一种基于改进网格聚类的雷达信号预分选算法
一种基于改进DBSCAN的雷达信号分选算法
48
空军工程大学学报(自然科学版)
2021 年
是电子战得以成功实施的重要前提，对整个电子战 系统具有重要的影响。
从机器学习的角度来看，聚类过程是无监督学 习过程，聚类算法能够在无标记训练样本的条件 下将原始数据进行分组，从而发现数据的内在结构。 目前常用的无监督聚类算法主要包括:基于层次、基 于密度、基于划分等几大类。DBSCAN算法是一种 密度聚类算法，它不需要先验的聚类簇数量,并且能 够分选出各种形状的聚类簇⑷，算法复杂度低，适合 于雷达信号的自分选。但该算法对聚类参数较敏 感，且聚类参数是根据先验知识人为设定的，可靠性 不高；同时DBSCAN算法适合于处理密度相对比较 均匀的数据，当不同簇的密度变化较大时，DBSCAN分选效果不佳。为了克服传统DBSCAN算 法的缺陷，李文杰等旳提出的KANN-DBSCAN算 法结合参数寻优策略，利用数据集自身的分布特性 寻找最优分选参数,无需人为赋值，便能够实现全过 程无监督聚类，但该算法复杂度较高，在处理数据量 较大的数据集时效果不佳；OPTICS算法⑷是根据 DBSCAN算法思想演化而来的一种基于层次密度 的分选算法，最终得到带有可达距离和核心距离的 输出数据,该算法对参数不敏感，但仍然需要聚类参 数的人为输入，对于不同的输入，聚类结果有较大差 异;胡健等提出IABC-DBSCAN算法刀，利用人工 蜂群算法强大的全局和局部优化特征寻找DB SCAN 算法中的最优聚类参数，可有效克服DB SCAN 算法对聚类参数敏感问题，但并未完全解决 DBSCAN算法全局参数设置问题。
定义4密度相连。对于对象巧和©，若存在 一个对象忑，使得①和◎与均满足密度可达关 系，则称巧和花是密度相连的。
图1 DBSCAN定义示意图 图1中直观地显示了以上定义，图中虚线圆是 Eps邻域，设定MinPts = 3。DBSCAN算法首先 遍历出样本集D中所有核心对象，任意选择其中一 个作为初始样本，然后找到这个核心对象最大密度 相连样本集作为一个聚类类别，最后剔除已分类的 样本，从剩余的核心对象中任选一个生成下一个聚 类簇,重复以上步骤，直到核心对象集合为空。 1.2 DBSCAN算法改进 DBSCAN算法聚类准确性与邻域参数(Eps, MinPts)密切相关，一般情况下邻域参数Eps和
一种改进的雷达信号快速聚类分选方法
一种改进的雷达信号快速聚类分选方法张强;王红卫;王玉冰;陈游;周东青【摘要】针对复杂电磁环境下雷达信号快速聚类分选问题，提出了一种采用变精度粗糙集改进的基于相邻脉冲相似性的快速聚类分选方法。
原有方法计算相似度时加权矩阵由专家给定或由经验而定，未考虑到雷达辐射源属性，造成聚类分选结果准确率不高。
改进方法利用变精度粗糙集获取雷达辐射源各属性特征参数的权重，由其权重构成最优特征加权矩阵，进而计算相似度，然后基于相邻脉冲相似性对雷达信号进行快速聚类分选。
仿真表明，改进方法相比原有方法保持了快速分选的能力，并且将聚类分选准确率提高了5.93%，是一种解决复杂环境下雷达信号快速聚类分选的新方法。
%Aimed at the problem of the fast clustering sorting of radar signals under complex conditions of electro-magnetic environment,a fast clustering sorting method of radar signals is proposed by adopting a variable precision rough set model based on the similarity of border pulse.In view of some reasons that the similarity of the weigh-ting matrix computed by the original method is determined by experts or experience on no consideration of radar radiated properties,this leads to a low clustering sorting accuracy rate.The improved method is used to obtain the weights of feature parameters in radar emitter by utilizing the variable precision rough set model,further compute similarity by the weighting matrix composed of optimum feature weights,and then perform fast clustering sorting of radar signals by using similarity of border pulse.The simulation results show that the improved method increa-ses theclustering sorting accuracy rate by 5 .9 3% under the same fast clustering sorting capability compared with the original method.【期刊名称】《空军工程大学学报（自然科学版）》【年(卷),期】2016(017)003【总页数】6页(P57-62)【关键词】变精度粗糙集;雷达信号分选;聚类;加权矩阵【作者】张强;王红卫;王玉冰;陈游;周东青【作者单位】空军工程大学航空航天工程学院，西安，710038;空军工程大学航空航天工程学院，西安，710038;空军工程大学航空航天工程学院，西安，710038;空军工程大学航空航天工程学院，西安，710038;空军工程大学航空航天工程学院，西安，710038【正文语种】中文【中图分类】TP18随着电子战脉冲环境的日益复杂和密集，雷达信号分选作为实现雷达辐射源识别的重要基础，已经成为现代高技术战争和将来信息化战争中的关键环节和技术[1-2]。
基于SOFM网络聚类雷达信号分选预处理改进算法
ｓ ｕ ｉ ｔ ａ ｂ ｌ ｅ ｔ ｏ ｐ ｒ ｅ － ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｆ ｏ ｒ ｆ ｒ ｅ ｑ ｕ ｅ ｎ ｃ ｙ － ａ ｇ ｉ ｌ ｅ ｒ ａ ｄ ａ ｒ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｓ ＯＦＭ ； ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ｓ ； ｓ ｉ ｇ ｎ ａ ｌ ｓ ｏ ｒ ｔ ｉ ｎ ｇ
ｔ ｈ ａ ｔ ｒ ａ ｄ ａ ｒ ｐ ｕ ｌ ｓ ｅ ｓ ａ ｒ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ｓ ｅ ｐ ａ ｒ ａ ｔ ｅ ｄ ｉ ｎ ｃ ｏ ｍｐ ｌ ｅ ｘ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｍａ ｇ ｎ ｅ ｔ ｉ ｃ ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎ ｔ ， ａ ｎ ｄ ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ ａ ｌ ｓ ｏ
ｆ ｅ ａ ｔ ｕ ｒ ｅ ． Ｏｎ ｔ ｈ ｅ ａ ｓ ｓ ｕ ｍｐ ｔ ｉ ｏ ｎ ｔ ｈ ａ ｔ ｄ ｅ ｎ ｓ ｉ ｔ ｙ ｉ ｓ ｓ ｅ ｐ ａ ｒ ａ ｂ ｌ ｅ ，ｔ ｈ ｅ ｓ ｅ ｃ ｏ ｎ ｄ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｓ ｉ ｍｐ ｌ ｅ ｍｅ ｎ ｔ ｅ ｄ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ
基于改进的蚁群聚类雷达信号分选算法研究
中图分类号:TN971 1 文献标志码:A 文章编号:1674-2230(2009)02-0027-04收稿日期:2008-06-19;修回日期:2008-08-20作者简介:赵贵喜(1983-),男,黑龙江哈尔滨市人,硕士研究生,主要从事电子对抗研究;骆鲁秦(1960-),男,硕士,陕西临潼人,副教授,主要从事电子对抗研究;陈彬(1983-),男,江苏扬州市人,硕士研究生,主要从事电子对抗研究。
基于改进的蚁群聚类雷达信号分选算法研究赵贵喜,骆鲁秦,陈 彬(空军航空大学,长春130022)摘要:针对新体制、新技术雷达下的雷达侦察接收机,提出一种新的蚁群聚类分析算法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。
仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。
关键词:雷达信号;分选;蚁群;聚类Radar S ignal Sorting Based on Ant Colony Clu steringZHAO Gu -i xi,LUO Lu -qin,Chen Bin(Aviation Uni versi ty of Air Force,Chan gchun 130022,China)Abstract:Ant colony clustering is p roposed for radar reconnaissance receiver with ne w systems andne w technique radars appearing continuously.This method is suitable to dealin g with unknown radar signal without priori knowledge of the radar signal.It is p roved to have a good effect result by si m ulat -ing,offering a new way to radar signal sorting.Key words:radar signal;sorting;ant colony;clustering1 引言现代战争中,雷达侦察接收机所处的信号环境越来越密集复杂。
基于自适应网格密度聚类的雷达信号分选算法
Ａ ｒ ａ ｄ ａ ｒ ｓ ｉ ｇ ｎ ａ ｌ ｓ ｏ ｒ ｔ ｉ ｎ ｇ ｌｇ ａ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｇ ｒ ｉ ｄ ｄ ｅ ｎ ｓ ｉ ｔ ｙ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ
精 度低等 问题 ， 提 出基 于 自适应 网格 密度 聚类 的 雷达信 号 快速 分 选 算 法 。该 算 法 首 先 引入 了
网格 均 匀 度 的 概 念 ， 然后 给 出 了 自适 应 网格 划 分技 术 和 网 格 均 匀度 的 计 算 方 法 ， 最后进 行均 匀
度 可达 聚类 。该 算法 能 自适 应地 发 现 不 同 密度 的 类及 其 边 界 ， 适 合 处 理 大规 模 侦 察 数 据 集 。 仿 真 实验 表 明该 算 法能有效 适 用于 雷达信 号分 选 。
ｃ ａ ｎ ｂ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｏ ｒ ａ ｄ ａ ｒ ｓ ｉ ｇ ｎ ａ ｌ ｓ ｏ ｒ ｔ ｉ ｎ ｇ ．
Ｋｅ ｙ ｗｏ ｒ ｄｓ ： ｒ ａ ｄ ａｒ ｓ ｉ ｇｎ ａ ｌ ｓ ｏ ｒ ｔ ｉ ｎｇ； ｐ ｒ ｅ— ｓ ｏｒ ｔ ｉ ｎ ｇ； ｇ ｒ ｉ ｄ ｄ ｅ ｎｓ ｉ ｔ ｙ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ；ａｄ ａ ｐｔ ｉ ｖｅ ｇｒ ｉ ｄ
Ｌ ｉ Ｘｉ ｎ ｇ ｙ ｕ ，Ｙａ ｎ ｇ Ｃｈ ｅ ｎ ｇ ｚ ｈ ｉ ，Ｑｕ Ｗｅ ｎ ｔ ａ ｏ ，Ｚ ｈ ａ ｎ ｇ Ｒｏ ｎ ｇ
一种基于网格密度聚类的雷达信号分选
一种基于网格密度聚类的雷达信号分选
向娴;汤建龙
【期刊名称】《火控雷达技术》
【年(卷),期】2010(039)004
【摘要】本文提出一种基于网格密度高效聚类的未知雷达辐射源信号分选算法.该方法通过改进的距离法对待分选对象集中的噪声和孤立点进行移除,再将剩余的PDW流映射至各网格单元中,并以网格密度为依据进行聚类,从而实现PDW流的分选.仿真结果表明,该算法能正确的分选出未知雷达信号.
【总页数】6页(P67-72)
【作者】向娴;汤建龙
【作者单位】西安电子科技大学,西安,710071;西安电子科技大学,西安,710071【正文语种】中文
【中图分类】TN911.7;TP301.6
【相关文献】
1.基于网格密度聚类的雷达信号在线分选算法 [J], 董柏娴;汤建龙
2.基于自适应网格密度聚类的雷达信号分选算法 [J], 李星雨;杨承志;曲文韬;张荣
3.一种基于改进网格聚类的雷达信号分选算法 [J], 何佃伟;杨承志;张荣;吴宏超
4.基于动态网格密度聚类的雷达信号分选算法 [J], 王军;张冰
5.一种基于网格划分数据场的雷达信号分选方法 [J], 刘峻臣;胡进;何航峰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进的模糊聚类的雷达信号分选
基于改进的模糊聚类的雷达信号分选
姜 军
（ ９ ２ ７ ８ ５ 部 队 ，河北秦 皇岛 ０ ６ ６ ２ ０ ０）
摘 要 ：基 于模 糊聚 类的改进信号 分选方法 可使 用雷达脉 冲信 号特征参数 分选信号 。本 文简要 介绍 雷达信 号的 号分析 方法。
关键 词 ：模 糊 聚 类 ； 雷达 信 号 分 选 ；加 权 系数
中图分类号 ：Ｔ Ｎ９ ５ ７ ． ５ １
文献标识码 ：Ａ
文章编号 ：１ ６ ７ ４ — ７ ７ １ ２（ ２ ０ １ ４ ） ０ ４ — ０ １ ４ ０ — ０ １
现有的 以聚类方法 为基础 的信 号分选 方法：Ｃ Ｌ Ｉ Ｑ Ｕ Ｅ 算法 、 １ － ｍ ∑ｌ ） ～ Ｐ Ｄ Ｓ Ｔ Ｉ Ｎ Ｇ算法 ， 以及 以神经 网络 为基础 的聚类 算法 。它们在 一 定程度 上能满足 雷达信号 分选 的要求 ，但都 因计 算量 巨大 以 ∞： 对 特 征 参 数 间 距 离 进 行 计 算 的 加 权 系 数 ， 为 及聚类 半径和 中心参数较难 掌控 ，而 不能付诸 实践 。模糊聚 （ ＾ ） ＝（ （ Ｌ ） ｌ ， ２ ， … ，（ １ ） ） ，归 一 化 后 能 够 确 保 ０≤ ｒ ≤ １ 。 类法 ，不 需设定聚类 半径和 中心等参数 ，使用样本 数据 的相 在此基础上，获得相似矩阵 ：Ｒ ＝ ［ ｒ ］ 似度 即可 。 其中 ｉ ＝ ｌ ， ２ ，…，ｎ ；ｊ ＝ ｌ ， ２ ，…，ｎ ；０≤ ｒ ｛ ≤１ 。 雷达信号 分选 的常用方法 （ 四 ）以熵值分析为基础 的距 离加权系数 暗息论 中， 现阶段 雷达信 号分选 的步骤 （ １ ） 需测量 的主要参数 有． “ 熵”指的是一种不确定的度量。假设，集合 Ｅ ｌ 甲事件发生 脉冲 重复周 期 （ Ｐ Ｒ Ｉ ） 、脉 冲 到 达 时 间 （ Ｔ Ｏ Ａ ） 、载 频 （ Ｃ Ｆ ）、 的概率 为 ｘ ＝ （ ｘ １ ， Ｘ ２ ， …， ｘ ｎ ） ，其中 ０≤ Ｘ ｊ ≤１ ， ；如此 ， 脉冲宽度 （ Ｐ Ｗ ）、脉 冲 到达 方 向 （ Ｄ Ｏ Ａ ）； （ ２ ）将 测 到 的 （ ・ ） 的定义公式是： ㈥ ， ， ． ． ， ） 一 ∑ ｌ ｏ ｇ 。 薯 参数储 存在缓存 中 ，设 置容限 ，使这些 参数与 雷达库 中已知 熵 Ｈ 参数 进行 匹配 ，并跟 踪 匹配 的参数编 号 ； （ ３ ）为减 少雷 达 熵 的特 点是：极值性 、非负性和对称 性 。集合 Ｅ中如果 信号流密 度 ，应从 内存 中删 除分选 出来 的信号 。对 上述参数 等 概率发生 事件 ，那么熵值会 达到最大 ，这表 现 了它 的极值 的分 析 可得 到脉 内调 制 Ｐ Ｍ 、脉 冲描 述 字 Ｐ Ｄ Ｗ 。分选 时， 要 （ Ｘ ｔ ， Ｘ ２ ． － ． Ｘ ． ） ≤ ， （ ， ， ． ． ， ） Ｉ 。 ｇ 对 ／ １ ｎ 将 各 参数 形 成 的 Ｕ空 间切 分成 ｍ个 子分 选 空 间 ｛ Ｄ ） ，将 性 ：Ｈ Ｐ Ｄ Ｗ投影 到子空 间上 ，再与其投 影在 同一子空 间 中的脉 冲合 不 同类 间的分离程度 随着熵 值的减小 而增大，其在聚类 并 。可 以通 过 矩形 非 均匀 划 分法 和均 匀 划分 法划 分 子空 间 分析 中的比重也越大 。 （ Ｄ ｋ ） ｎ ｉ ｋ ＝ １ ［ １ ］ 。 （ 五 ）相似聚类 。在使用模糊聚 类分选方法 时，应在某 二、以改进的模糊聚类为基础 的雷达信号分选 范 围的置信 度 内进行 ，对模糊相似矩 阵进 行截取 时要使用 阈 （ 一 ）选 定参数 。本机测量 视频脉冲流 可 以测得 Ｔ Ｏ Ａ与 ≥ Ｐ Ｒ Ｉ 可 以通过对 Ｔ Ｏ Ａ使用分选算法算得；根据载频和相位 ， 可算得 Ｄ Ｏ Ａ 。 中，行或 列中所有元 素 的值 都 （ 二 ）标准化 数据 。处 理数据 时，为消除数据 不 同度量 在 截取后 的模糊相 似矩 阵 Ｒ 对 分选 结果的影 响，可使用 极值标准化 方法 。标准 化后 ，数 为 １的元素 ，它们 的相似度最 高，被认为是 一类。循环使用 这一原 则可 分选 出所有类 别。 据基本上都在 ［ ０ ， １ ］间，可以同等量级参与运算 ０ ］ 。 （ 六 ）追踪提取脉冲编号： （ １ ）在模糊 相似矩 阵 Ｒ 中， 样本 数据表达 为：Ｐ Ｄ Ｗ ｉ ＝ （ Ｐ Ｄ Ｗ Ｐ Ｄ Ｗ Ｐ Ｄ Ｗ ） ，ｎ ：脉 依据其 对称性划 分出其三角部 分，并将其非零元 素的下标填 冲信 号个甄 ｆ ｉ ｘ每个信号所含特征参数 的维甄 ｉ ＝ ｌ ， ２ ， …， ｎ 。 ［ ｉ ］ ［ ２ ］中； （ ２ ）为 ｆ 赋值为 １ ，将 ｆ代入 到数 组 假设 ｎ ＝ １ ２ ，ｍ ＝ ３ ，所包含 特征 参数 ｃ Ｆ 、Ｐ ｗ 、Ｐ Ｍ ，则此 样 入 数 组 Ａ Ｂ ［ ｔ ］中，如 果在数组 Ａ ［ ｉ ］ ［ ２ ］中搜索到与 ｆ 相 等的元素 ，请 本第 ｋ维数据 的期望 ： 同行的另一元素 不存在在数组 Ｂ ［ ｔ ］ ，那 么就把 这个元素记录 Ｅ ［ Ｐ Ｄ 】 三 Ｐ Ｄ 到Ｂ ［ ｔ ］ 里。 （ ３ ）重复步骤 （ ２ ），直至取完需要添加到数组 Ｂ ［ ｔ ］中的元 素为止。 （ ４ ）按行将 Ｂ［ ｔ ］中的元 素写入到不限 方差： ｒ — … ～ … 一 制维数的数字 Ｃ中。 （ ５ ）令 ｆ取 ｉ — ｎ中任一 Ｃ中不存在的 ∑（ Ｐ Ｄ ～ 研 肋 】 ） 。 元素，重 复步骤 （ ２ ）一（ ５ ），直至 Ｃ中元素个数为 ｎ为止。 三 、 结 束 语 标准化 后： 通过分析和 计算雷达信 号特征参数 ，模 糊聚类法可 以在 Ｐ Ｄ Ｗ ｉ ｋ 一 ＝ （ Ｐ Ｄ Ｗ ｉ ｋ － Ｅ ［ Ｐ Ｄ Ｗ ｋ ］ ） ／ Ｃ ｋ 这样 还不能够 确保样本 数据在 区间 ［ ０ ， １ ］上 ，还 要采用 很大 程度上实现对 雷达信 号的分选 。而如何 将雷达信号 的分 选进行智 能化 改进 ，仍是现 阶段研究所面 临的问题 。 极值化 方法 处理数据 ： 参考 文 献 ： 朋 一丝 ＝ ＰＤ 一 一Ｐ Ｄ ［ １ ］ 向娴 ． 未知 雷达信 号分 选算法研 究 ｆ 【 ） １ ． 陕西 ： 西安 电 ２ ０ １ １ ． 在 这个 公 式 中，Ｐ Ｄ ， 是Ｐ Ｄ Ｗ ｉ ｋ ， 的 最 小值 ，Ｐ Ｄ ， 是 子科技 大学 ， 『 ２ 】 陈维 高 ． 张 国毅 ． 基 于改进 网格 聚类 的动 态雷达信号 Ｐ Ｄ Ｗ 的最大值 。 『 ］ ． 雷达与对抗 ， ２ ０ １ ２（ １ ５）： １ ５ — １ ６ ． （ 三 ）构造 相似矩 阵。在标准化 处理后 ，再计算样本 相 分选算法 ［ 似度 。 【 ３ 】 杨多 ． 复 杂环境 下多参数 雷达信 号分选 算法研 究 ［ Ｄ 】 ． 例 ：假 设所 取 出的两样本 为 Ｐ Ｄ Ｗ 和Ｐ Ｄ Ｗ ，可 以通过主观 黑龙 江 ： 哈 尔滨工程 大学 ， ２ ０ １ ２ ． 评定法 、几何平 均最小法 、算 数平均最 小法、相关 系数法等
基于改进集对分析聚类的雷达信号分选方法
基于改进集对分析聚类的雷达信号分选方法黎蓉;刘以安;王刚【摘要】Since the separation result is susceptible to relational degree in an environment of high density complex radar sig-nal when set pair analysis method is used for signal separation,a real-time stabilization method which can effectively achieve the radar signal sorting is proposed. The separation of pulse stream is realized by employing the set pair analysis to preassign pulse stream,and combining it with high dimensional data clustering method. The results of simulation and contrast analysis show that this method still has higher recognition accuracy even in the case of noise pulse.%在高密度复杂的雷达信号环境下，针对使用集对分析进行信号分选时，分选结果易受联系度取值影响的问题，提出了一种实时稳定有效的信号分选方法。
通过采用集对分析对脉冲流进行预分选，再结合高维数据聚类的方法实现分选效果。
经过仿真对比分析，实验结果表明该方法在含有噪声脉冲的情况下仍具有较高的识别率。
【期刊名称】《现代电子技术》【年(卷),期】2014(000)009【总页数】4页(P8-11)【关键词】信号分选;集对分析;高维数据;仿真分析【作者】黎蓉;刘以安;王刚【作者单位】江南大学物联网工程学院，江苏无锡 214122;江南大学物联网工程学院，江苏无锡 214122;中国舰船研究院，北京 100192【正文语种】中文【中图分类】TN957.51-340 引言在现代电子战环境中，随着雷达技术的快速发展，新体制雷达的信号形式更加复杂化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
术越来 越多 地应 用 于 雷 达 信号 预 分 选 ， 取得 了 且 较好 的效果 。聚类算 法可 以分 为基 于划分 的聚类
度 阈值 需要人 为设 定 ， 为 因素 对 网格 结果 影 响 人
Ａｎ ｅｉ ｒｖ ｄ ａｇ ｒｈ ａ ｗ ｅ ｓｔ ｉ ｅｏｄ ｒｏ ｄ ｒ ｉ ａ ｎ ｕ ．Ｔ ｅｍｅ ｏ ｅ－ ｄｔ ｍｐｏ ｅ ｏｉ ｈ ｌ ｔ ｈ ａｌ ｓｎ ｉ ｖｔ ｔ ｔ ｒｅ ｆ ａ ａ ｇ ｌｉｐ ｔ ｈ ｔｄ ｉ ｖ ｒ ｍ ｓ ｏ ｉｙ ｏｈ ｒ ｓｎ ｈ ｓ
ｉ ｅ ｅ ｅ ｅ ｔ ｅ ａ ｄ ｂ ｔ ｒｒ ｂ ｓｎ ｓ ｏ ｎ ｉｅ ｔ ｒ ｕ ｈ ｔ ｅ ｓｍｕ ａｉｎ． ｉ ｆ ｄ ｔ ｂ ｆ ｃｉ ｎ ｅ ｔ ｕ ｔ ｅ ｓ ｔ ｏｓ ｈ ｏ ｇ ｉ ｌ ｔ ｏ ｖ ｅ ｏ ｈ ｏ Ｋｅ ｒ ｓ ｒ ｄ ｉ ａ ｏ ｔ ｇ ｒ －ｏ ｉｇ； ｙ ｗｏ ｄ ： ａ ａ ｓ ｒ ｇ ｌｓ ｒ ｎ ；ｐ ｅ ｓ ｒ ｎ ｎ ｉ ｔ ｄ ｃｕ ｔｒ ｇ ｌｏ ｔｍ ｌ ｓ ｉ ；ａｇ ｒ ｈ ｅ ｎ ｉ
验验 证 了算 法的有 效性 和抗噪 声 能力。 关键 词 ： 雷达信 号 分选 ； 分选 ； 预 网格 聚类 ； 法 算 Ａ ｄ ｒ Ｓｇ ｌＰｒ － ０ ｌｇ Ａｌｏ ｉｈ ｓ ｄ ｏ ｍ ｐ ｏ ｅ ｒｄ Ｃｌｓｅ ｉ ｇ Ｒａ ａ ｉｎａ ｅ Ｓ ｌ ｇ ｒｔ ｍ Ｂａ ｅ ｎ Ｉ ｒ ｖ ｄ Ｇ ｉ ｕ ｔｒｎ ＱＵ ＬｉＹ Ｎ ｈｎ－ｈ， ＥＤａ—ｅ，Ｈ Ｎ Ｈ ｏ Ｉ ｅ， Ａ Ｇ Ｃ ｅｇｚｉＨ ｉ ｗｉＣ Ｅ ａ ｎ
１ 引言
雷 达信 号分 选是 从 交 错 的 、 集 复杂 的脉 冲 密 信 号流 中提 取 出属 于 同一 雷 达 辐 射 源 的脉 冲 序 列 ｌ。它是 现代 雷 达 侦察 设 备 必 备 的功 能 ， 电 】 Ｊ 在
数 目的单 元 ， 成 网格结构 ， 形 以后 所有 的聚类 操作
一
种基 于 改进 网格 聚类 的雷 达 信 号 预分 选 算 法
邱 磊， 杨承志 ， 何佃伟 ， 陈 昊
（ 空军 航 空 大学 ， 春 １０ ２ ） 长 ３０ ２
摘要 ： 于 网格 的聚 类算 法是 雷达信 号预 分选领 域 的 一种 常 用 方法 。针 对现 有 网格 聚 类 算法 基
需要人 为确定 网格 划分 、 界 处理精度 低 的 问题 ， 出一种 改 进 的 网格 聚 类算 法 ， 算 法 对输 边 提 该 入 雷达信 号脉 冲顺序 不敏 感 ， 据 网格 数据 压 缩率 自适应 确 定 网格 划分 和 密度 阈值 。仿 真 实 根
都 在 网格 上进 行 ， 有处理 速度 快 ， 理 时间独 立 具 处 于数据对 象 的数 目等优点 。网格聚类 还具 有对 数 据 输入顺 序 不敏感 ， 以发现 任意形 状 的类 ， 可 因此 非 常适合 应用 于数 据量 大实 时性要求 高 的雷达信
号 预分选 领域 。
子对抗和反对抗中起着重要作用。现有 的雷达信 号 分选 主要 分为 预分选 和 主分选 两个部 分 。雷达
ｗ ｉｈ ｃ ｕ ｄ ｐ ｒ ｔ ｎ ｔｅ ｄ ａ ｄ ｇ ｔ ｅ ｓ ｙ ｔ ｒ ｓ ｏ ｄ ａ ｔｍａｉａ ｌ ｙ ｇ ｉ ａａ ｃ ｍｐ ｅ ｓ ｎ ｒ ｔ ｈ ｃ ｏ ｌ ａ ｔ ｉ ｅｓｄ ｎ ｉ ｈ ｅ ｈ ｌ ｕ ｏ ｔ ｌ ｙ ｂ ｒ ｄ ｔ ｏ ｒ ｓ ｉ ａｉ ｉｏ ｈ ｎ ｔ ｃ ｄ ｏ ｏ．
（ ｖ ｔｎＵ ｉ ｍｔ ｏ ｉＦｒ ，ｈｎｃｕ ３０２ Ｃ ｉ ） Ａ ｉｉ ｎ ｅ ｉ ｆ ｒ ｏｃ Ｃａｇｈｎ１０２ ，ｈ ａ ａｏ ｖ ｙ Ａ ｅ ｎ Ａｂ ｔａ ｔ Ｔ ｅ ｇ ｄ ｃｕ ｔｒｎ ｌｏ ｔｍ ｓａｔａ ｉｏ ｔｏ ｎ ｒｄ ｒｓ ｎ ｌｐ ｅｓｒ ｎ ．Ｉ ｈ ｓ ｓｍｅ ｓｒ ｃ ： ｈ ｒ ｌｓｅ ｇａｇ ｒ ｈ ｉ ｄｔ ｎ ｍｅｈ ｄ ｉ ａ ａ ｉ ａ ｒ－ｏｔ ｇ ｔ ａ ｏ ｉ ｉ ｉ ｒ ｉ ｇ ｉ ｐｏ ｌｍｓ ｕ ｈ ａ ｒ ｒ ｆ ｉ ｌｔｎ ｎ ｏ ｃｕｔｒ ｇ ｐｅ ｉｉｎ．Ｔ ｉ ｇ ｒｈ ｉ ｉ ｒｖ ｄ， ｒｂｅ ，ｓ ｃ ｓ ｇ ｄ ａｔ ｃａ ｐｏｔ ｇ ａ ｄ ｌｗ ｌｓ ｉ ｒｃｓ ｉ ｉ ｌ ｉ ｉ ｅｎ ｏ ｈ ｓ ａ ｏ ｔｍ ｓ ｍｐｏ ｅ ｌ ｉ
１ ４
一
邱 磊， 杨承志 ， 何佃伟 ， 昊 陈 种基于改进 网格聚类的雷达信 号预分选算法
电子信息对抗技术 ・ ２ 第 ７卷 ２１ 年 ９月第 ５期 ０２
中 图分 类 号 ：Ｎ ７ ． Ｔ ９ １１
文 献标 志码 ： Ａ
文章 编 号 ：６４— ２０ ２ １）５ ０４ ４ １７ ２３ （０２０ —０ １ —０
很大 。文献 ＿提 出 了先移 除孤立 点和 噪声再 进行 ３ ＿
算法 、 基于层次 的聚类算法 、 于密度的聚类算 基 法 、 于 网格 的 聚类 以 及 基 于 模 型 的算 法 等 ＿ 。 基 ２ Ｊ
基 于 网格 的聚类 算法 将数 据对 象空 间量化 为有 限
信 号预 分选 的 目的是 稀 释 高密 度 脉 冲 流 ， 别 出 识 多数 噪声 冲 ， 且 完成对 侦察 信号 的初步 分类 ， 并
以减少 主分 选 的处 理 负 担 。近几 年 ， 聚类 分 析技
传统的网格聚类应用于雷达信号预分选时存 在 的主要 问题 有 ： ） １ 固定 的 网格 划 分 可能 造 成 小