[发明专利]一种参数自适应设置及自动调整的雷达辐射源信号分选方法

权利要求书

1.一种参数自适应设置及自动调整的雷达辐射源信号分选方法，其特征在于该方法的步骤如下：

①选用雷达辐射源信号脉冲到达角和对称Holder系数构成特征向量，其中脉冲到达角以及信号频谱和三角形信号的对称Holder系数构成搜索直方图峰值统计的特征向量；脉冲到达角以及信号频谱和矩形信号、三角形信号的对称Holder系数构成分选特征向量；

②利用搜索直方图峰值统计的方法确定的预期类数，预期类数为峰值数目的1.5倍；

③预先设置ISODATA算法中的类内各数据分布的标准差的上限θ_S和各类中心间最小距离的下限θ_D，具体为

首先对样本数据中每一维进行属性归一化：

式中：x_ij'为归一化后的样本数据，x_ij为归一化前的样本数据，为第k维中最大的元素，为第k维中最小的元素；

式中：u_j为归一化样本数据x_ij'第j维的中心；

继续求取样本数据第j维的分布稀疏性：

λ_j是样本数据中第j维规范后的标准化偏差；

由此设置各类中心间最小距离的下限θ_D的初始值：

式中，S为预期类数；

然后直接求样本数据自身第j维的方差

由此设置类内各数据分布的标准差的上限θ_S的初始值：

④根据自适应准则运行ISODATA算法进行分选；

所述的自适应准则，即通过设置类内各数据分布的标准差的上限和各类中心间最小距离的下限的变换准则，达到自动逼近最佳聚类效果的目的，具体为

首先计算假设所有样本数据为同一类时的类内距离为

设置参数后运行ISODATA算法，

每次聚类的算法结束后，分别计算提取算法结果的类内距离Θ_S'和类间距离Θ_D'，

式中：c'为算法运行产生的分类数，C_p为归类数据的集合，v_i为第i类的中心，x_n为属于C_p类的数据，v_j为与v_i不同的类的中心

第一次聚类后仅改变θ_S，设定自适应原则如下

更改参数后再次运行ISODATA算法

并设定自适应的准则如下：

而退出自适应迭代的条件为：

Δ_S＝|θ_s'-θ_s|＝0

Δ_D＝|θ_D'-θ_D|＝0

式中：Δ_S、Δ_D为算法前后连续两次运行结果的类内距离以及类间距离的差值。

2.根据权利要求1所述的雷达辐射源信号分选方法，其特征在于，所述步骤①中的信号频谱具体为：接收到的信号的进行快速傅里叶变换后生成的谱线图。

3.根据权利要求1所述的雷达辐射源信号分选方法，其特征在于，所述步骤①中的三角形信号和矩形信号具体为：选取三角形信号和矩形信号的长度应与信号频谱的长度匹配。

4.根据权利要求1所述的雷达辐射源信号分选方法，其特征在于，所述步骤②中的搜索直方图峰值统计具体为：将一个向量矩阵X_N×M中的各个元素在图中用直条的形式描述出来，若向量矩阵的列数为1，得到的直方图就是一个二维图；列数为2，得到的直方图就是一个三维图，进而将直方图推广到向量矩阵列数为M(M≥3)的情况，得到的直方图就是一个M+1的图，进而可以得到区间统计值的直条高度，将每一个划分好区间中统计值与相邻区间进行比较，若该区间的统计值大于其所有相邻区间的统计值，则记该区间为一个峰值区间；最后统计峰值区间的数目即为峰值数目。