基于数据场与云模型的多模雷达信号分选算法
第４７卷一第１１期２０１５年１１月一
哈一尔一滨一工一业一大一学一学一报
ＪＯＵＲＮＡＬＯＦＨＡＲＢＩＮＩＮＳＴＩＴＵＴＥＯＦＴＥＣＨＮＯＬＯＧＹ
一
Ｖｏｌ ４７Ｎｏ １１Ｎｏｖ．２０１５
一一一一一一
ｄｏｉ：１０．１１９１８／ｊ．ｉｓｓｎ．０３６７?６２３４．２０１５．１１．０１３
基于数据场与云模型的多模雷达信号分选算法
国一强，宋文明，南普龙，万一建
（哈尔滨工程大学信息与通信工程学院，１５０００１哈尔滨）
摘一要：针对传统分选算法处理多模雷达信号效果较差的问题，提出一种基于数据场的层次聚类信号分选算法，以克服多模雷达信号分选时存在的 增批 问题．将数据场理论应用于多模雷达辐射源信号的分选，利用数据场势函数划分辐射源信号数据的层次，通过等势图的绘制完成数据的自组织层次聚类．提出一种基于云模型的分选结果有效性评估算法，可在脱离雷达辐射源库的情况下验证信号分选结果的有效性．仿真实验验证了提出算法的有效性．关键词：多模雷达；数据场；云模型；信号分选中图分类号：ＴＮ９７４
文献标志码：Ａ
文章编号：０３６７－６２３４（２０１５）１１－００７６－０６
Ｔｈｅｒｅｓｅａｒｃｈｏｆｓｏｒｔｉｎｇｍｅｔｈｏｄｆｏｒｍｕｌｔｉｍｏｄｅｒａｄａｒｓｉｇｎａｌｂａｓｅｄ
ｏｎｄａｔａｆｉｅｌｄａｎｄｃｌｏｕｄｍｏｄｅｌ
ＧＵＯＱｉａｎｇ，ＳＯＮＧＷｅｎｍｉｎｇ，ＮＡＮＰｕｌｏｎｇ，ＷＡＮＪｉａｎ
（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，１５０００１Ｈａｒｂｉｎ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｒａｄｉｔｉｏｎａｌｓｏｒｔｉｎｇｍｅｔｈｏｄｓｃａｎｎｏｔｅｆｆｅｃｔｉｖｅｌｙｄｅａｌｗｉｔｈｍｕｌｔｉｍｏｄｅｒａｄａｒｓｉｇｎａｌｓ，ａｎｅｗｓｉｇｎａｌｓｏｒｔｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｄａｔｅｆｉｅｌｄａｎｄｈｉｅｒａｒｃｈｉｃａｌｃｌｕｓｔｅｒｉｎｇｉｓｐｒｏｐｏｓｅｄｔｏａｖｏｉｄｔｈｅａｐｐｅａｒａｎｃｅｏｆｉｎｃｒｅａｓｉｎｇ?ｂａｔｃｈｐｈｅｎｏｍｅｎｏｎｗｈｅｎｓｏｒｔｉｎｇｍｕｌｔｉｍｏｄｅｒａｄａｒｓｉｇｎａｌｓ，ａｎｄｔｈｅｎａｎｅｗａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｃｌｏｕｄｍｏｄｅｌｕｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｓｏｒｔｉｎｇｒｅｓｕｌｔｓｗｉｔｈｏｕｔｄａｔａｂａｓｅｏｆｒａｄａｒｒａｄｉａｔｉｏｎｓｏｕｒｃｅｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓｖｅｒｉｆｉｅｄｂｙｓｉｍｕｌａｔｉｏｎｓ．
Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉｍｏｄｅｒａｄａｒ；ｄａｔａｆｉｅｌｄ；ｃｌｏｕｄｍｏｄｅｌ；ｒａｄａｒｓｉｇｎａｌｓｏｒｔｉｎｇ收稿日期：２０１４－０３－２５．
基金项目：国家自然科学基金（６１３７１１７２，６１２４０００７）；黑龙江省科
技攻关（ＧＣ１３Ａ３０７）；黑龙江省博士后科研启动金资助（ＬＢＨ－Ｑ１２１２２）；海洋工程国家重点实验室基金（１２１３）；哈尔滨市应用技术与开发（２０１３ＲＦＪＧＪ００９）．
作者简介：国一强（１９７２ ），男，博士，教授．通信作者：南普龙，ｎｐｌ１１０８＠１６３．ｃｏｍ．
一一多模雷达是指集多种体制雷达功能于一身，具备多种工作模式，可以同时完成多种作战任务的新型雷达［１］．为提高工作性能并满足抗干扰的需求，多模雷达多采用复杂多变的波形设计，雷达发射脉冲的频率二时域参数都进行复杂的变化，其雷达信号特
征参数空间复杂多变二不具备明显的相关性和规律性．随着电子对抗设备的日益先进和脉冲密度的迅猛增加，电子侦察设备接收到的雷达信号及雷达辐射源数据库常呈现出明显的随机性和模糊性．因此在对多模雷达信号分选时，往往会将一个辐射源的不同模式分选为多个辐射源，造成 增批 现象［２］．
从数据挖掘的角度来看，领域内提出的多模雷
达信号分选算法分为分类算法和聚类算法．典型的分类方法主要包括基于神经网络［３］和基于支持向量机［４］的分选方法．此类方法在处理未知信息过多二样本集过于复杂二样本随机性与模糊性较高的雷达信号时，会产生大量不可预测结果．聚类算法相比于分类算法在处理高密度二具有随机性和模糊性二数据成分复杂的雷达信号更有优势．具有代表性的聚类分选算法法有Ｋ－ｍｅａｎｓ算法［５］以及网格密度聚类算法［６］．当前应用于雷达信号分选的聚类算法存在以下问题：抗噪能力和发现任意形状二大小聚类的能力较弱，处理离散数据效果较差．
本文受数据挖掘理论［７］启发，提出一种基于数据场与云模型的多模雷达信号分选算法．为验证算法分选结果的有效性，提出一种基于云模型理论的多模雷达信号分选结果评估算法，将每个预分选算法得到的聚类结果归纳为一个云模型，根据提出的评价判定准则比较二处理不同云模型间的隶属度，从而验证分选结果的有效性并进一步提高分选正确率．