[发明专利]一种基于雷达识别数据库特征曲线拟合的目标分类方法

权利要求书

1.一种基于雷达识别数据库特征曲线拟合的目标分类方法，其特征在于：

步骤一：按照k-means算法将被动辐射源目标按方位和老化程度自适应聚类分组；

步骤二：根据步骤一的分组结果，对每个分组进行数据变换，生成“工作频率，脉冲宽度，脉冲重复周期”3元向量集合和特征曲线，并根据3元向量集合计算6元向量形式的特征因子，并设置初始偏差门限；

步骤三：检索雷达识别数据库，查询特征因子拟合度偏差不高于偏差门限的记录，当检索成功时进行步骤四，当检索失败时增加偏差门限并再次进行本步骤，直到偏差门限超出最大值；

步骤四：根据拟合度偏差计算置信因子，输出拟合度偏差最低的查询记录的雷达目标信息。

2.根据权利要求1所述的基于雷达识别数据库特征曲线拟合的目标分类方法，其特征在于：所述步骤二中的生成3元向量集合和特征曲线的方法为：

第一步：对分组中所有EDW信息提取工作频率f、脉冲宽度w、脉冲重复周期h形成3元向量(f，w，h)集合；

第二步：通过3元向量(f，w，h)集合形成点集S1和点集S2，其中S1是脉冲宽度-工作频率点集，S2是脉冲重复周期-工作频率点集；

第三步：设点集S1的子集合s＝{(f_i,h_i),(f_j,h_j)|1≤ij≤n,(f_i＝f_j)∩(h_i≠h_j)}，将子集合s中所有元素用一个元素(f',h')替换，其中f'＝f_i，h'＝(∑h_i)/n，这样将点集S₁变换为新点集S'₁，同理，将点集S₂变换为新点集S'₂，称将S₁和S₂变换为S'₁和S'₂、3元向量集合{(f，w，h)}变换为新的3元向量集合{(f'，w'，h')}的方法为简约化变换；

第四步：通过简约化变换将点集S1和S2变换为S'₁和S'₂，S'₁形成的连线和S'₂形成的连线的组合即特征曲线。

3.根据权利要求1或权利要求2所述的基于雷达识别数据库特征曲线拟合的目标分类方法，其特征在于：所述步骤二中的生成特征因子方法是根据3元向量集合生成特征因子；特征因子为3元向量集合经过计算得出的表示特征曲线性质的6元向量，该6元向量定义为L_c＝(f_col，f_dv，w_favg，w_fdv，h_favg，h_dv)，利用简约化变换生成的3元向量集合{(f'，w'，h')}进行计算，其中f_col表示频率中值，f_dv表示频率方差，w_favg表示w’/f’后的均值，w_fdv表示w’/f’后的方差，h_favg表示h’/f’后的均值，h_fdv表示h’/f’后的方差。