CN115575902B 雷达信号多站融合分选方法 （哈尔滨工程大学）

的雷达信号分选方法在高密度脉冲流情况下时率性难以保证的问题。本发明是基于PCN集对势本发明将各观测站内的特征参数接近的脉冲进验的依据，弱化时差匹配误差对分选结果的影21.雷达信号多站融合分选方法，该多站融合分选方法基于一个主观测站和N个副观测内每个观测站的接收机探测到的雷达信号为一串脉冲序列，并将其脉冲序列作为PDW数据先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号，并将作为聚类中心的脉冲信号进行有聚类中心标记，剩余不作为聚类中心的脉冲信号进行无聚类中心标记，再以主观测站的PDW数据样本集内的各脉冲信号作为基准分别与各副观测站的PDW数据样S3、利用PCN集对势聚类法，对各观测站的预处理后确定各观测站的预处理后的PDW数据样本集中各聚类堆的平均到达时差TDOA，并根据每个预处理后的PDW数据样本集中各平均到达时差TDOA之间关系，将满足聚类条件的各聚征参数作为该聚类堆所对应的待测雷达辐射源在相应工作模通过引入SDIF算法对各观测站内更新后的PDW数据样本集中每个聚类堆内所有脉冲信i为第i个潜在变换宽度；再对各潜在变换宽度Wi对其所对应的聚类堆内的所有脉冲信号的脉冲到达时间TOA进最后，根据每个聚类堆所对应的m个平面变换特征曲线确定该聚类堆的最优变换宽度将聚类堆的最优变换宽度W作为该聚类堆所对应的一个待测雷达辐射源的重复周期将聚类堆的重频调制类型作为该聚类堆所对应的一个待测雷达辐射源的重频调制类3S22、利用最大距离积法确定去除离群样本后的各观测站的PDW数据样本集内的各脉冲信号作为基准分别与各副观测站的PDW数据样本集内根据主、副观测站的空间位置确定脉冲匹配时差窗，在同一测站的脉冲信号的载频CF、脉宽PW、到达角度AOA与各副观测站内相应的脉冲信号的载频匹配成功，并将该主观测站的脉冲信号的脉冲到达时间TOA和其所对应的副观测站内相应并在各观测站的预处理后的PDW数据样本集中形成多个聚类S31、将各观测站的预处理后的PDW数据样本同时根据每次归类结果对每个无聚类中心标记的脉冲信号归属的聚类堆的各特征参次归类结果对每个无聚类中心标记的脉冲信号归属的聚类堆的特征参数进行更新的实现将每次归类后的聚类堆内的所有脉冲信号的各特征参数取均值将每个聚类堆内的所有脉冲信号的到达时差TDOA进行聚类，选择该聚中脉冲信号数量最多的一组聚类结果中所有脉冲信号的到达时差TDOA的均值作为该聚类所有脉冲信号的到达时差TDOA进行聚类的实现将每个聚类堆内的每个脉冲信号的到达时差TDOA分别与该堆内剩余脉冲信号的到达4策级融合的聚类条件为：将每个预处理后的PDW数据样本集中的任意一个聚类堆的平均到个聚类堆所对应的m个平面变换特征曲线确定该聚类堆的最优变换宽度W的实计算每条平面变换特征曲线的平面熵值，取每个聚类堆所对应的m个平面变换特征曲5[0001]本发明属于电子对抗领域，具体涉及电子侦察方向的一种雷达信号融合分选方[0004]西安电子科技大学在其申请的专利主该发明虽然解决了单站雷达信号分选方法无法分选多功能调度重频雷达信号以及双站集[0005]本发明目的是为了解决现有多站集群协同下基于多组时差的雷达信号分选方法问题，本发明提供了一种基于偏联系数(PartialConnectionNumber,PCN)集对势与改进[0006]雷达信号多站融合分选方法，该多站融合分选方法基于一个主观测站和N个副观6段内每个观测站的接收机探测到的雷达信号为一串脉冲序列，并将其脉冲序列作为PDW数[0010]先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号，并将作为聚类[0013]确定各观测站的预处理后的PDW数据样本集中各聚类堆的平均到达时差TDOA，并根据每个预处理后的PDW数据样本集中各平均到达时差TDOA之间关系，将满足聚类条件的[0014]其中，各观测站内更新后的PDW数据样本集中每个聚类堆包含一套或多套特征参套特征参数作为该聚类堆所对应的待测雷达辐射源在相应工作模式[0016]通过引入SDIF算法对各观测站内更新后的PDW数据样本集中每个聚类堆内所有脉[0017]再对各潜在变换宽度Wi对其所对应的聚类堆内的所有脉冲信号的脉冲到达时间[0018]最后，根据每个聚类堆所对应的m个平面变换特征曲线确定该聚类堆的最优变换[0019]将聚类堆的最优变换宽度W作为该聚类堆所对应的一个待测雷达辐射源的重复周[0020]将聚类堆的重频调制类型作为该聚类堆所对应的一个待测雷达辐射源的重频调7与各副观测站的PDW数据样本集内的相应脉冲信号定匹配成功，并将该主观测站的脉冲信号的脉冲到达时间TOA和其所对应的副观测站内相本集中的脉冲信号进行特征参数聚类，并在各观测站的预处理后的PDW数据样本集中形成聚类中心标记的脉冲信号同时与多个有聚类中心标记的脉冲信号进行特征参数聚类分析，[0029]同时根据每次归类结果对每个无聚类中心标记的脉冲信号归属的聚类堆的各特结果中脉冲信号数量最多的一组聚类结果中所有脉冲信号的到达时差TDOA的均值作为该[0036]将每个聚类堆内的每个脉冲信号的到达时差TDOA分别与该堆内剩余脉冲信号的样本集中的任意一个聚类堆的平均到达时差TDOA分别与剩余的各聚类堆的平均到达时差8[0039]计算每条平面变换特征曲线的平面熵值，取每个聚类堆所对应的m个平面变换特[0040]原理分析：本发明在PCN集对势单站聚类分选的基础上基于脉冲多站到达时间差选还可实现对待测雷达辐射源的脉冲重频调制类型和重复周期PRI的识别。[0041]本发明的技术思路是：针对传统聚类算法性能受先验阈引入数学领域的偏联系数理论，通过表征样本与聚类中心的发展趋势大小实现无参数聚对目标重复周期PRI及重频调制类型进行识别，为后续目标行为识别等处理增加更多可靠效应与窄脉冲、解决信道化接收机面对大带宽信号跨多个子信道时出现的过度分割问题，9[0052]图4是利用PCN集对势聚类法对图3中各脉冲信号特征参数进行聚类，获得各观测融合分选方法基于一个主观测站和N个副观测站实现，所有观测站均用于对待测雷达辐射[0059]先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号，并将作为聚类[0062]确定各观测站的预处理后的PDW数据样本集中各聚类堆的平均到达时差TDOA，并根据每个预处理后的PDW数据样本集中各平均到达时差TDOA之间关系，将满足聚类条件的[0063]其中，各观测站内更新后的PDW数据样本集中每个聚类堆包含一套或多套特征参套特征参数作为该聚类堆所对应的待测雷达辐射源在相应工作模式[0065]通过引入SDIF算法对各观测站内更新后的PDW数据样本集中每个聚类堆内所有脉[0066]再对各潜在变换宽度Wi对其所对应的聚类堆内的所有脉冲信号的脉冲到达时间[0067]最后，根据每个聚类堆所对应的m个平面变换特征曲线确定该聚类堆的最优变换[0068]将聚类堆的最优变换宽度W作为该聚类堆所对应的一个待测雷达辐射源的重复周[0069]将聚类堆的重频调制类型作为该聚类堆所对应的一个待测雷达辐射源的重频调[0070]本发明所述的雷达信号多站融合分选方法主要用于对目标重复周期PRI及重频调制类型进行识别，为后续目标行为识别等处理增加更多可靠征参数相近原则的聚类结果进行融合校验，弥补其难以适应多功能雷达等局限性，同时[0077]时差匹配方法本质上利用了同一辐射源发射的脉冲到达观测站与到达主站时差[0081]本优选实施方式中，观测站的PDW数据样本集中的离群点主要来源于数据测量误号作为基准分别与各副观测站的PDW数据样本集内的相应脉冲信号做到达时差TDOA匹配的定匹配成功，并将该主观测站的脉冲信号的脉冲到达时间TOA和其所对应的副观测站内相样本集中的脉冲信号进行特征参数聚类，并在各观测站的预处理后的PDW数据样本集中形聚类中心标记的脉冲信号同时与多个有聚类中心标记的脉冲信号进行特征参数聚类分析，[0089]同时根据每次归类结果对每个无聚类中心标记的脉冲信号归属的聚类堆的各特计算样本集与聚类中心集合的集对势大小表征样本向聚类中心的发展趋势从而实现样本结果中脉冲信号数量最多的一组聚类结果中所有脉冲信号的到达时差TDOA的均值作为该[0097]将每个聚类堆内的每个脉冲信号的到达时差TDOA分别与该堆内剩余脉冲信号的据样本集中的任意一个聚类堆的平均到达时差TDOA分别与剩余的各聚类堆的平均到达时时面对大带宽信号跨信道的过度分割问题可以基于TDOA参[0101]计算每条平面变换特征曲线的平面熵值，取每个聚类堆所对应的m个平面变换特[0106](4)对各站接收到的脉冲进行时差窗匹配以及到达时间差TDOA计算，当时差窗同[0108](6)基于各