[发明专利]一种基于膜系统的雷达辐射源信号分选多目标优化方法

摘要

本发明公开了一种基于膜系统的雷达辐射源信号分选多目标优化方法，首先将传统的聚类转化为多目标优化问题，然后将膜计算优化理论作为主线，在膜结构框架中融入遗传算法、计算智能等智能信息处理技术进行交叉，考察算法自身改良能力以及同目前典型智能算法的计算效率，融合能力进行比较，验证膜系统的收敛精度和有效性，以期获得具有不同簇的多个Pareto前沿解，保持分选结果的多样性和差异性，有利于后期分选的准确性。结合辐射源信号分选的本质，将聚类有效性指标、特征评价指标和与分选有关的其他评价准则构造成相应的问题模型和多目标函数。针对截获的未知雷达信号，无监督分类的本质是符合雷达辐射源信号分选要求的。

主权项

1.一种基于膜系统的雷达辐射源信号分选多目标优化方法，其特征在于，所述基于膜系统的雷达辐射源信号分选多目标优化方法包括以下步骤：步骤一，根据优化问题的约束条件，在表层膜的区域内随机生成N个字符对象，字符对象的编码格式为十进制；步骤二，根据优化问题的目标函数计算出每个字符对象的适应度值，完成对所有字符对象的评估；其中优化问题的目标函数指的是两个互补的目标函数，即聚类紧凑性和聚类的连通性；聚类紧凑性计算所有数据点到聚类中心的类内距离之和，定义为：其中，Dev(X)为待分选雷达信号特征集的类内距离和；X为待分选雷达信号特征数据集；Xk为待分类信号特征数据集的第k类；xh为一个类别中的一个特征数据点；δ(xh,μk)为欧式距离函数；μk为待聚类分选信号特征数据的第k类的聚类中心，每个类别的平均值即为聚类中心，该函数的最小化作为第一个目标；聚类的连通性用于评估相邻数据点被划分到同一类别的相邻度，定义如下：其中，Conn(X)为雷达特征数据点类间距离和；N为待分选信号特征数据点个数；L是最近邻的待分选特征数据点个数，取5‑15之间的整数；xl为数据特征点xh的近邻特征数据点；xh,l为第h个特征数据点与第l个特征数据点最近邻的关系值，当第h个特征数据点和第l个特征数据点属于同一类，则xh,l取0，否则取1/l，这个目标函数强调最近邻的关系，其聚类连通性也为最小值；在计算聚类的连通性时，需要知道近邻表，因此在初始化阶段还需要计算出整个分选信号特征数据集的最近邻表；步骤三，在初始化完成以后，利用表层膜的分裂规则，在表层膜内部区域分裂出m+1个基本膜，且分裂出的基本膜具有求解多目标优化问题的能力；步骤四，对前m个基本膜用GA算法中的交叉规则进行并行计算，以获得新的字符对象；步骤五，利用通信规则将前m个基本膜中产生的交叉结果复制一份发送到第m+1个基本膜中，对第m+1个基本膜中的多重集进行变异操作；步骤六，当每个基本膜中的交叉规则、通信规则和变异操作都结束以后，调用基本膜区域内的溶解规则，当溶解操作结束以后，来自于不同基本膜中的字符对象就会被释放到表层膜区域中；将字符对象插入到外部档案中，将归档的信息与表层膜中的字符对象进行非支配排序；步骤七，如果算法不满足终止条件，则重复步骤二～步骤五；若算法满足终止条件，则终止迭代，表层膜区域的多重集就是所求多目标问题的Pareto前沿；所述步骤一中根据优化问题的约束条件，在表层膜的区域内随机选取待分选雷达信号特征集中N个数据点，称为字符对象，属于待分选雷达信号特征数据集，字符对象的编码格式为十进制，描述如下：Si,j＝(Smax,j‑Smin,j)*rand()+Smax,j；其中N≥S≥1，N表示字符对象个数，Si,j表示第S个字符对象的第j维，D≥j≥1，D表示雷达信号特征维数；Smin,j表示N个字符对象第j维的最小值，Smax,j表示N个字符对象第j维的最大值；rand()为随机数函数，产生从0到1的随机数。