共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
未知雷达信号分选一直是雷达对抗情报处理中的难题。通过引入势和场强的概念,提出了一种基于数据场的未知雷达信号聚类算法。该方法通过设置势值门限来剔除噪声,同时设置场强门限进行聚类。该方法可以达到自动确定聚类数目和聚类中心的目的。仿真试验表明,该方法能够有效适应于未知雷达信号的分选。 相似文献
3.
通过分析,说明了k-means聚类算法不适用于未知雷达信号分选,进而提出一种改进网格聚类分选方法。该方法将数据点映射到网格空间,通过双密度阈值准确区分信号网格与噪声网格,利用网格的高密度连通性完成聚类分选。该方法计算量小,对噪声不敏感,无需先验知识支持。计算机仿真验证了算法的有效性。 相似文献
4.
5.
针对目前复杂多变的雷达电磁信号环境,将人工鱼群聚类算法引入到雷达信号分选中,并将其与传统的K-Means聚类算法相结合进行了改进,对雷达信号分选进行了一种新的探索,该算法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验证明该算法分选准确率较高。 相似文献
6.
一种基于网格密度聚类的雷达信号分选 总被引:1,自引:0,他引:1
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。 相似文献
7.
8.
针对基于密度的聚类算法不能发现密度分布不均匀数据样本的问题,提出了一种基于自适应密度阈值的未知雷达信号分选算法。该方法利用同一部雷达数据的分布特性进行聚类,通过寻找局部密度阈值,以达到分选不同密度分布的雷达信号的目的,并且在此基础上提出一个引理,提升了算法的时间效率。算法测试表明,该方法对噪声不敏感,能够发现任意形状、大小和密度的聚类。 相似文献
9.
10.
11.
在电子对抗条件下,如何在密集的电磁环境中实时地分离出各雷达辐射源信息、得到正确的测量参数是进行雷达对抗的关键。独立分量分析(ICA)是根据信号源的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。由于传统的多参数分选方法很难满足实时性的要求,文中研究分析了基于旋转变换的思想,将独立分量法应用到雷达信号分选中来,并给出了雷达辐射源的独立分量法的数学模型、算法和仿真分析,获得了比较好的雷达信号分选效果。 相似文献
12.
13.
14.
为克服传统信号分选算法的局限性,提出了一种雷达信号分选与特征提取相结合的算法。这种算法利用了数据挖掘中的聚类技术,可用于常规雷达和特殊雷达的信号分选。另外,该算法将信号分选与特征提取进行有机的结合,算法的结果不仅分选出雷达信号,还得到了每部雷达信号的参数特征。最后用仿真结果验证此算法的有效性。 相似文献
15.
16.
针对雷达信号分选中辐射源数目不确定、脉冲数据分布形式复杂、对噪声影响敏感等问题,提出了一种基于改进谱聚类联合数据场理论的聚类分选算法。该算法首先利用数据场理论对数据进行预处理,根据势值大小实现干扰点的去除,并利用势心的数目确定初始聚类数,然后再利用网格密度划分得到合理的地标点,最后再基于地标稀疏表示的谱聚类算法完成聚类分选。通过设置两组类型不同的脉冲信号数据进行仿真实验,分选正确率均达到95%以上,验证了该算法具有较高准确率和鲁棒性。 相似文献