[发明专利]一种基于模糊聚类的宙斯盾系统信号分选方法

说明书

技术领域

本发明涉及信息技术领域，尤其是一种基于模糊聚类的宙斯盾系统信号分选方法，用于航天、航空传感器平台获取的航母编队阿利·伯克导弹驱逐舰、提康德罗加导弹护卫舰的雷达信号分选。

背景技术

在现代电子战环境中，电子侦察系统所面临的信号环境是由许多雷达辐射的序列信号随机交迭而成的密集脉冲流，对这些密集雷达信号进行分选是雷达对抗领域的一个重要而特殊的组成部分。

随着新体制、新技术雷达的不断出现，雷达侦察接收机接收到的信号更加密集和复杂，常规雷达信号和非常规雷达信号常常混迭在一起。非常规雷达如美国宙斯盾AN/SPY-1系列多功能相控阵雷达，它具有多种工作状态(如单脉冲、脉压、边跟踪边扫描TWS(Track While Scan)、跟踪加搜索TAS(Track and Search)等)，而且不同工作模式下波形形式也各异。同时为提高自身的性能和抗干扰的需要，往往采用各种复杂的波形设计。如雷达信号的脉内调制特征有线性调频、相位编码等；时域调制特征如脉冲重复周期参差、抖动等。宙斯盾多功能相控阵雷达的天线波束随机扫描，可实现随机搜索和边跟踪边搜索，其脉冲参数也是随机可变的，分选识别难度增大。

传统常用的信号分选方法是对雷达脉冲参数逐个进行统计直方图分析，这种方法只能适应参数不变，至少在短时间内基本不变或者具有重复性变化规律的情况，而且存在以下几个问题：速度慢、对不完整数据和被污染的脉冲参数分选效果较差、无法处理大量复杂数据。利用自组织神经网络的综合分选方法，对信号参数的变化敏感，当两类信号分布参数有相交时，性能急剧下降。而且由于神经网络的网络参数需要大量的训练样本进行多次迭代训练，所以该方法对突发信号的分选效果并不理想。因此，本发明引入了模糊聚类技术，利用它的特殊性能来达到正确分选的目的。

发明内容

为了克服现有利用“统计直方图”方法适应参数变化能力差、运算速度慢、对不完整数据和被污染的脉冲参数分选效果较差、无法处理大量复杂数据；而利用“自组织神经网络”综合分选方法对信号参数的变化敏感、两类信号分布参数有相交时性能急剧下降、需要大量的训练样本进行多次迭代训练、分选效果不理想等不足，本发明的目的是综合利用全脉冲、脉内特征，采用模糊数学方法，提供一种自动高效的宙斯盾系统信号分选识别方法。

本发明提出的一种基于模糊聚类的宙斯盾系统信号分选方法，其特征在于，该方法包括以下步骤：

步骤S1，利用平移标准差变换和平移极差变换对所述宙斯盾系统信号的脉冲描述字X进行标准化处理；

步骤S2，计算标准化处理后的待分类的宙斯盾系统信号脉冲描述字之间的模糊相似矩阵R；

步骤S3，基于所述步骤S2得到的模糊相似矩阵R，利用传递闭包法将所述模糊相似矩阵R转换为模糊等价矩阵R^*；

步骤S4，将所述模糊等价矩阵R^*转换为与其等价的λ截矩阵R_λ，给定一个λ值，即可得到所述λ截矩阵R_λ的分类结果，根据所述模糊等价矩阵R^*与其λ截矩阵R_λ的转换关系，就能够相应的得到所述宙斯盾系统信号脉冲描述字的分选结果，其中，λ为模糊聚类分析的水平参数，即阈值；

所述步骤S2进一步包括以下步骤：

步骤S21，对于宙斯盾系统信号脉冲描述字X的每一个信号样本x_i，计算信号样本之间的相似程度r_ij；

步骤S22，以所述信号样本之间的相似程度r_ij为元素建立模糊相似矩阵R。

本发明的有益效果是，本发明通过基于模糊聚类的宙斯盾系统信号分选，结合宙斯盾系统全脉冲信号、脉内特征，采用模糊数学方法，突破了传统雷达信号分选方法的局限，将全脉冲和脉内特征融合处理，有效地解决极少信号处理的难题，提高了雷达信号特征提取的有效性。

附图说明

图1是本发明所提出的基于模糊聚类的宙斯盾系统信号分选方法的流程图；

图2是根据本发明实施例得到的动态聚类图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明提供的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行，也可将方法做成嵌入式芯片以硬件的形式来体现。