[发明专利]基于相像系数和DBSCAN的雷达辐射源数据清洗方法

说明书

本发明公开了一种基于相像系数和DBSCAN的雷达辐射源数据清洗方法，主要解决现有清洗方法无法对雷达辐射源数据进行数据清洗的问题。其实现步骤是：(1)获取雷达辐射源信号样本；(2)对数据集中的样本进行预处理；(3)计算雷达辐射源数据集中每个样本的相像系数；(4)生成特征向量；(5)利用DBSCAN算法对雷达辐射源信号数据集进行聚类；(6)清洗噪声样本。本发明通过提取雷达辐射源信号的相像系数特征，用DBSCAN聚类方法进行噪声信号和有效雷达脉冲信号的划分，使得本发明能获得含噪声样本更少、数据质量更高的雷达辐射源数据集。

技术领域

本发明属于通信技术领域，更进一步涉及雷达信号处理技术领域中的一种基于相像系数和基于密度的含噪数据空间聚类算法DBSCAN(Density-Based Spatial Clusteringof Applications with Noise)的雷达辐射源数据清洗方法。本发明可用于电子情报侦察、电子支援和威胁告警系统中对雷达接收的辐射源信号中噪声数据进行清洗。

背景技术

随着雷达技术的快速发展，电磁环境复杂越来越复杂，电子侦察设备截获到的辐射源信号数目不断增加，噪声数据与有效数据混合在一起，导致获取战场态势信息的难度加大。另一方面，当今雷达对抗领域，有不少研究学者将人工智能、数据挖掘等领域的方法引入，这些高性能的数据驱动算法对数据质量的要求也更高。因此，对原始雷达辐射源信号进行数据清洗，提高数据质量，具有重要意义。目前，所提出的数据清洗方法大多用于二维表、时间序列、图像等类型的数据，主要应用于医疗、能源、零售、汽车、金融等领域。但对雷达辐射源数据，现有的数据清洗方法并不适用。

上海铼锶信息技术有限公司在其申请的专利文献“一种样本数据清洗方法及系统”(专利申请号201910239561.X，申请公布号CN 111651433 A)中公开了一种样本数据清洗方法。该方法的具体步骤是，(1)根据神经网络模型，获取测试图片集中的每一张测试图片的多维测试特征向量；(2)获取选取的典型图片中的多维参考特征向量；(3)根据K最近邻算法、多维测试特征向量和多维参考特征向量，生成正样本测试图片集和负样本测试图片集，并训练得到细粒度二分类器；(4)根据所述细粒度二分类器对待清洗图片数据进行类别预测，获取每一张待清洗图片数据的类别预测的置信度；(5)根据一预设的置信度区间及所述每一张待清洗图片数据的类别预测的置信度，进行样本数据清洗。该方法能得到更优的正样本测试图片集和样本图片集，实现了自动化清洗数据。但是，该方法仍然存在的不足之处是，仅能对图像数据进行处理，而雷达辐射源数据是具有特定脉间和脉内调制方式的时域序列，该方法无法对其进行数据清洗。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出一种基于相像系数和DBSCAN的雷达辐射源数据清洗方法，解决现有数据清洗方法无法处理雷达辐射源数据的问题。

实现本发明目的的技术思路是：本发明提取雷达辐射源信号的相像系数作为特征，利用DBSCAN聚类算法对数据进行聚类划分，检测并剔除噪声数据，克服了现有技术无法对雷达辐射源信号数据进行数据清洗的问题。首先提取辐射源信号的包络，之后求取包络的矩形相像系数和三角形相像系数作为特征，形成特征向量，最后利用DBSCAN算法对特征数据进行聚类划分，区分噪声信号和脉冲信号，剔除噪声信号。

本发明的具体步骤如下：

(1)获取雷达辐射源信号样本：

(1a)利用低通滤波器，将雷达接收机接收的雷达高频脉冲信号变频为中频信号；

(1b)采用不低于500Hz的采样频率，从中频信号中采集至少500个样本组成雷达辐射源信号数据集；

(2)对数据集中的样本进行预处理：

(2a)利用归一化香农能量包络提取算法，提取雷达辐射源信号数据集中每个样本的包络值；

(2b)利用min-max归一化法，对雷达辐射源信号数据集中每个样本的包络值进行归一化处理；