[發(fā)明專利]基于相像系數(shù)和DBSCAN的雷達輻射源數(shù)據(jù)清洗方法

有效

• 申請?zhí)枺?/td>: 202011348266.7
• 申請日: 2020-11-26
• 公開（公告）號: CN112633320B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 武斌;殷雪鳳;李鵬;王釗;張葵;荊澤寰;袁士博
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06F18/2321;G06F18/214;G01S7/02
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王喜媛

1.一種基于相像系數(shù)和DBSCAN的雷達輻射源數(shù)據(jù)清洗方法，其特征在于，計算雷達輻射源數(shù)據(jù)集中每個樣本的相像系數(shù)作為特征，利用DBSCAN算法對雷達輻射源信號數(shù)據(jù)集進行聚類，檢測并剔除噪聲數(shù)據(jù)，該方法的步驟如下：

(1)獲取雷達輻射源信號樣本：

(1a)利用低通濾波器，將雷達接收機接收的雷達高頻脈沖信號變頻為中頻信號；

(1b)采用不低于500Hz的采樣頻率，從中頻信號中采集至少500個樣本組成雷達輻射源信號數(shù)據(jù)集；

(2)對數(shù)據(jù)集中的樣本進行預處理：

(2a)利用歸一化香農(nóng)能量包絡提取算法，提取雷達輻射源信號數(shù)據(jù)集中每個樣本的包絡值；

所述歸一化香農(nóng)能量包絡提取算法的具體步驟如下：

第一步，按照下式，對雷達輻射源信號數(shù)據(jù)集中每個樣本的每個采樣點進行歸一化處理：

其中，表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中第i個采樣點的歸一化值，x_j(i)表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中第i個采樣點的幅度值，x_j表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中由所有采樣點的幅度值組成的序列，max(·)表示求最大值操作，|·|表示取絕對值操作；

第二步，按照下式，計算雷達輻射源信號數(shù)據(jù)集中每個樣本的每個采樣點的香農(nóng)能量：

其中，E_j(i)表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中第i個采樣點的香農(nóng)能量，log(·)表示以10為底的對數(shù)操作；

第三步，按照下式，對雷達輻射源信號數(shù)據(jù)集中每個樣本的每個采樣點的香農(nóng)能量進行加窗平滑處理：

其中，表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中第i個采樣點平滑后的香農(nóng)能量，N表示加窗平滑處理窗內(nèi)的采樣點數(shù)，取值為200，Σ表示求和操作；

第四步，按照下式，計算雷達輻射源信號數(shù)據(jù)集中每個樣本的每個采樣點的包絡值：

其中，P_j(i)表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中第i個采樣點的包絡值，表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中由所有采樣點的平滑后的香農(nóng)能量組成的序列，mean(·)表示取均值操作，S(·)表示取標準差操作；

(2b)利用min-max歸一化法，對雷達輻射源信號數(shù)據(jù)集中每個樣本的包絡值進行歸一化處理；

所述min-max歸一化法如下：

其中，表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中第i個采樣點包絡的歸一化值，P_j表示雷達輻射源信號數(shù)據(jù)集中第j個樣本中由所有采樣點的包絡值組成的序列，min(·)表示求最小值操作；

(3)計算雷達輻射源數(shù)據(jù)集中每個樣本的相像系數(shù)：

(3a)利用矩形相像系數(shù)公式，計算雷達輻射源信號數(shù)據(jù)集中每個樣本的矩形相像系數(shù)；

(3b)利用三角形相像系數(shù)公式，計算雷達輻射源信號數(shù)據(jù)集中每個樣本的三角形相像系數(shù)；

(4)生成特征向量：

將雷達輻射源信號數(shù)據(jù)集中每個樣本的矩形相像系數(shù)與其三角形相像系數(shù)首尾相接生成該樣本特征向量；

(5)利用DBSCAN算法對雷達輻射源信號數(shù)據(jù)集進行聚類：

(5a)從雷達輻射源信號數(shù)據(jù)集中隨機選取一個未處理樣本作為當前處理樣本，計算當前處理樣本特征向量與雷達輻射源數(shù)據(jù)集中每個樣本特征向量的歐式距離，并從中選出歐氏距離小于鄰域半徑ε的所有樣本并統(tǒng)計其個數(shù)α后執(zhí)行步驟(5b)，其中，鄰域半徑ε的大小與雷達輻射源數(shù)據(jù)集中的樣本總數(shù)成正相關；

(5b)判斷α是否大于或等于鄰域參數(shù)MinPts，若是，則執(zhí)行步驟(5c)，否則，執(zhí)行步驟(5i)，其中，鄰域參數(shù)MinPts的大小與鄰域半徑ε成負相關；

(5c)將當前處理樣本與所選出的歐氏距離小于鄰域半徑ε的所有樣本放入空集M中，并將M集中所有樣本標記為未處理樣本后執(zhí)行步驟(5d)；

(5d)從M集中取出一個未處理的樣本作為被操作樣本λ，計算被操作樣本λ的特征向量分別與雷達輻射源信號數(shù)據(jù)集中每個樣本特征向量的歐式距離，并從中選出歐式距離小于鄰域半徑ε的所有樣本并統(tǒng)計其個數(shù)β，將被操作樣本λ標記為已處理樣本后執(zhí)行步驟(5e)；

(5e)判斷β是否大于或等于MinPts，若是，執(zhí)行步驟(5f)，否則，執(zhí)行步驟(5g)；

(5f)將歐式距離小于鄰域半徑ε的所有樣本放入M集中，并將其標記為未處理樣本后執(zhí)行步驟(5g)；

(5g)判斷是否選完M集中所有未處理樣本，若是，則執(zhí)行步驟(5h)，否則，執(zhí)行步驟(5d)；

(5h)將M集中所有已處理的樣本組成一個聚類簇后執(zhí)行步驟(5i)；

(5i)判斷雷達輻射源數(shù)據(jù)集中是否全為已處理樣本，若是，得到每個樣本對應的聚類簇后執(zhí)行步驟(6)，否則，執(zhí)行步驟(5a)；

(6)清洗噪聲樣本：

(6a)從每個聚類簇中隨機抽取20個樣本，分別找出其中矩形相像系數(shù)大于0.9的樣本并統(tǒng)計其個數(shù)；

(6b)找出20個樣本中矩形相像系數(shù)大于0.9的樣本個數(shù)最多的聚類簇，將該聚類簇中所有樣本從雷達輻射源信號數(shù)據(jù)集中刪除，得到清洗后的雷達輻射源信號數(shù)據(jù)集。