数据场和K-Means算法融合的雷达信号分选

， ， ，

(中国人民解放军93199部队， 黑龙江哈尔滨 150001)

0 引言

雷达信号分选是雷达侦察系统中信号处理的核心部分之一，只有从交叠信号流中分选出各个辐射源脉冲序列之后才能进行信号参数的测量、分析、识别以及对威胁辐射源施加干扰。传统采用脉冲重复间隔(PRI)单参数分选的正确率较低，已经不能适应当前复杂的电磁环境。聚类分析作为数据挖掘中的一种重要技术，近年来成为众多学者研究的热点，有很多学者尝试着将其应用于雷达信号分选领域，取得了一些成绩。国内学者在聚类分选方法上也作了不少研究，代表性的有许丹[1]探讨了在单站无源定位条件下当测角精度不高时的信号分选问题，提出了一种二次聚类方法。2005年我国著名信号分选专家祝正威提出了一种针对未知雷达信号的加权动态聚类分选算法[2]，该方法虽然在一定程度上解决了密集复杂脉冲信号的分选问题，但是仍然无法解决长期以来一直面临的“容差”问题。另外，文献[3-6]中分别研究了基于模糊聚类、BFSN聚类、基于分段聚类和基于网格聚类在雷达信号分选中的应用。张万军使用K-Means聚类对参数相近、互相交叠的非常规雷达信号进行分选，效果较好、速度快，但是K-Means聚类算法需要先验知识，不适合未知雷达信号的分选。

针对K-Means聚类算法的缺陷，本文提出了一种融合算法，将数据场算法与其相结合，利用数据场对雷达数据流进行初分选，得到初始的聚类中心和聚类数目，然后利用K-Means聚类完成最后的分选。……