CN113866735B 基于动态修正混沌粒子群优化的雷达信号分选方法 （北京理工大学）

号WO2018072351A1,2018.04.26基于动态修正混沌粒子群优化的雷达信号本发明涉及基于动态修正混沌粒子群优化用基于动态修正混沌粒子群优化的雷达信号分的参数使得粒子的更新根据种群的状态实时变常见并较新的分选指标下相较于其他优化方法2步骤1、对雷达脉冲PDW流数据进行预处理，构造雷步骤1.2从步骤1.1中构造的雷达数据集中采集待分选数据，并将待分选数据步骤2.2用Maxmin距离原则对MXD维的粒子位置进行初始化，得到种群的初始聚类中和它经历过的t_1时刻的最优位置的适应度函数值的大小，如果更好，即适应度函数值更3步骤2.6D比较类内样本包括粒子位置的重心指数值的大小，选取重心指数最大的作步骤2.7将数据集中的所有样本按照与得到的修正后的粒子位置的欧式距离最小原步骤2.10A将步骤2.9得到的全局最优值gbest由优化变量取值区间[步骤2.10C根据生成的混沌序列产生新的粒子，该粒子等于全局最优值gbest加上混步骤2.11对依据混沌序列产生的新的粒子根据步骤2.5度函数值最大的混沌序列替代当前粒子群中个体最优不变且不为全局其中，惯性记忆项是由惯性权重w与t_1时刻粒子的速及一个0到1范围内的随机数相乘得到的；群体认知项是由t_1时刻粒子位置点指向种群最4更新的速度取值为最大速度值；如果粒子更新的速度小于由步骤2.1得到的粒子的最大速如果这两个条件满足一个或两个条件都满足，将t时刻粒子的位置作为雷达信号分选2.根据权利要求1所述的一种基于动态修正混沌粒子群雷达信号分选方法，其特征在于：步骤1.1中的雷达数据集包括生成不同种类的雷达信号构成待分选数据且3.根据权利要求2所述的一种基于动态修正混沌粒子群雷达信号分选方法，其特征在4.根据权利要求3所述的一种基于动态修正混沌粒子群雷达信号分选方法，其特征在步骤2.2B选取距离第一个聚类中心最远步骤2.2C选择距离第一个以及第二个聚类中心的最近距离最大的点作为第三个初始5.根据权利要求4所述的一种基于动态修正混沌粒子群雷达信号分选方法，其特征在6.根据权利要求5所述的一种基于动态修正混沌粒子群雷达信号分选方法，其特征在5[0003]信号分选技术主要分为基于脉冲重复间隔(PRI)分析和特征聚类两方面。现代截[0005]本申请为了能够从稠密、复杂而多变的截获脉冲流中准提出一种基于动态修正混沌粒子群(DynamicModifiedChaoticParticleSwarm6[0014]该雷达数据集包括生成不同种类的雷达信号构成待分选数据，将类数记为M且每[0016]步骤1.3修订待分选数据，对经过步骤1.3生成的修订后的待分选数据采用基于动态修正的混沌粒子群优化方法寻找[0022]步骤2.2用Maxmin距离原则对M×D[0025]步骤2.2C选择距离第一个以及第二个聚类中心的最近距离最大的点作为第三个7[0044]步骤2.7将数据集中的所有样本按照与得到的修正后的粒子位置的欧式距离最小适应度函数值最大的混沌序列替代当前粒子群中个体最优不变且不为全局最优的粒子个8以及一个0到1范围内的随机数相乘得到的；群体认知项是由t_1时刻粒子位置点指向种群时刻更新的速度取值为最大速度值；如果粒子更新的速度小于由步骤2.1得到的粒子的最[0062]如果这两个条件满足一个或两个条件都满足，将t时刻粒子的位置作为雷达信号9[0074]图2为本发明基于动态修正混沌粒子群的雷达信号分选方法的雷达参数空间分布[0076]图4为本发明基于动态修正混沌粒子群的的雷达信号分选方法的不同方法适应度[0079]现代雷达信号分选方法越来越重视多个参数进行联合分选，一般使用的参数越[0080]本实施例阐述了本申请所述的基于动态修正的混沌粒子群优化的雷达信号分选[0082]本实例用PDW雷达信号发生器产生的8组特征参数存在不同程度上的交叠的雷达[0085]在进行方法处理时，我们从总的产生的PDW流中选择1000组雷达脉冲信号进行信[0092]步骤1.3将待分选数据中的[0103]步骤2.2C选择距离第一个和第二个聚类中心的最近距离最大的点作为第三个初[0111]步骤2.6C计算样本与其相距r的邻居的集合，即得到每个类内样本的重心指数[0116]步骤2.7将数据集中的所有样本按照与得到的修正后的粒子位置的欧式距离最小混沌序列替代当前粒子群中个体最优不变且不为粒子位置点指向粒子自身最好位置点pbest的一个矢量，表示粒子的动作来源于自己经验时刻更新的速度取值为最大速度值；如果粒子更新的速度小于由步骤2.1得到的粒子的最[0137]该式表示粒子当前t时刻位置的更新与上一时刻即t_1时刻的位置和当前t时刻的[0138]其中，如果粒子的位置大于位置的最大值Mmax，就将最大值当做t时刻粒子的位[0142]步骤3、对步骤2得到的聚类结果基于评价指标进行评价，对于数据集D＝{x1,j},j},j},[0177]步骤4为说明所提出方法的有效性，仿真了其他几种改进的粒子群优化方法来进[0182]图3是采用DMCPSO方法得到的聚类结果图，展示了雷达信号特征在不同交叠下对0.790.450.390.33[0186]由表3可以看出，DMCPSO方法收敛速度最快且稳定方差值最小，明显优于其他方分类数据与标签数据的关系更密切；CI降至0，说明分类数据与标签数据之间有更好的匹[0191]图2为本发明基于动态修正混沌粒子群优化的雷达信号分选方法构造的8部雷达[0192]图3为本发明基于动态修正混沌粒子群优化的雷达信号分选方法的聚类结果图；由图中可以看出即使对于复杂背