[發明專利]一種基于支持向量聚類和灰關聯度的雷達信號分選方法

在審

• 申請號: 201811464530.6
• 申請日: 2018-12-03
• 公開（公告）號: CN109613485A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 王世強;徐彤;宋寶軍;黃學宇;張啟亮;周延軍
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G01S7/02
• 分類號: G01S7/02;G06K9/62
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

1.一種基于支持向量聚類和灰關聯度的雷達信號分選方法，其特征在于，分選步驟如下：

步驟一：構造描述雷達脈沖的特征向量G集和雷達信號樣本數據集此處N為總樣本數，d為特征維數，將數據空間中的樣本映射到特征空間，得到一個中心為a，半徑為R的閉凸超球體：

min R²+C∑_iξ_i

s.t.||Φ(g_i)-a||²≤R²+ξ_i,ξ_i≥0 (1)

C表示懲罰因子，Φ(g)表示數據點g在特征空間中映像，||g|為Euclidean范數，ξ_i表示松弛量；

上述約束問題的Lagrangian算式為：

L＝R²-∑_i(R²+ξ_i-||Φ(g_i)-a||²)β_i

-∑_iξ_iμ_i+C∑_iξ_i (2)

其中，β_i為拉格朗日乘子；對L關于R、a和ξ求導并令導數等于0，得：

則由Wolfe對偶形式推導出式(1)的等價問題為：

s.t.0≤β_i≤C,∑_iβ_i＝1,i＝1,2,...,N(4)

引入高斯核函數K(g_i,g_j)＝Φ^T(g_i)Φ(g_j)＝exp(-q||g_i-g_j||²)，q為高斯核寬度，由式(1)約束條件可知，在特征空間中映射點到球心距離表示為：

R²(g)＝||Φ(g)-a||²

＝1-2∑_jβ_jK(g_j,g)

+∑_i,jβ_iβ_jK(g_i,g_j) (5)

由公式(4)和(5)推導出最優β_i值和最優超球面半徑R，確定同一類樣本數據的聚類邊界；

步驟二：采用改進的錐面聚類標識CCL算法進行聚類標識；

步驟三：選取數據集中的一個樣本作為參考序列：x₀＝{x₀(k)|k＝1,2…,K}，數據集中其余的樣本數據x_i＝{x_i(k)|k＝1,2…,K}作為比較序列，K是樣本序列的維數，N為數據集合中樣本總數；設在第k個時刻x₀(k)和x_i(k)的絕對差為Δ_0i(k)＝|x₀(k)-x_i(k)|。

則參考序列x₀(k)與比較序列x_i(k)的關聯系數定義為：

ξ∈(0,1]為分辯系數，其值越小，分辯力就越大，這里取ξ＝0.5，m₀稱為兩級最小差，M₀稱為兩級最大差；計算灰關聯度：

步驟四：灰關聯度指標GCD定義為：

其中，G_sep(C)表示簇間灰關聯度，G_comp(C)表示簇內灰關聯度，其求解公式如下：

式中：

其中|C_k|表示簇類C_k包含的數據對象數目；

步驟五：令懲罰因子C＝1，通過計算聚類過程中GCD的值不斷調節參數q，使得GCD的值達到最大。