基于数据场联合 PRI 变换与聚类的雷达信号分选

T N 957.51%T P 391.9; 基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目.针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval ,PRI)变换与聚类的雷达信号分选新方法.首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据 PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K‐M eans算法完成聚类分选.仿真实验表明:所提方法能够应对存在频率捷变,重频参...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 41; no. 7; pp. 1509 - 1515
Main Authors 张怡霄, 郭文普, 康凯, 姚云龙, 张林科, 张薇
Format Journal Article
LanguageChinese
Published 火箭军工程大学作战保障学院,陕西西安710025 2019
中国人民解放军96816部队,浙江金华322100%火箭军工程大学作战保障学院,陕西西安,710025%中国人民解放军96816部队,浙江金华,322100
Subjects
radar signal sorting
雷达信号分选
数据场
data field
pulse description words (PDW )
K‐M eans聚类
K‐means clustering
脉冲描述字
脉冲重复间隔变换
pulse repetition interval (PRI) transform
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001‐506X.2019.07.11

Cover

More Information
Summary:T N 957.51%T P 391.9; 基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目.针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval ,PRI)变换与聚类的雷达信号分选新方法.首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据 PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K‐M eans算法完成聚类分选.仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升.
ISSN:1001-506X
DOI:10.3969/j.issn.1001‐506X.2019.07.11