基于势距图与改进云模型的多模雷达分选

doi:10.13229/j.cnki.jdxbgxb20210173

摘要/Abstract

摘要：

针对多模雷达信号分选准确率较低的问题，本文提出了基于势距图与改进云模型的多模雷达信号分选新算法。该算法首先在剔除干扰点后，利用势距图进行聚类分选；其次，利用主成分分析（PCA）降维，提取各特征的关键因素组成新的特征；最后，利用改进云模型理论对新特征进行分析，得出类与类之间的隶属度均值，建立评价标准来完成雷达信号的最后分类。仿真结果表明：与现有算法相比，该方法具有更高的准确性，且抗干扰能力强，可以更好地解决多模雷达信号错误分选问题。

关键词: 信号分选, 势距图, 主成分分析, 改进云模型, 多模雷达

Abstract:

In order to solve the problems of poor accuracy of multi-mode radar signal sorting，a new multi-mode radar signal sorting algorithm based on potential distance graph combined with PCA and improved cloud model through the research of machine learning algorithm is proposed. Firstly， after eliminating the interference points，the potential distance graph is used to cluster. Signal samples can be assigned to each cluster center point after only one traversal without iteration. Then principal component analysis （PCA） is used to reduce dimension and extract key factors of each feature to form new features. Finally， the improved cloud model is used to analyze the new features. The average membership degree between classes is obtained. The evaluation criteria are established to complete the final classification of radar signals. Compared with the existing algorithms， simulation results show that this method has higher accuracy and strong anti-interference ability. To a certain extent， it can solve the problem of wrong sorting of multi-mode radar signals.

Key words: signal sorting, potential distance graph, principal component analysis, improved cloud model, multi-mode radar

中图分类号:

TN957.5

国强,李明松,周凯. 基于势距图与改进云模型的多模雷达分选[J]. 吉林大学学报(工学版), 2022, 52(8): 1904-1911.

Qiang GUO,Ming-song LI,Kai ZHOU. Multi⁃mode radar signal sorting based on potential distance graph and improved cloud model[J]. Journal of Jilin University(Engineering and Technology Edition), 2022, 52(8): 1904-1911.

图/表 12

表1

图1

图2

图3

表2

图4

表3

表4

表5

表6

图5

表7

参考文献 17

1	冯鑫,胡晓曦,匡银. 基于数据场的多模雷达信号分选算法[J]. 电子设计工程, 2018, 26(23): 139-142.
	Feng Xin, Hu Xiao-xi, Kuang Yin. The research of sorting method for multimode radar signal based on data field[J]. Electronic Design Engineering, 2018, 26(23): 139-142.
2	赵葆昶, 彭世蕤, 郁春来, 等. 基于相参特性的雷达信号分选中“增批”问题研究[J]. 现代防御技术, 2011, 39(4): 70-74.
	Zhao Bao-chang, Peng Shi-rui, Yu Chun-lai, et al. Research on increasing-batch problem in the progress of sorting of signals based on coherency[J]. Modern Defence Technology, 2011, 39(4): 70-74.
3	刘丽明,陈正宁,姚啸. 基于DBSCAN算法的PDW数据二次分选方法研究[J]. 舰船电子对抗, 2019, 42(2): 80-83.
	Liu Li-ming, Chen Zheng-ning, Yao Xiao. Research into second sorting method of PDW data based on DBSCAN algorithm[J]. Shipboard Electronic Countermeasure, 2019, 42(2): 80-83.
4	刘明. 一种改进的基于PRI参数的雷达信号分选算法[J]. 舰船电子工程, 2018, 38(2): 65-68, 73.
	Liu Ming. An improved radar signal sorting algorithm based on PRI parameter[J]. Ship Electronic Engineering, 2018, 38(2): 65-68, 73.
5	袁泽恒,袁如月. SVM分类器设计在雷达信号分选中的应用[J].电子信息对抗技术, 2018, 33(6): 33-37.
	Yuan Ze-heng, Yuan Ru-yue. Application of SVM classifier design in radar signal sorting[J]. Electronic Information Warfare Technology,2018,33(6): 33-37.
6	郭立民,陈鑫,陈涛. 基于AlexNet模型的雷达信号调制类型识别[J].吉林大学学报: 工学版, 2019, 49(3): 1000-1008.
	Guo Li-min, Chen Xin, Chen Tao. Radar signal modulation type recognition based on AlexNet model[J]. Journal of Jilin University(Engineering and Technology Edition), 2019, 49(3): 1000-1008.
7	徐卓君, 杨雯婷, 杨承志, 等. 雷达脉内调制识别的改进残差神经网络算法[J].吉林大学学报: 工学版, 2021, 51(4): 1454-1460.
	Xu Zhuo-jun, Yang Wen-ting, Yang Cheng-zhi, et al. Improved residual neural network algorithm for radar intrapulse modulation classification[J]. Journal of Jilin University(Engineering and Technology Edition), 2021, 51(4): 1454-1460.
8	Ahmed M G S, Tang B. Sorting radar signal from symmetry clustering perspective[J]. Journal of Systems Engineering and Electronics, 2017, 28(4): 690-696.
9	黄岚, 李玉, 王贵参, 等. 基于点距离和密度峰值聚类的社区发现方法[J]. 吉林大学学报: 工学版, 2016, 46(6): 2042-2051.
	Huang Lan, Li Yu, Wang Gui-shen, et al. Community detection method based on vertex distance and clustering of density peaks[J]. Journal of Jilin University (Engineering and Technology Edition), 2016, 46(6): 2042-2051.
10	淦文燕, 李德毅, 王建民. 一种基于数据场的层次聚类方法[J]. 电子学报, 2006(2): 258-262.
	Gan Wen-yan, Li De-yi, Wang Jian-min. An hierarchical clustering method based on data fields[J]. ACTA Electronica Sinica, 2006(2): 258-262.
11	李延, 王大魁, 耿晶, 等. 数据质量聚类算法[J]. 武汉大学学报: 信息科学版, 2019, 44(1): 153-158.
	Li Yan, Wang Da-kui, Geng Jing, et al. Data quality clustering[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 153-158.
12	翁永祥, 赵万磊, 郑志娟. 基于PCA联合K-Means聚类的雷达信号分选算法[J]. 舰船电子对抗, 2020, 43(2): 38-42, 60.
	Weng Yong-xiang, Zhao Wan-lei, Zheng Zhi-juan. Radar signal sorting algorithm based on PCA combined K-means clustering[J]. Shipboard Electronic Countermeasure, 2020, 43(2): 38-42, 60.
13	李德毅, 孟海军, 史雪梅. 隶属云和隶属云发生器[J]. 计算机研究与发展, 1995, 6: 15-20.
	Li De-yi, Meng Hai-jun, Shi Xue-mei. Membership cloud and membership cloud generator[J]. Computer R&D, 1995, 6: 15-20.
14	陈昊,李兵,刘常昱.一种无确定度的逆向云算法[J]. 小型微型计算机系统, 2015, 36(3): 544-549.
	Chen Hao, Li Bing, Liu Chang-yu. An algorithm of backward cloud without certainty degree[J]. Journal of Chinese Computer Systems, 2015, 36(3):544-549.
15	刘桂花, 宋承祥, 刘弘. 云发生器的软件实现[J]. 计算机应用研究, 2007(1): 46-48.
	Liu Gui-hua, Song Cheng-xiang, Liu Hong. Software Implementation of Cloud Generators[J]. Application Research of Computers, 2007(1): 46-48.
16	张怡霄,郭文普,康凯, 等. 基于数据场联合PRI变换与聚类的雷达信号分选[J]. 系统工程与电子技术, 2019, 41(7): 1509-1515.
	Zhang Yi-xiao, Guo Wen-pu, Kang Kai, et al. Radar signal sorting method based on data field combined PRI transform and clustering[J]. Systems Engineering and Electronics, 2019, 41(7): 1509-1515.
17	Wan J, Nan P L, Guo Q, et al. Multi-mode radar signal sorting by means of spatial data mining[J]. Journal of Communications and Networks, 2016, 18(5): 725-734.

相关文章 15

[1]	李洪雪,李世武,孙文财,李玮,郭梦竹. 重型危险品半挂列车行驶工况的构建[J]. 吉林大学学报(工学版), 2021, 51(5): 1700-1707.
[2]	武立群,张亮亮. 基于数据挖掘技术的桥梁结构健康状态检测[J]. 吉林大学学报(工学版), 2020, 50(2): 565-571.
[3]	刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[4]	张曼, 施树明. 典型汽车运行工况的状态转移特征分析[J]. 吉林大学学报(工学版), 2018, 48(4): 1008-1015.
[5]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[6]	苏畅, 付黎明, 魏君, 李硕, 黄蕾, 曹越. 基于感性工学和主成分分析的车身色彩设计[J]. 吉林大学学报(工学版), 2016, 46(5): 1414-1419.
[7]	马爽, 周长久, 张连东, 洪伟, 田彦涛. 基于Kinect改进的增量PCA扭锁在线识别[J]. 吉林大学学报(工学版), 2016, 46(3): 890-896.
[8]	齐兴达, 李显君, 刘丝雨, 孟东晖. 基于数据包络分析和主成分分析的产业技术创新能力差异化研究[J]. 吉林大学学报(工学版), 2015, 45(3): 1017-1023.
[9]	邱春玲, 陶强, 范润龙, 王培智. 基于局部二进制描述SIFT特征的锆石图像配准方法[J]. 吉林大学学报(工学版), 2014, 44(6): 1793-1798.
[10]	顾播宇,孙俊喜,李洪祚,刘红喜,刘广文. 基于特征加权模块双方向二维主成分分析的人脸识别[J]. 吉林大学学报(工学版), 2014, 44(3): 828-833.
[11]	宋怀波, 史建强. 应用PCA理论进行多人脸姿态估计的方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 43-46.
[12]	刘三民, 孙知信. 基于支持向量数据描述的P2P流量识别[J]. , 2012, 42(04): 947-951.
[13]	王彦会, 郭孔辉, 卢炳武, 应国增, 秦民. 基于多元统计分析的车辆操纵稳定性客观评价[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 6-11.
[14]	李映, 龚红丽, 梁佳熙, 张艳宁. 基于KSVD和PCA的SAR图像目标特征提取[J]. 吉林大学学报(工学版), 2010, 40(05): 1336-1339.
[15]	陆秋君, 王俊, 张红梅. 鸡蛋蛋壳裂纹的模式识别[J]. 吉林大学学报(工学版), 2010, 40(03): 873-0878.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

雷达序号	工作状态	DOA /（°）	PW/ns	RF/MHz	脉冲数量
1	1	69~72	450多脉宽	9200~9300频率跳变	100
	2	69~72	350捷变	9300~9400多载频	95
	3	69~72	450多脉宽	9400~9500多载频	90
2	1	61~64	550捷变	8400~8800频率捷变	100
3	1	63~66	250捷变	8900频率固定	95
	2	63~66	350多脉宽	8800~8900频率捷变	85
	3	63~66	450捷变	8900~9000频率捷变	90
4	1	65~68	150捷变	8900~9300多载频	100

	2	3	4	5	6	7	8
1	0.71	0.58	0.04	0.14	0.12	0.13	0.40
2		0.80	0.03	0.10	0.08	0.09	0.28
3			0.02	0.08	0.07	0.08	0.23
4				0.25	0.31	0.27	0.11
5					0.81	0.86	0.40
6						0.83	0.33
7							0.38
8

雷达标号	1	2	3	4
脉冲样本数量	285	100	270	100
正确分选	285	98	270	99
错误分选	0	2	0	1
干扰点错误分选	0
正确率/%	99.6
仿真运行时间/s	1.991 377

算法	正确分选率/%
基于数据场的多模雷达信号分选	95.9
数据场联合PRI变换与聚类的雷达信号分选	52.3
基于空间数据挖掘的多模雷达信号分选	95.5
本文算法	99.6

丢失率/%	准确率统计/%
10	99.87
20	99.87
30	99.74
40	99.60
50	99.87
60	99.87