[发明专利]一种基于膜系统的雷达辐射源信号分选多目标优化方法

说明书

本发明公开了一种基于膜系统的雷达辐射源信号分选多目标优化方法，首先将传统的聚类转化为多目标优化问题，然后将膜计算优化理论作为主线，在膜结构框架中融入遗传算法、计算智能等智能信息处理技术进行交叉，考察算法自身改良能力以及同目前典型智能算法的计算效率，融合能力进行比较，验证膜系统的收敛精度和有效性，以期获得具有不同簇的多个Pareto前沿解，保持分选结果的多样性和差异性，有利于后期分选的准确性。结合辐射源信号分选的本质，将聚类有效性指标、特征评价指标和与分选有关的其他评价准则构造成相应的问题模型和多目标函数。针对截获的未知雷达信号，无监督分类的本质是符合雷达辐射源信号分选要求的。

技术领域

本发明属于雷达辐射源信号分选处理技术领域，尤其涉及一种基于膜系统的雷达辐射源信号分选多目标优化方法。

背景技术

由于常规五参数的分选方法不能满足复杂体制共存和高密度的信号环境，因此，深入分析复杂体制雷达辐射源信号的脉冲流特点与波形变化规律，不仅在普通的时域、频域中，及在时-频域(通过Wigner-Viller变换，小波和小波包变换等)，还采用非线性变换方法在其他数学变换域中，对雷达辐射源信号进行充分的脉内特征提取，为构建有效的特征参数体系提供支持。在研究过程中我们也认识到一些新的信号分析方法仍需要改进和提升，例如时频原子分解技术在过完备原子库中表示信号时十分烦琐以及模糊函数主脊切面特征提取的计算量大等，这些缺点限制了算法的实际应用。因此在辐射源信号特征挖掘中，依据雷达辐射源信号分选本质，将无监督的特征选择转化为在多目标优化条件下找到一组有效的特征集合，而利用膜系统的多目标优化理论可望加快算法的搜索速度、降低计算复杂度。

由于密集环境下的信号交叠概率增大，对于非合作的电子侦察系统而言，截获到的脉冲流一般缺少必要的先验知识，在采用无监督分类进行分选时，传统的聚类所获取的结果往往无法概况数据集特征，因此，将聚类分选的算法转化为多目标问题来求解，通过一种膜系统多目标优化算法搜索Pareto最优解集合来获得分选的结果。可以降低分选特征参数在传统聚类中获取的信息之间存在的不确定性。并产生新的有意义的信息,这有利于提高分选的性能。从以上的分析使我们认识到，建立有效的基于多目标优化的雷达辐射源信号智能分选模型是提高分选性能，实现电子侦察系统自动化、智能化的关键问题。

总之，在雷达辐射源信号分选处理中，为了获得高分选性能的同时误警率最低，对复杂体制雷达辐射源信号特征进行选择是有必要的。结合辐射源信号分选的本质，将聚类有效性指标、特征评价指标和与分选有关的其他评价准则构造成相应的问题模型和多目标函数。通过多个膜组合成一种膜系统，每一层膜作为一个计算单元，运用细胞膜的反应规则来演化多目标问题的解集。此外，针对截获的未知雷达信号，无监督分类的本质是符合雷达辐射源信号分选要求的。以往涉及到的聚类分选均采用传统的聚类分析或在其基础上进行的改进、组合等算法，受制于传统聚类方法的局限性，

发明内容

针对现有技术存在的问题，本发明提供了一种基于膜系统的雷达辐射源信号分选多目标优化方法。

本发明是这样实现的，一种基于膜系统的雷达辐射源信号分选多目标优化方法，该方法主要应用于基于多目标优化的雷达辐射源信号的分选问题。所述基于膜系统的雷达辐射源信号分选多目标优化方法包括以下步骤：

步骤一，根据优化问题的约束条件，在表层膜的区域内随机选取待分选雷达信号特征集中N个数据点，称为字符对象，字符对象的编码格式为十进制；

步骤二，根据优化问题的目标函数计算出每个字符对象的适应度值，完成对所有字符对象的评估；在算法中，选择两个互补的目标函数，即聚类紧凑性和聚类的连通性。聚类紧凑性计算所有数据点到聚类中心的类内距离之和，定义为：