本发明专利技术涉及雷达信号分选领域，具体公开了一种基于特征树聚类的信号分选方法、装置、存储介质及设备，该基于特征树聚类的信号分选方法包括：在将每个雷达脉冲信号的目标特征参数处理为标准数据后，将每个雷达脉冲信号的标准数据转换为对应的特征类，其中，特征类为特征树的节点；根据特征类的合并条件，对当前的特征类进行层层聚类，直至全部特征类合并为同一特征类，得到特征树，其中，特征树的顶层为同一特征类；基于目标特征类半径和/或目标样本阈值在特征树上确定出目标特征类时，根据目标特征类确定信号分选结果。本发明专利技术解决了传统雷达信号分选方法准确性差、无法应对复杂电磁环境的技术问题。的技术问题。的技术问题。
【技术实现步骤摘要】
基于特征树聚类的信号分选方法、装置、存储介质及设备
[0001]本专利技术涉及雷达信号分选领域，具体而言，涉及一种基于特征树聚类的信号分选方法、装置、存储介质及设备。
技术介绍
[0002]电磁空间中通常是多种雷达和信号交错，要想获取有用的雷达信号，必须将各种收入进系统的电磁混合脉冲信号按照所属的辐射源进行分类，才能够进行后续的信号处理。随着电子设备广泛应用和快速发展，空间电磁环境愈加复杂多变，密集的各类电磁信号对于探测雷达而言成为电子干扰信号，影响了辐射源信号分选效率。工作频带不断展宽，信号参数在多个维度上重叠，各种非常规雷达辐射源信号出现了频率捷变、脉冲压缩等新技术，导致特征参数变化幅度很大，传统辐射源信号分选方法的准确度难以保证。
[0003]雷达辐射源信号分选是在多部雷达脉冲相互交错的条件下，分离出每部雷达脉冲序列，并对每部雷达的参数进行估计与识别的技术。通过雷达信号分选，才能得到多个真实的雷达脉冲序列，从而进一步进行如干扰、定位或是跟踪等处理。雷达信号分选作为雷达侦查信号处理的基础，其重要性不言而喻。然而，随着雷达技术的不断发展，迅速增长的脉冲流密度，越来越宽的频谱，复杂多变的调制方式和持续变化的雷达参数，都使得雷达信号分选所需应对的电磁环境逐渐恶劣，分选的难度也就越来越大，传统雷达信号分选方法准确性差，无法应对复杂电磁环境。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种基于特征树聚类的信号分选方法、装置、存储介质及设备，以至少解决传统雷达信号分选方法准确性差、无法应对复杂电磁环境的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种基于特征树聚类的信号分选方法，包括：。在将每个雷达脉冲信号的目标特征参数处理为标准数据后，将每个雷达脉冲信号的标准数据转换为对应的特征类，其中，上述特征类为特征树的节点；根据上述特征类的合并条件，对当前的特征类进行层层聚类，直至全部上述特征类合并为同一特征类，得到上述特征树，其中，上述特征树的顶层为上述同一特征类；基于目标特征类半径和/或目标样本阈值在上述特征树上确定出目标特征类时，根据上述目标特征类确定信号分选结果。
[0007]优选的，在将每个雷达脉冲信号的目标特征参数处理为标准数据之前，还包括：将接收到的雷达脉冲信号转换为脉冲描述字；利用信息熵确定上述脉冲描述中各个特征的信息量；根据上述各个特征的信息量从上述各个特征中确定出目标特征参数。
[0008]优选的，上述根据上述特征类的合并条件，对当前的特征类进行层层聚类，包括：计算全部特征类中每两个特征类的类距离，并确定距离最近的两个特征类；将上述距离最近的两个特征类合并，得到二层类；利用上述二层类替代上述两个特征类继续根据类距离进行合并聚类。
[0009]优选的，在得到上述特征树之后，还包括：在基于上述目标特征类半径和/或上述目标样本阈值在上述特征树上未确定出上述目标特征类的情况下，继续搜索雷达脉冲信号。
[0010]优选的，在继续搜索雷达脉冲信号之后或确定出目标特征类之后，还包括：基于接收到的新雷达脉冲信号和超出时间窗的特征类更新上述特征树，其中，上述时间窗为预设的雷达信号分选时长。
[0011]优选的，基于接收到的新雷达脉冲信号更新上述特征树，包括：在上述特征树中搜索与上述新雷达脉冲信号对应的新特征类距离最近的候选特征类；在上述候选特征类与上述新特征类的距离小于上述目标特征类半径的情况下利用上述新特征类替换上述候选特征类，并合并上述候选特征类的各个上层类，以更新上述特征树。
[0012]优选的，基于超出时间窗的特征类更新上述特征树，包括：基于对应的雷达脉冲信号的输入时间在上述特征树中搜索超出时间窗的过期特征类；从三层以上包括上述特征类的上层类中，依次删除上述过期特征类；将与上述过期特征类距离最近的特征类与上述过期特征类的二层类对应的三级类连接，并删除上述过期特征类和上述过期特征类的二层类，以更新上述特征树。
[0013]根据本专利技术实施例的另一方面，还提供了一种基于特征树聚类的信号分选装置，包括：转换单元，在将每个雷达脉冲信号的目标特征参数处理为标准数据后，将每个雷达脉冲信号的标准数据转换为对应的特征类，其中，上述特征类为特征树的节点；聚类单元，用于根据上述特征类的合并条件，对当前的特征类进行层层聚类，直至全部上述特征类合并为同一特征类，得到上述特征树，其中，上述特征树的顶层为上述同一特征类；确定单元，用于基于目标特征类半径和/或目标样本阈值在上述特征树上确定出目标特征类时，根据上述目标特征类确定信号分选结果。
[0014]根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述基于特征树聚类的信号分选方法。
[0015]根据本专利技术实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的基于特征树聚类的信号分选方法。
[0016]在本专利技术实施例中，采用在将每个雷达脉冲信号的目标特征参数处理为标准数据后，将每个雷达脉冲信号的标准数据转换为对应的特征类，其中，特征类为特征树的节点，根据特征类的合并条件，对当前的特征类进行层层聚类，直至全部特征类合并为同一特征类，得到特征树，其中，特征树的顶层为同一特征类，基于目标特征类半径和/或目标样本阈值在特征树上确定出目标特征类时，根据目标特征类确定信号分选结果的方式，通过将每个雷达脉冲信号处理为特征类，当作特征树的节点，通过层层聚类将全部特征类在顶层合并为同一特征类进而得到特征树，基于类半径或样本阈值从特征树上确定出目标类作为信号分选结果，从而基于雷达脉冲信号作为特征类生成特征树，达到了基于特征树准确得到雷达信号分选结果的目的，从而实现了提高雷达信号分选准确性，利用准确的雷达信号分选结果应对复杂电磁环境的技术效果，进而解决了传统雷达信号分选方法准确性差、无法应对复杂电磁环境的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的一种可选的基于特征树聚类的信号分选方法的流程示意图；
[0019]图2是根据本专利技术实施例的一种可选的基于特征树聚类的信号分选方法的流程示意图；
[0020]图3是根据本专利技术实施例的一种可选的基于特征树聚类的信号分选方法中的特征树生成示意图；
[0021]图4是根据本专利技术实施例的一种可选的基于特征树聚类的信号分选装置的结构示意图；
[0022]图5是根据本专利技术实施例的一种可选的电子设备的结构示意图。
具体实施方式
[0023]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于特征树聚类的信号分选方法，其特征在于，包括：在将每个雷达脉冲信号的目标特征参数处理为标准数据后，将每个雷达脉冲信号的标准数据转换为对应的特征类，其中，所述特征类为特征树的节点；根据所述特征类的合并条件，对当前的特征类进行层层聚类，直至全部所述特征类合并为同一特征类，得到所述特征树，其中，所述特征树的顶层为所述同一特征类；基于目标特征类半径和/或目标样本阈值在所述特征树上确定出目标特征类时，根据所述目标特征类确定信号分选结果。2.根据权利要求1所述的方法，其特征在于，在将每个雷达脉冲信号的目标特征参数处理为标准数据之前，还包括：将接收到的雷达脉冲信号转换为脉冲描述字；利用信息熵确定所述脉冲描述中各个特征的信息量；根据所述各个特征的信息量从所述各个特征中确定出目标特征参数。3.根据权利要求1所述的方法，其特征在于，所述根据所述特征类的合并条件，对当前的特征类进行层层聚类，包括：计算全部特征类中每两个特征类的类距离，并确定距离最近的两个特征类；将所述距离最近的两个特征类合并，得到二层类；利用所述二层类替代所述两个特征类继续根据类距离进行合并聚类。4.根据权利要求1所述的方法，其特征在于，在得到所述特征树之后，还包括：在基于所述目标特征类半径和/或所述目标样本阈值在所述特征树上未确定出所述目标特征类的情况下，继续搜索雷达脉冲信号。5.根据权利要求4所述的方法，其特征在于，在继续搜索雷达脉冲信号之后或确定出目标特征类之后，还包括：基于接收到的新雷达脉冲信号和超出时间窗的特征类更新所述特征树，其中，所述时间窗为预设的雷达信号分选时长。6.根据权利要求5所述的方法，其特征在于，基于接收到的新雷达脉冲信...
【专利技术属性】
技术研发人员：何向晨，李昕，谢莉，
申请(专利权)人：北京遥感设备研究所，
类型：发明
国别省市：
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。