当前位置: 首页 > 专利查询>中南大学专利>正文

基于改进布谷鸟算法的雷达信号分选方法及装置制造方法及图纸

技术编号:29049403 阅读:74 留言:0更新日期:2021-06-26 06:10
本发明专利技术公开了一种基于改进布谷鸟算法的雷达信号分选方法及装置,该方法包括:获取数据对象集合,该数据对象集合由N个雷达信号的脉冲描述字组成,且每一个脉冲描述字由n维度的特征参数组成;对数据对象集合进行归一化处理,获得中间集合;对中间集合进行移除孤点处理,获得目标对象集合;通过改进布谷鸟算法和K均值聚类算法对目标对象集合进行聚类处理,并输出聚类结果。本发明专利技术将改进布谷鸟算法引入到K均值聚类中,利用改进布谷鸟算法高效地局部和全局搜索能力,解决传统的K均值聚类存在全局搜索能力不足,且容易陷入局部最优的问题,进而提高雷达信号分选稳定性。进而提高雷达信号分选稳定性。进而提高雷达信号分选稳定性。

【技术实现步骤摘要】
基于改进布谷鸟算法的雷达信号分选方法及装置


[0001]本专利技术属于雷达信号处理
,具体是涉及到一种基于改进布谷鸟算法的雷达信号分选方法及装置。

技术介绍

[0002]随着雷达技术的不断进步,新体制雷达层出不穷,在现代电子战中辐射源数目日益庞大,调制技术日趋复杂,辐射源的频率使用范围越来越大,以及精确制导技术的迅速发展,都对雷达对抗提出了更高的要求。现代电子对抗中,要实现对对方雷达信号的有效干扰,更好地获取信息,获取电子战优势,就必须在对敌方雷达信号接收后实施分选的操作。信号分选即在脉冲交错的环境下对各雷达的脉冲序列进行全部分离,估计各雷达参数并予以识别的技术。以雷达信号分选的形式,可以对空间中存在的各类雷达及其参数予以准确识别,并纳入雷达数据库内以便后续实施跟踪、定位、干扰等处理。对于电子对抗而言,雷达信号分选环节具有关键性作用。聚类方法可以充分利用雷达信号的多维参数信息,且不需要先验信息,因而能够在日益复杂的信号环境中进行有效的分选。
[0003]K均值聚类算法是一种最为经典、使用最为广泛的划分聚类算法,适合处理大量数据,聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进布谷鸟算法的雷达信号分选方法,其特征在于,包括:获取数据对象集合;所述数据对象集合由N个雷达信号的脉冲描述字组成,且每一个所述脉冲描述字由n维度的特征参数组成;对所述数据对象集合进行归一化处理,获得中间集合;对所述中间集合进行移除孤点处理,获得目标对象集合;通过改进布谷鸟算法和K均值聚类算法对所述目标对象集合进行聚类处理,并输出聚类结果。2.如权利要求1所述的基于改进布谷鸟算法的雷达信号分选方法,其特征在于,所述对所述数据对象集合进行归一化处理采用的归一化公式为:其中,v

i
为所述数据对象集合中任一所述脉冲描述字在第i维度归一化处理后的所述特征参数;minV
i
为所述数据对象集合中的第i维度所述特征参数的最小值,maxV
i
为所述数据对象集合中的第i维度所述特征参数的最大值。3.如权利要求1所述的基于改进布谷鸟算法的雷达信号分选方法,其特征在于,所述对所述中间集合进行移除孤点处理,包括:构建数域空间,所述数域空间中每一个数据点对应所述中间集合中的一个归一化处理后的所述脉冲描述字;计算数域空间中各所述数据点的势值;将所述势值小于势值平均值的所述数据点确定为孤立点。4.如权利要求3所述的基于改进布谷鸟算法的雷达信号分选方法,其特征在于,所述势值的计算公式为:其中,δ为所述数域空间中的第i个数据点pdw
i
对数据点M的影响因子,d(pdw
i
,M)为数据点pdw
i
到数据点M之间的欧式距离。5.如权利要求1所述的基于改进布谷鸟算法的雷达信号分选方法,其特征在于,所述通过改进布谷鸟算法和K均值聚类算法对所述目标对象集合进行聚类处理,并输出聚类结果,包括:随机产生k个聚类中心,对所述目标对象集合中的所述脉冲描述字进行划分,得到k个聚类簇;根据各所述聚类簇中的所述脉冲描述字计算各所述聚类中心的适应度,并计算结果度量;通过预设鸟窝位置更新算法对除最优聚类中心剩余的k

1个所述聚类中心进行更新,得到k个更新后的所述聚类中心;对所述目标对象集合中的所述脉冲描述字进行重新划分,得到k个更新后的所述聚类簇,并根据更新后的各所述聚类簇中的脉冲描述字计算更新后的每个所述聚类中心的适应度,并计算结果度量;
判断更新后的所述结果度量是否大于更新前的所述结果度量,若是,则保留更新后的聚类结果,否则,保留上次聚类结果;根据最大类内距离和最小类内间距离调整所述聚类结果;判断是否满足迭代结束条件,若满足,则输出所述聚类结果,否则,根据预设发现概率抛弃所述聚类中心并重建后,循环执行数据点划分、位置更新以及迭代过程,直至满足所述迭代结束条件,输出所述聚类结果。6.如权利要求5所述的基于改进布谷鸟算法的雷达信号分选方法,其特征在于,所述适应度为:其中,Fit(i)...

【专利技术属性】
技术研发人员:邓联文姜莹廖聪维罗衡黄生祥
申请(专利权)人:中南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1