[发明专利]一种参数自适应设置及自动调整的雷达辐射源信号分选方法

摘要

本发明公开了一种参数自适应设置及自动调整的雷达辐射源信号分选方法。该方法首先在特征向量的选取中结合脉冲到达角的同时引入脉内特征——对称Holder系数进行分选，然后方法基于迭代自组织数据分析算法，算法简称为ISODATA，根据特征向量自身的特征，利用搜索直方图峰值统计的方法设置预期类数，同时对ISODATA算法类内各数据分布的标准差的上限和各类中心间最小距离的下限进行初步设定，最后在ISODATA算法运行时对类内各数据分布的标准差的上限和各类中心间最小距离的下限控制设定自适应准则达到准确最终分选的目的，通过这种方式解决信号分选问题。

主权项

一种参数自适应设置及自动调整的雷达辐射源信号分选方法，其特征在于该方法的步骤如下：①选用雷达辐射源信号脉冲到达角和对称Holder系数构成特征向量，其中脉冲到达角以及信号频谱和三角形信号的对称Holder系数构成搜索直方图峰值统计的特征向量；脉冲到达角以及信号频谱和矩形信号、三角形信号的对称Holder系数构成分选特征向量；②利用搜索直方图峰值统计的方法确定的预期类数，预期类数为峰值数目的1.5倍；③预先设置ISODATA算法中的类内各数据分布的标准差的上限θS和各类中心间最小距离的下限θD，具体为首先对样本数据中每一维进行属性归一化：xij′=xij-mink=1,2,...n(xkj)maxk=1,2,...n(xkj)-mink=1,2,...n(xkj)]]>式中：xij'为归一化后的样本数据，xij为归一化前的样本数据，为第k维中最大的元素，为第k维中最小的元素；uj=1nΣi=1nxij′]]>式中：uj为归一化样本数据xij'第j维的中心；继续求取样本数据第j维的分布稀疏性：λj=Σi=1n(xij′-uj)2n-1]]>λj是样本数据中第j维规范后的标准化偏差；由此设置各类中心间最小距离的下限θD的初始值：θD=Sminj=1,2,...,m(λj)]]>式中，S为预期类数；然后直接求样本数据自身第j维的方差σj=Σi=1n(xij-uj)2n-1]]>由此设置类内各数据分布的标准差的上限θS的初始值：θS=1Sminj=1,2,...,m(σj)]]>④根据自适应准则运行ISODATA算法进行分选；所述的自适应准则，即通过设置类内各数据分布的标准差的上限和各类中心间最小距离的下限的变换准则，达到自动逼近最佳聚类效果的目的，具体为首先计算假设所有样本数据为同一类时的类内距离为设置参数后运行ISODATA算法，每次聚类的算法结束后，分别计算提取算法结果的类内距离ΘS'和类间距离ΘD'，ΘS′=1c′Σi=1c′Σxn=Cpn|xn-vi|]]>ΘD′=2c′(c′-1)Σ|vi-vj|]]>式中：c'为算法运行产生的分类数，Cp为归类数据的集合，vi为第i类的中心，xn为属于Cp类的数据，vj为与vi不同的类的中心第一次聚类后仅改变θS，设定自适应原则如下θS′=cΘSonec′ΘS′×θS]]>更改参数后再次运行ISODATA算法并设定自适应的准则如下：θS′=cΘSc′ΘS′×θS]]>θD′=ΘDΘD′×θD]]>而退出自适应迭代的条件为：ΔS＝|θs'‑θs|＝0ΔD＝|θD'‑θD|＝0式中：ΔS、ΔD为算法前后连续两次运行结果的类内距离以及类间距离的差值。