数据的分布情况进行详细分析之后才能确定。网格聚类算法聚类结果的正确与否与这两个参数的设定有相当紧密的关系。

发明内容

本发明所解决的技术问题是，针对现有技术的不足，提供一种基于无参数网格的无线电信号数据聚类方法，根据无线电信号数据的采集时长、信号数据点个数等信息自动计算参数k及Minpts，以解决聚类结果对参数的依赖性问题。

本发明所提供的技术方案为：

一种基于无参数网格的无线电信号数据聚类方法，包括以下步骤：

步骤1)：以无线电信号数据集中的数据个数除以该批数据的采集时长，得到网格划分值k；

步骤2)：根据步骤1)得到的网格划分值k，将该批信号数据的中心频率维度划分为k个等长但不相交的网格单元；以信号数据中心频率属性的分布范围除以网格划分值得到单个网格单元的长度，然后根据单个单元的长度和信号数据中心频率属性的分布范围计算得到每个网格单元的中心频率范围；

步骤3)：根据已知的每个信号数据中心频率值，将其划分至对应的网格单元，并且统计每个网格单元的数据点个数作为网格单元密度值；

步骤4)：根据已统计的网格单元密度值，计算密度阈值，并依据密度阈值对网格单元进行划分，其中网格密度高于密度阈值的为高密网格，反之为低密网格即边界网格；

步骤5)：根据步骤4)得到的高密网格集合，将其中相邻的高密网格单元连接起来，形成多个聚类。即假设A高密网格单元与B高密网格单元相邻，C高密网格单元与D高密网格单元相邻，但是AB和CD之间不相邻，那么这里会形成AB和CD两个聚类。

步骤6)：从边界网格单元中提取聚类边界点，并根据边界处理方法将其放至所属聚类，以该步骤之后所得聚类结果为[c₁,c₂,…,c_t,…,c_k]，其中1≤t≤k；

所述的边界处理方法是对低密网格单元中的所有信号数据即信号点，计算其到所有相邻高密网格单元中心位置的距离，最后将小于阈值的信号点放置相应的聚类。

步骤7)：通过信号的带宽属性，对信号聚类结果进行噪声检测。