买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种基于双模交互的雷达脉冲流分选方法，利用先验信息与快速聚类分选算法相结合的策略，构建一种结合自适应聚类与快速聚类的双模交互分选框架，在自适应分选模式中采用ADPC与快速分选模式中采用改进初始化策略的GMM聚类，通过灵活交互以适应雷达信号的时间演化特性。本发明的方法不仅实现了雷达脉冲流信号的快速、精确分选，还提高了雷达系统在电子侦察中的效率和效果，能够有效地对雷达脉冲流信号进行持续聚类分选，无需人工输入参数，即可实现雷达脉冲流信号的高效、准确分选，有效地提升了雷达信号处理的实时性和可靠性，适用于复杂的雷达信号处理场景。

主权项：1.一种基于双模交互的雷达脉冲流分选方法，具体步骤如下：S1、构建双模交互分选框架；所述双模交互分选框架包括：自适应分选模式模块、快速分选模式模块和增删批检测模块；其中，自适应分选模式模块采用ADPC算法，快速分选模式模块采用改进初始化策略的GMM聚类算法；所述双模交互分选框架将连续的雷达辐射源脉冲序列分为以时间帧为单位的批数据，对每一批数据单独处理，在帧与帧之间加入先验信息的传递利用机制以及增删批检测机制，实现两种模式下算法相结合的分选方法；S2、脉冲流输入自适应分选模式模块；在无先验信息的情况下，首先使用ADPC算法进行聚类分选，生成初始聚类结果，并作为下一帧数据的先验信息；所述ADPC算法具体如下：首先输入具有n个脉冲数量的雷达脉冲流批数据I＝i1,i2,...,in，然后初始化二维核宽度α和β并且取初始固定值α＝0.5,β＝0.5，初始化截断距离阈值rc；然后通过计算各个点i的局部密度pi和最小距离值di，通过式1计算拟合决策图二维高斯函数的概率密度pypi,y，表达式如下： 其中，N表示数据点总数，a和b表示二维核宽度，y表示任意距离值，z表示遍历N个数据点的索引，pz表示在第i个数据点时二维高斯函数的概率密度；通过式2和式3计算均值和方差函数μypi,表达式如下： 最后通过式4计算检测门限THdpi，表达式如下：THdpi＝μypi+3×σypi#4对于任意脉冲点i，若它的最小距离值diTHdpi，将被识别为一个异常值，被标记为一个聚类质心，输出脉冲流分选结果；对于任何数据帧而言，第一帧数据都默认采用自适应分选模式，其生成的分选结果将作为第二帧数据分选的先验信息；S3、脉冲流输入快速分选模式模块；基于步骤S2自适应聚类完成聚类，为快速聚类提供初始化参数先验信息，即利用自适应分选模式模块得到上一帧的聚类结果作为先验信息，改进初始化策略的高斯混合模型GMM聚类算法，快速完成当前帧的聚类分选；改进初始化策略的GMM聚类算法具体如下：根据输入样本数据X和上一帧分选结果Y0计算高斯分布的参数集合π,μ,Σ，得到初始化值π0,μ0,Σ0，再通过EM算法来迭代这些参数；其中，改进初始化策略的GMM聚类算法的聚类结果更新的先验信息包括：聚类簇数k，每个簇的均值矩阵μk，每个簇的混合系数πk，每个簇的协方差矩阵Σk；首先通过式5计算后验概率γzk，表达式如下： 其中，x表示当前观测到的数据点，是一个多维特征向量，pzk＝1∣x表示给定数据点x属于第k个聚类的条件概率，k表示当前的聚类，zk表示引入的k维随机隐含变量1≤k≤K，当zk＝1时表示数据点x被分配到第k个聚类，表示以μk为均值，Σk为协方差矩阵的多变量高斯分布概率密度函数；再分别通过式6-8计算πk,μk,Σk的最大似然函数，表达式如下： 其中，γznk表示在E步骤中计算得到的后验概率，即数据点xn属于第k个聚类的概率，xn表示表示第n个数据点的特征向量，xn-μk表示数据点xn与聚类中心μk之间的偏差向量，xn-μkT表示偏差向量的转置，Nk表示属于第k个聚类的点的数量；最后通过式9计算对数似然函数lnpx∣π,μ,Σ，表达式如下： 其中，π表示高斯混合模型中每个高斯分量的权重，即为每个聚类簇的先验概率，μ表示高斯分布的均值向量，即聚类中心的位置，Σ表示高斯分布的协方差矩阵，其描述数据点在各个维度上的分布特性，包括方差和协方差；检查参数或该对数似然函数是否收敛，若收敛则输出πk,μk,Σk估计结果，聚类并输出该数据样本对应的标签Y；否则重新计算后验概率γzk进行迭代；S4、基于步骤S2-S3，利用增删批检测模块进行模式切换；输入当前步骤S2-S3得到的聚类结果与之前步骤S2-S3得到的聚类存储结果，包括聚类标签和聚类成员，初始化检测结果R＝0，表示暂未出现增删批现象；对连续帧的聚类结果进行稳定性分析，并判断是否通过稳定性分析，若未通过则聚类结果稳定，未出现增删批现象，输出检测结果，进入步骤S5；若通过则表示聚类结果不稳定，进一步进行统计分析，判断是否通过统计分析，若未通过则聚类结果稳定，未出现增删批现象，输出检测结果，进入步骤S5，若通过则聚类结果不稳定，出现增删批现象，输出检测结果R＝1，回到步骤S2，由快速分选模式转换为自适应分选模式；S5、更新先验信息；根据当前帧的聚类结果，更新下一帧聚类算法的先验信息，包括：聚类簇数k，每个簇的均值矩阵μk，每个簇的混合系数πk，每个簇的协方差矩阵Σk；S6、持续聚类分选；在接收到新的雷达脉冲流信号时，重复步骤S2至S5，实现对雷达脉冲流信号的持续聚类分选；S7、输出分选结果；在用户需要查看分选结果时，输出当前帧的聚类分选结果，展示雷达脉冲流信号的分选情况；S8、判断迭代终止条件；设定迭代终止条件，即达到最大迭代次数或聚类结果满足特定稳定性标准，若满足迭代终止条件，则停止算法迭代；若不满足，则继续执行步骤S2至S7。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于双模交互的雷达脉冲流分选方法