[发明专利]一种基于势距图联合PCA与改进云模型的雷达信号分选方法

说明书

本发明提供一种基于势距图联合PCA与改进云模型的雷达信号分选方法。主要研究了多模雷达信号分选中“增批”问题的解决方法，即将一种雷达的不同调制模式分选为多部雷达的问题。所述方法包括：利用势距图对多模式雷达信号进行预分选；通过PCA提取预分选后的主要特征作为雷达信号的新特征；利用改进云模型理论来计算数据簇之间的隶属度关系，并设定了简单高效的分类评价标准完成了多模雷达信号的分选。本发明的方法可以提高多模雷达信号的分选准确率，解决多模雷达信号分选中存在的“增批”问题，并在一定程度上提高了多模雷达信号分选的效率。

技术领域

本发明涉及一种基于势距图联合PCA与改进云模型的雷达信号分选方法，是一种将一种雷达的不同调制模式分选为不同的雷达，即“增批”问题的解决方法，是属于雷达信号分选领域。

背景技术

现代电子战场上，多模雷达已成为主要雷达，具有多种工作方式和复杂的调制波形。截获的多模雷达信号往往很难分选，因此短时间内很容易将一种雷达不同的工作模式分选为不同的雷达。这对后续雷达信号的识别造成了很大的困扰，从而直接影响了电子战的效果。因此，如何对多模雷达信号进行快速准确的分选一直以来是电子战领域一个非常重要的问题。

针对这一问题，近年来常用的方法是在脉内和脉间提取各种特征，基于这些特征对信号进行分选。在利用脉间参数分选方面，主要的特征包括脉冲描述字(Pulse DeionWord，PDW)和脉冲重复间隔(Pulse Repetition Interval，PRI)。在分类方法上，主要包括聚类、卷积神经网络和支持向量机(Support Vector Machine，SVM)等。以上这些方法可以在低信噪比下实现多模雷达信号的分选。但是在分选过程中，普遍缺少对分选结果的评判过程。因此在短时间内不可避免的会出现将一种雷达的不同调制模式分选为多部雷达的问题。

发明内容

本申请发明针对多模雷达信号分选的“增批”问题，提出基于势距图联合PCA与改进云模型方法。本发明首先利用势距图对雷达信号进行预分选，信号数据点被聚类成不同的数据簇，再利用PCA进行主特征提取和构建，最后对云模型理论进行改进，计算数据簇与数据簇之间的隶属度关系，解决多模雷达信号分选的“增批”问题。

本发明的目的是这样实现的，步骤如下：

步骤一：构建数据场，利用数据场对密度峰值聚类算法进行改进，解决聚类算法中截断距离r需要人工经验设定的问题；

步骤二：利用势能值剔除干扰点；

步骤三：利用势距图选择出聚类中心，进而完成雷达信号预分选；

步骤四：利用主成分分析(PCA)提取主要特征，从而构建出新特征F；

步骤五：基于新特征F利用改进的云模型理论分析数据簇与数据簇之间的隶属度关系，解决多模雷达信号分选的“增批”问题。

本发明还包括这样一些结构特征：

1.步骤一具体为：

形成数据场的函数模型如下所示：

其中，代表第i个数据在位置x中的势能值；代表位置x处的势能值；m_i代表每个数据的质量；假定每个数据质量相等，且满足数据质量和为1；σ代表数据场的影响因子。

数据场的势能函数和高斯核函数非常相似，只不过前面多了一个数据质量的概念。势能函数中影响因子σ的位置便是密度峰值聚类算法中截断距离r的位置。只要找到一种σ的方法，再通过分析r和σ的关系，那么便确定了r的大小，从而解决r需要人工经验判定的问题。在σ的选择问题上，目前应用最广泛的是求势熵关于影响因子σ的一元函数的最小值，此时求得的σ对应的数据场稳定性最高。具体如下所示：

其中，为标准化因子；为每个点处的势能值。