[发明专利]一种多功能雷达脉冲序列的模式级无监督分选方法

说明书

本发明公开了一种多功能雷达脉冲序列的模式级无监督分选方法，首先将输入信号样本通过无监督的聚类方法，形成不同的模式级别的簇；然后采用两种自适应方法，包含重要特征微调和序列连续性检测，以确定簇间的模式和辐射源关系，同时实现两级标注；本发明方法即使没有严苛的先验信息，也能够实现多功能雷达的在线分选，具有较高的可靠性和准确性。

技术领域

本发明属于雷达电子侦察和人工智能交叉的技术领域，具体涉及一种多功能雷达脉冲序列的模式级无监督分选方法。

背景技术

电子战系统的主要任务是发现辐射源的存在并尽快生成对抗策略，该系统的主要组成部分是对输入的多辐射源脉冲序列进行分选，为后续干扰措施的选择打下基础。传统的辐射源分选算法依赖于已有特征模板的匹配，或者根据实测脉冲描述字(PDW)的到达时间(TOA)参数进行直方图统计。早期流行的两种方法是累积差分直方图(CDIF)和序列差分直方图(SDIF)方法。虽然上述方法在工作模式简单的传统辐射源上表现良好，但它们很难适应工作模式变化的多功能雷达的混合序列。另一种是基于深度学习的方法，利用大量数据训练出一个神经网络的分类模型，尽管这种方法效果很好，然而在实际环境中很难获得足够数量的有效数据，并且该方法无法对没有样本的未知辐射源进行分选。

发明内容

有鉴于此，本发明提供了一种多功能雷达脉冲序列的模式级无监督分选方法，能够解决多功能雷达的脉冲序列分选问题。

实现本发明的技术方案如下：

一种多功能雷达脉冲序列的模式级无监督分选方法，包括以下步骤：

步骤一、对于接收到的每一个包含F个特征参数的PDW样本x＝[f₁,f₂,..,f_F]进行累积；当数据量达到K个样本的时候，将K个样本作为一个数据段X＝{x₁,x₂,....,x_K}；

步骤二、对数据段X＝{x₁,x₂,....,x_K}进行AP聚类，得到包含t个簇中心的集合C^AP＝{c₁,c₂,...,c_t}，其中是第p个簇的中心；然后，计算C^AP＝{c₁,c₂,...,c_t}中所有中心点两两之间相似度，如果相似度大于设定的相似性阈值Theshold^AP+，则将两个中心合并，直到所有中心间的相似度小于阈值Theshold^AP+；最终，得到t*个中心的集合C^AP+＝{c*₁,c*₂,...,c*_t*}，以及每一个样本的聚类标签Label*_k(k＝1,2,...,K)；

步骤三、已有模板中的每一个条目，记录了已知类别的中心c^Tem，以及对应的辐射源L^E(c^Tem)和模式标签L^M(c^Tem)；选取步骤二中的一个中心与模板中记录的中心c^Tem进行匹配，计算余弦相似度；当余弦相似度大于设定的匹配阈值Threshold^Template时，为该中心的簇内所有样本分配模板中对应的辐射源标签和模式标签如果余弦相似度小于Threshold^Template，则认为是一个新的类别，将中心特征输入步骤四中；