[發明專利]一種基于核簇支持向量聚類的雷達信號分選方法

有效

• 申請號: 201811464561.1
• 申請日: 2018-12-03
• 公開（公告）號: CN109613486B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王世強;張秦;曾會勇;胡國平;李興成;萬鵬飛
• 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;G06F18/23;G06F18/2411
• 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

本發明提供了一種基于核簇支持向量聚類的雷達信號分選方法，首先利用常規參數對交織信號進行聚類預分選，然后選取漏選脈沖對應的脈內數據，并提取出有利于信號分選的脈內調制特征，接著利用特征選擇算法選取雷達輻射源信號的關鍵特征，并采用提出的基于核簇支持向量聚類方法對選出的特征進行聚類分選，最后合并兩次分選結果完成最終分選，不僅克服了已有技術存在或者適用范圍受限，或者計算復雜，或者不利于工程實現等問題，而且與傳統分選方法相比，分選正確率在典型信噪比下(15dB)提高到了97％左右。

技術領域

本發明涉及雷達信息處理領域，具體涉及一種基于核簇支持向量聚類的雷達信號分選方法。

背景技術

雷達信號分選(signal?sorting)是指依據截獲的雷達特征參數、到達時間及位置數據等，從隨機交錯的輻射源信號流中分出不同的信號。它是不同雷達的類型、屬性、用途識別以及威脅程度判斷的前提和基礎，因此直接影響著雷達偵察設備性能的發揮并關系到后續的作戰決策。但是，隨著各種電子對抗設備數目的急劇增加，電磁威脅環境的信號密度已高達百萬量級，而且現代雷達向多功能、多用途的方向發展，一部雷達可能有多種工作狀態，具有多種體制，同時為了提高自身的性能和抗干擾的需要，往往采用各種復雜的波形設計盡量破壞信號分選和識別所利用的信號規律性，再加上低截獲概率(LPI)技術的采用，這些都對信號分選的實時性、準確性和可靠性提出了新的、更高的要求。

到目前為止，研究人員提出了大致有以下三大類方法來實現雷達信號的分選：

一是采用脈間參數的信號分選；采用這種方法實現的信號分選通常計算速度快，便于實現，然而由于僅采用脈間參數，不能很好適應于雷達波形設計越來越趨于復雜化，傳統的重頻固定、參差、抖動等雷達信號在現代雷達設計中越來越少見等情況，也不能用于傳統的五參數(TOA，RF，PA，PW和DOA)在各參數域均可變化，甚至相互交疊的復雜體制雷達信號分選。

二是采用脈內特征的信號分選；脈內特征參數有助于減少多參數空間的交疊概率，對輻射源信號的分選識別提供新的依據和思路，也是提高當前輻射源信號分選能力的一種可能途徑和思路。但是由于采用了復雜的分析方法，這樣就容易產生計算復雜度高，不易實現等問題。

三是采用脈間參數與脈內特征直接組成特征向量的分選方法；這種方法通過組合脈間參數和脈內參數以降低或部分降低單純使用脈間或脈內特征所造成的交疊，可取得較好結果，但是該方法需要對所有的雷達信號進行脈內特征提取，這樣處理無形中加重了電子支援系統的處理負擔，因此，這一設計也是不太容易實現的。

支持向量聚類(support?vector?clustering,SVC)是Ben-Hur等在基于高斯核的SVDD(support?vector?domain?description)算法基礎上進一步發展起來的無監督非參數型的聚類算法。是指利用高斯核，將數據空間中的數據點映射到一個高維特征空間中，并在特征空間中尋找一個能包圍所有數據點像的最小半徑超球面，將這個超球面反映射回數據空間，最終得到包含所有數據點的等值線集的聚類方法。

一個高維空間的超球面在原空間中可以是任意的形狀，因此可以處理任意形狀的聚類，有效處理噪聲。特征空間超球體的球面映射到原始樣本空間為等值曲線，超球體內部的點映射為等值曲線內部的點。每一條閉合曲線包含的樣本點屬于同一個簇。通經過非線性映射，SVC增加了數據點線性可分的概率，使數據點的聚類特征更為明顯，因而可以較好地分辨、提取并放大有用特征。在融入松弛量后，能有效排除異常值，實現更為準確的聚類。

核簇即在原SVC算法中盡可能多地保留處于最優超球面外的點，即邊界支持向量(Bounded?Support?Vectors，BSVs)，使盡可能多的最優超球面上的點，即支持向量(Support?Vectors，SVs)轉換成BSVs，最后剩余各脈間特征的核簇，這樣最大程度地保證了避免分選時產生的誤選脈沖，同時也保證了各特征核簇具有最佳類內聚集性和類間分離性。