基于数据场与云模型的多模雷达信号分选算法

针对传统分选算法处理多模雷达信号效果较差的问题,提出一种基于数据场的层次聚类信号分选算法,以克服多模雷达信号分选时存在的"增批"问题.将数据场理论应用于多模雷达辐射源信号的分选,利用数据场势函数划分辐射源信号数据的层次,通过等势图的绘制完成数据的自组织层次聚类.提出一种基于云模型的分选结果有效性评估算法,可在脱离雷达辐射源库的情况下验证信号分选结果的有效性.仿真实验验证了提出算法的有效性.     

分段聚类在雷达信号分选中的应用

分析了雷达信号分选中的容差问题,现代电子战所面临的越来越复杂密集的脉冲环境,使容差问题成为制约现有多参数信号分选体制分选效率的重要因素。根据统计学习理论的思想,提出了一种基于支持向量聚类和级联互耦的分段聚类雷达信号分选方法,该方法克服了容差问题对雷达信号分选的影响。通过仿真实验验证,对于高脉冲密度环境和复杂的信号形式,这种分选方法是有效的。     

支持矢量分析在雷达信号分选中的应用

提出了一种基于支持矢量分析的雷达信号分选方法、该方法首先对脉冲信号流进行聚类，然后应用支持矢量分析方法对聚类后脉冲流作进一步分选．通过仿真实验，给出了该方法对处于边界交迭脉冲的分选结果，证明了该方法的可行性、     

约束准则下扩展时差直方图脉冲分选配对方法

由于现有的多站时差分选方法存在虚警、漏警率高,超低重频脉冲分选正确率低,且不具备稳健单脉冲分选能力的问题,提出一种约束准则下的扩展时差直方图脉冲分选配对方法。该方法首先引入约束准则对脉冲进行参数匹配,获取有效的时差分布;而后采用扩展和递归运算依次完成各辐射源脉冲的分选与配对。经约束限制后,无关脉冲配对机会降低了,从根本上减少了虚假时差和噪声时差,并有效地抑制了虚假目标的产生。仿真结果表明,与现有算法相比,该算法能在不同时差测量误差条件下提高对各类型脉冲的分选正确率,同时降低虚警率和漏警率,实现了对脉冲数极少的超低重频脉冲和单脉冲的准确分选与配对。     

基于势距图与改进云模型的多模雷达分选

针对多模雷达信号分选准确率较低的问题,本文提出了基于势距图与改进云模型的多模雷达信号分选新算法。该算法首先在剔除干扰点后,利用势距图进行聚类分选;其次,利用主成分分析(PCA)降维,提取各特征的关键因素组成新的特征;最后,利用改进云模型理论对新特征进行分析,得出类与类之间的隶属度均值,建立评价标准来完成雷达信号的最后分类。仿真结果表明:与现有算法相比,该方法具有更高的准确性,且抗干扰能力强,可以更好地解决多模雷达信号错误分选问题。     

彩色电视信号的旁瓣抑制

对彩色电视信号的脉冲压缩进行了研究．利用失配滤波器对电视信号经脉冲压缩后出现的旁瓣进行了抑制．经过失配滤波后,使电视信号脉冲压缩后产生的旁瓣得到了明显的抑制,提高了主旁瓣比,增大了电视信号作为雷达照射源时的不模糊距离．     

基于聚类的跳频信号分选

为了对跳频信号进行分选,主要研究了聚类算法. 首先对KHM算法进行改进,得到了对随机初始化中心不敏感的聚类算法,然后利用已有的聚类有效性评价函数获得最佳聚类数的范围,并提出了在此范围内寻找最佳聚类数的算法. 结合改进的KHM算法和聚类个数估计方法,利用信号持续时间、方位信息和功率,对跳频信号进行分选,实验表明,该算法能正确地分选出跳频信号.     

一种低复杂度的雷达信号分选方法

针对现有支持向量聚类算法在雷达信号分选应用中复杂度高、用传统有效性指标难以描述最佳分选效果的问题,研究了基于锥面聚类分配的支持向量聚类算法;利用该算法依赖于特征空间和数据空间近似覆盖的特性,避免了邻接矩阵的计算.提出了基于相似熵的有效性验证指标,应用信息熵的理论描述了类内聚集性和类间分离性.仿真结果表明,该方法在保证分选正确率的同时,可以有效降低计算复杂度,在一定程度上满足了情报侦察系统的实时性和准确性要求,具有较强的实用价值.     

基于核仿射传播聚类雷达信号分选

将一种新的仿射传播聚类算法引入雷达信号分选,对仿射传播聚类算法的相似度计算和评价指标进行改进和简化,提高了分选性能。实验结果证明,本方法在不同的测试环境下均可以取得较好的分选效果。     

雷达信号分选、处理方法研究

雷达信号分选,就是从交错的密集复杂的脉冲信号流中提取出属于同一雷达辐射源的脉冲序列。现代雷达具有多种工作状态,其各项特征参数都是可变的,甚至是随机变化的,这给雷达信号的分选与处理工作带来一定难点。本文介绍了雷达信号分选基本方法,分析了雷达信号分选的关键技术,并雷达信号处理中的的辐射源分类的识别方法。     

一种新的用于三维检索的快速邻域搜索方法

在传统的层次聚类算法上,对孤立聚类进行特殊处理,并在此基础上提出了与传统内容检索方法不同的三维模型索引检索技术.首先提取三维模型的深度图像特征并将特征值存入数据库;其次利用改进的层次聚类算法对特征值进行聚类并计算聚类中心值;之后计算每个三维模型内容特征与其所在聚类中心的距离并保存到数据库中,查询时计算待查询模型特征与各个聚类中心的距离并排序;最后在每个聚类里面进行检索,与聚类中心的距离位于待检索模型与该聚类中心距离的邻域就是查询结果.在该方法中,将每个模型特征与其所在聚类中心的距离作为其索引.实验结果表明,该方法在保证检索质量的基础上大大提高了检索速度.     

多目标时彩色电视信号的距离旁瓣抑制

在多目标情况下,为了抑制利用电视信号的被动式雷达的相关旁瓣并提高距离分辨力,提出了用失配滤波的方法对电视信号进行处理,在积分旁瓣电平最小的基础上,用加权迭代的方法来逼近最小峰值旁瓣电平．仿真结果表明,利用失配滤波不仅可有效抑制电视信号的距离旁瓣,而且还可提高距离分辨力,从而改善了利用电视信号的被动式雷达在多目标情况下的检测能力．     

一种新的雷达全脉冲信号特征提取方法

提出一种基于结构函数和经验模态分解的雷达全脉冲信号特征提取方法.该方法将载波频率和到达时间构成二维特征信息,并且首次引入结构函数和经验模态分解对雷达全脉冲序列的特征进行分析.实验结果表明,该方法能够有效地提取出复杂脉冲环境中载频周期滑变信号的滑变频率,从而为多信号交叠的雷达脉冲序列的信号分选找到一个新的特征.     

一种机载MIMO雷达大场景成像算法

针对远离场景中心的目标成像存在的参考函数失配问题,理论上分析了机载MIMO雷达成像失配函数的特性,提出了一种基于目标场景条带分割的机载MIMO雷达的大场景成像算法,并导出了成像条带分割的约束关系.该算法通过将测绘带沿距离向分割为多个窄的条带,降低了失配函数对成像结果的影响,有效增加了机载MIMO雷达的成像场景宽度.最后分别利用仿真的单目标和多目标数据对提出算法进行了测试.仿真结果表明,所提出算法是可行的,可实现宽测绘带的高分辨成像.     

多中心的非平衡K-均值聚类方法

对于非平衡聚类问题,传统K-均值聚类方法容易将分布在较大区域类中的样本错误划分到小区域类别当中,即存在聚类结果的均匀效应.针对该问题,提出了一种多中心的非平衡K-均值聚类方法(Imbalanced K_means clustering method with multiple centers,MC_IK).该方法首先对整个训练集进行一次聚类,得到初始聚类结果,并选择与初次聚类结果中任意两类或两类以上的类中心距离相近的样本构成模糊工作集.然后对聚类得到的各类样本进行二次聚类,得到各类样本的子聚类结果,同时根据模糊工作集中样本与每个子聚类中心的距离,对模糊工作集中的样本进行二次归类.该方法有效避免了传统K-均值聚类方法处理非平衡数据聚类问题时的均匀效应.实验结果表明,多中心的非平衡K-均值聚类方法能够有效地处理非平衡数据聚类问题.     

互相关干扰下的MIMO雷达自适应脉冲压缩方法

MIMO雷达各阵元发射波形之间一般不完全正交,用传统脉冲压缩方法处理会导致较高距离旁瓣电平,进而影响检测性能.在建立单站MIMO雷达回波模型的基础上,以最大化系统输出信号与干扰噪声比为准则,提出了一种基于迭代思想的MIMO雷达自适应脉冲压缩方法.该方法利用对目标距离像信息的多次估计值,自适应地对距离旁瓣、互相关干扰和噪声进行抑制.仿真实验表明,针对发射多相编码信号的MIMO雷达,该算法可以显著降低距离旁瓣,且在目标运动和多目标情况下也优于传统处理方法.     

一种捷变脉冲串的动态规划优化设计方法

针对传统脉冲多普勒雷达信号脉冲重复周期、脉内调制方式等参数固定造成信号距离模糊,导致近距离强杂波会折叠到远距离段影响远距离小目标探测的问题,研究了一种基于动态规划的捷变脉冲串优化设计方法.通过在脉间选用不同的调制方式,以各距离段间距离选通特性最佳为优化目标,利用动态规划算法优化待产生的捷变脉冲串,提高各个距离段之间的距...     

一种高效的基于初始聚类中心优化的K-means算法

为解决传统K-means算法初始质心的随机选取以及聚类过程中每个数据样本到聚类中心距离的重复计算问题,提出了一种高效的基于初始聚类中心优化的K-means算法,采用最小方差优化初始质心,通过存储每次迭代中所有数据点的簇标志和到最近聚类中心的距离并用于下一次迭代,避免了重复计算数据点到每个中心的距离。在UCI数据库中五个不同的数据集上进行了测试,对各个算法在聚类准则函数,运行时间以及迭代次数上进行实验结果比较,表明在不降低聚类性能的前提下,减少了迭代次数,缩短了聚类时间,证明了改进算法的有效性和高效性。     

一种直接回波数据域雷达自适应通道均衡方法

在实际的机载多通道地面运动目标检测(GMTI)系统中,通道失配误差的存在降低了地杂波的抑制性能,进而影响了弱运动目标的检测．为了补偿通道间的失配误差,提出了一种基于地杂波数据的通道均衡方法．该方法根据机载多通道雷达地杂波信号的特性,利用维纳滤波技术估计并补偿了该失配误差,不需要改装现有的雷达设备．其次分析了在有限样本下该方法的性能与地杂波信号相关系数的关系,并利用实测数据实验验证了该方法的有效性．     

基于薛定谔方程的K-Means聚类算法

提出一种基于薛定谔方程的K-Means聚类算法,利用量子力学中薛定谔方程的势能函数来确定初始聚类中心。计算每个数据样本所对应的势能函数值,将势能函数值小的数据样本放入初始聚类中心集合,设置一个距离阈值,数据集合中的数据样本和初始聚类中心集合中的数据样本进行相异度计算,将相异度大于阈值的数据样本放入初始聚类中心集合,重复这一操作,直到初始聚类中心集合中的样本数量等于K为止。试验结果表明,采用该方法能很好地筛选出初始聚类中心,得到更高的聚类结果准确率和较少的迭代次数,与其他几种方法相比,聚类结果准确率平均提高约12%,同时迭代次数减少约3次。