[发明专利]基于改进布谷鸟算法的雷达信号分选方法及装置

说明书

本发明公开了一种基于改进布谷鸟算法的雷达信号分选方法及装置，该方法包括：获取数据对象集合，该数据对象集合由N个雷达信号的脉冲描述字组成，且每一个脉冲描述字由n维度的特征参数组成；对数据对象集合进行归一化处理，获得中间集合；对中间集合进行移除孤点处理，获得目标对象集合；通过改进布谷鸟算法和K均值聚类算法对目标对象集合进行聚类处理，并输出聚类结果。本发明将改进布谷鸟算法引入到K均值聚类中，利用改进布谷鸟算法高效地局部和全局搜索能力，解决传统的K均值聚类存在全局搜索能力不足，且容易陷入局部最优的问题，进而提高雷达信号分选稳定性。

技术领域

本发明属于雷达信号处理技术领域，具体是涉及到一种基于改进布谷鸟算法的雷达信号分选方法及装置。

背景技术

随着雷达技术的不断进步，新体制雷达层出不穷，在现代电子战中辐射源数目日益庞大，调制技术日趋复杂，辐射源的频率使用范围越来越大，以及精确制导技术的迅速发展，都对雷达对抗提出了更高的要求。现代电子对抗中，要实现对对方雷达信号的有效干扰，更好地获取信息，获取电子战优势，就必须在对敌方雷达信号接收后实施分选的操作。信号分选即在脉冲交错的环境下对各雷达的脉冲序列进行全部分离，估计各雷达参数并予以识别的技术。以雷达信号分选的形式，可以对空间中存在的各类雷达及其参数予以准确识别，并纳入雷达数据库内以便后续实施跟踪、定位、干扰等处理。对于电子对抗而言，雷达信号分选环节具有关键性作用。聚类方法可以充分利用雷达信号的多维参数信息，且不需要先验信息，因而能够在日益复杂的信号环境中进行有效的分选。

K均值聚类算法是一种最为经典、使用最为广泛的划分聚类算法，适合处理大量数据，聚类时间短，经常被用于雷达信号的聚类分选中。但由于K均值聚类算法对聚类个数以及聚类中心的初始设定依赖性很大，并且对噪声和孤立点很敏感，导致全局搜索能力不足，以及容易陷入局部最优等问题，限制了其在雷达信号分选中的应用。

发明内容

本发明的目的在于提供一种基于改进布谷鸟算法的雷达信号分选方法，以解决传统的K均值聚类存在全局搜索能力不足、结果容易陷入局部最优的问题。

基于上述目的，第一方面，本发明提供一种基于改进布谷鸟算法的雷达信号分选方法，包括：

获取数据对象集合；所述数据对象集合由N个雷达信号的脉冲描述字组成，且每一个所述脉冲描述字由n维度的特征参数组成；

对所述数据对象集合进行归一化处理，获得中间集合；

对所述中间集合进行移除孤点处理，获得目标对象集合；

通过改进布谷鸟算法和K均值聚类算法对所述目标对象集合进行聚类处理，并输出聚类结果。

优选地，所述对所述数据对象集合进行归一化处理采用的归一化公式为：

其中，v′_i为所述数据对象集合中任一所述脉冲描述字在第i维度归一化处理后的所述特征参数；min V_i为所述数据对象集合中的第i维度所述特征参数的最小值，max V_i为所述数据对象集合中的第i维度所述特征参数的最大值。

优选地，所述对所述中间集合进行移除孤点处理，包括：

构建数域空间，所述数域空间中每一个数据点对应所述中间集合中的一个归一化处理后的所述脉冲描述字；

计算数域空间中各所述数据点的势值；

将所述势值小于势值平均值的所述数据点确定为孤立点。

优选地，所述势值的计算公式为：