[發明專利]一種基于球覆蓋的仿生模式識別算法的雷達信號分選方法

有效

• 申請號: 202011187495.5
• 申請日: 2020-10-30
• 公開（公告）號: CN112014804B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 余志斌;張瑩;李永春
• 申請（專利權）人: 西南交通大學
• 主分類號: G01S7/28
• 分類號: G01S7/28
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 代維凡

本發明公開了一種基于球覆蓋的仿生模式識別算法的雷達信號分選方法。該方法包括獲取雷達信號數據作為樣本，對樣本數據進行預處理；將預處理后的樣本數據進行升維處理，并將樣本數據劃分為訓練集和測試集；利用訓練集對基于球覆蓋的仿生模式識別算法進行訓練，得到分類覆蓋模型；將測試集輸入到訓練好的分類覆蓋模型，根據測試集在分類覆蓋模型中的覆蓋情況，確定測試集的類別，實現雷達信號分選。本發明為了解決現有技術中實際提取的雷達信號數據存在虛假數據、缺失值，傳統仿生模式識別受低維數條件限制等問題，在低維數條件下，對傳統的仿生模式識別算法進行改進，利用數據清洗、缺失值填充、數據升維、構造球覆蓋等實現了算法識別率的提高。

技術領域

本發明涉及雷達信號分選技術領域，特別涉及一種基于球覆蓋的仿生模式識別算法的雷達信號分選方法。

背景技術

傳統的仿生模式識別以“同源連續性”思想為基礎，基于“認識”，通過對一類類事物的“學習”，進而達到“認識”的目的。具體實施方法是在特征空間內構造流形進行覆蓋，即構造一個個的“超香腸神經元”，完成對訓練樣本的“認識”，但是該方法受到低維數的限制。另一方面，實際提取的雷達信號數據存在虛假數據、缺失值的情況。

發明內容

針對現有技術中的上述不足，本發明提供了一種基于球覆蓋的仿生模式識別算法的雷達信號分選方法。

為了達到上述發明目的，本發明采用的技術方案為：

一種基于球覆蓋的仿生模式識別算法的雷達信號分選方法，包括以下步驟：

S1、獲取雷達信號數據作為樣本，對樣本數據進行預處理；

S2、將預處理后的樣本數據進行升維處理，并將樣本數據劃分為訓練集和測試集；

S3、利用訓練集對基于球覆蓋的仿生模式識別算法進行訓練，得到分類覆蓋模型；

S4、將測試集輸入到訓練好的分類覆蓋模型，根據測試集在分類覆蓋模型中的覆蓋情況，確定測試集的類別，實現雷達信號分選。

本發明具有以下有益效果：本發明在低維數條件下，對傳統的仿生模式識別算法進行改進，利用了數據清洗、缺失值填充、數據升維、構造球覆蓋等來實現算法識別率的提高。

優選地，步驟S1具體包括首先獲取各種類型的雷達脈沖信號數據作為樣本數據，然后對樣本數據中的虛假數據進行數據清洗，再對數據清洗后的樣本數據中的缺失值進行填充，最后對樣本數據進行歸一化處理。

該優選方案具有以下有益效果：在數據預處理階段，通過對虛假數據的數據清洗、缺失值的數據填充，得到較為干凈的數據，使得數據受干擾噪聲的影響減小。

優選地，步驟S2具體包括將預處理后的樣本數據進行n維到n+1維的升維處理，使得所有樣本點在n+1維空間內到坐標軸原點的歐式距離都相等，并將樣本數據按照預設比例劃分為訓練集和測試集。

該優選方案具有以下有益效果：突破了傳統仿生模式識別受低維數下識別率不佳的限制，通過升維使樣本點變得可分，進而在低維數下達到提升識別率的效果。

優選地，步驟S3包括以下分步驟：

S31、隨機選取一個樣本點作為球心；

其中，i為球心的類別，i=1,2,…,m，m為樣本集的類別總數；j為當前類球心的標記，j=1,2,…,q，q為當前類球心個數總數；

S32、遍歷訓練集樣本點，當訓練集樣本點與該球心不是同一類時，計算當前球心與訓練集樣本點之間的歐式距離，確定當前球心對應的球半徑，由此構成一個球；