【技术实现步骤摘要】
一种基于网格划分的数据场联合决策图聚类方法
[0001]本专利技术涉及雷达信号分选领域,具体涉及一种基于网格划分的数据场联合决策图聚类方法。
技术介绍
[0002]本节中的陈述仅提供与本公开相关的背景信息,并且可能不构成现有技术。
[0003]电子侦察是电子战的重要组成部分,随着雷达体制的丰富和信号调制样式的多样化,电子侦察所面临的电磁环境日益复杂。如何在复杂多变的电磁环境中有效,精准且快速地对雷达脉冲信号进行分选,则成为了当今雷达信号分选的重点与难点。聚类算法作为雷达信号分选的重要一环,其聚类中心及聚类个数估计精度直接影响到后续分选结果。然而随着雷达脉冲数的急速增加,人们对信号侦查实时性要求的不断提高,使得寻找一种既快速且能自主确定聚类中心个数的聚类方法成为必须。
[0004]适用于雷达信号分选的聚类算法主要有:基于参数匹配的聚类算法、基于随机搜索的聚类算法、基于数据场聚类算法等;其中,基于参数匹配的聚类算法实现简单,但对参数估计精度有较高要求且可用于分选的参数较少,另外分选误差会逐级累积;基于随机搜索的聚类算法对小数据集合非常有效,但对大的数据集合没有良好的可伸缩性;基于数据场聚类的分选算法,在复杂电磁环境下具有较好的分选结果,但对影响因子的确定需要多次迭代,运算消耗量大。
技术实现思路
[0005]本专利技术的目的在于:针对目前适用于雷达信号分选的聚类算法,存在的可用于分选的参数少,运算消耗量大,需要人工干预选取聚类中心个数的问题,提供了一种基于网格划分的数据场联合决策图聚类方法 ...
【技术保护点】
【技术特征摘要】
1.一种基于网格划分的数据场联合决策图聚类方法,其特征在于,包括:步骤S1:根据PDW数据对象总数N确定各维区间网格划分个数K,并计算网格边长l;步骤S2:根据网格划分稀释数据对象,计算各网格等效数据点和等效质量;步骤S3:根据网格边长设置影响因子σ;步骤S4:根据影响因子σ及等效数据点构建数据场,计算各数据点的势能值;步骤S5:利用网格划分后等效质量计算数据对象局部密度和最近大密度点距离;步骤S6:计算各数据对象的势能距离积,并进行降序排列;步骤S7:计算各数据对象势能距离积的下降率,并选择最大值对应的数据点作为分界线,获取聚类中心个数和各聚类中心;步骤S8:依据聚类中心进行数据对象聚类。2.根据权利要求1所述的一种基于网格划分的数据场联合决策图聚类方法,其特征在于,所述步骤S1,包括:步骤S11:对N个PDW数据对象采用max
‑
min规则进行归一化处理;步骤S12:根据数据总数和PDW参数维度,确定网格划分个数;步骤S13:根据归一化数据计算网格边长l。3.根据权利要求2所述的一种基于网格划分的数据场联合决策图聚类方法,其特征在于,所述归一化处理,包括:式中:PDW
m
(n)表示PDW中第m维参数的第n个数据;PDW
m
(all)表示第m维参数的全部数据;所述步骤S12,包括:式中:d表示PDW参数维度;所述步骤S13,包括:l=1/K。4.根据权利要求1所述的一种基于网格划分的数据场联合决策图聚类方法,其特征在于,所述步骤S2,包括:对于同一网格内的数据求取均值作为该网格内的等效数据点x;将划分到同一个网格(m,n)中的数据对象总数作为该网格的等效质量ρ
x
→
(m,n)
,没有对应数据对象映射到的网格规定其等效质量为0。5.根据权利要求1所述的一种基于网格划分的数据场联合决策图聚类方法,其特征在于,所述步骤S4,包括:步骤S41:根据高斯函数3σ区间内包含99.74%的数据对象原则,对每个数据的场强函数进行优化,减少计算量;
步骤S42:根据优化后的场强函数,计算各数据点的势能值。6.根据权利要求5所述的一种基于网格划分的数据场联合决策图聚类方法,其特征在于,所述步骤S41,包括:式中:f
...
【专利技术属性】
技术研发人员:冀彦杰,王梦馨,蒋文,叶祥龙,李云莉,唐先慧,骆明伟,李捷,
申请(专利权)人:四川九洲电器集团有限责任公司,
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。