基于狄里克莱过程混合高斯模型的信号分选

《基于狄里克莱过程混合高斯模型的信号分选》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第28卷第1期航天电子对抗45基于狄里克莱过程混合高斯模型的信号分选柴晶，王琦，李锋(中国航天科工集团8511研究所，江苏南京210007)摘要：提出了一种基于狄里克莱(Dirichlet)过程混合高斯模型的雷达蝠射源信号分选方法。通过将Dirichlet过程与高斯模型相结合，得到的Dirichlet过程混合高斯模型可以自动学习混合高斯分量的数目。将该模型应用于雷达辐射源信号分选，可以自动确定电磁环境中雷达辐射源的数目。仿真实验结果证实了该方法在雷达辐射源信号分选中的有效性。关键词：电子对抗；雷达辐射

2、源；信号分选；Dirichlet过程；混合高斯模型中图分类号：TN971．1文献标识码：AEmittersignalsortingviaDirichletprocessGaussianmixturemodelChaiJing，WangQi，LiFeng(No．8511ResearchInstituteofCASIC，Nanjing210007，Jiangsu，China)Abstract：Anewradaremittersignalsortingmethod，namely，DirichletProce

3、ssGuassianmixturemodel，isproposed．DirichletprocessGuassianmixturemodel，whichcombinesDirichletprocessandGuassianmixturemodel，candeterminethenumberofGaussiancomponentsautomatically．Asaresult，whenappliedtoradare—mittersignalsorting，DirichletprocessGuassian

4、mixturemodelcandeterminethenumberofradaremittersincurrentelectromagneticenvironmentautomatically．Resultsofsimulationexperimentsjustifytheeffectivenessofproposedmethodinradaremittersignalsorting．Keywords：electroniccountermeasures；radaremitter；signalsorti

5、ng；Diriehletprocess；Guassianmixturemodel程的混合模型。以Diriehlet：过程混合高斯模型为例，0引言它是将Dirichlet过程和高斯模型相结合得到的。现代战争中，复杂多变和日益密集的电磁环境，使Diriehlet过程为混合高斯分量(子类)提供了一个非参得雷达对抗侦查系统面临着日益严峻的威胁。雷达辐数先验，它可以自适应地学习混合高斯分量的个数。射源信号分选与识别是雷达对抗侦察系统中的关键处若假设每一部雷达辐射源对应于混合高斯模型中的一理过程，其水平是衡量雷达

6、对抗侦察系统和信息处理个混合高斯分量，而Dirichlet过程可以确定混合高斯技术先进程度的重要标志【1]。分量的数目，这也就意味着可以确定待分选雷达辐射按照模式识别的观点，可以把雷达信号分选工作源的数目。因此，可以采用Dirichlet过程混合高斯模看作一个聚类问题。常用的聚类方法有K均值聚类、型来对电磁环境中多部雷达辐射源的脉冲序列进行聚混合高斯模型聚类、谱聚类等等[3]。这些聚类方法所类，进而达到对雷达辐射源进行信号分选的目的。面临的一个共同的问题是子类数目的确定，而确定子类数目需要有充足的先验

7、信息，但准确的先验信息的1Dirichlet过程混合高斯模型的数学表述获取往往是极其困难的。非参数贝叶斯方法是近年来本节首先对Dirichlet过程进行简单介绍，然后给模式识别领域中一个重要的研究方向，Dirichlet过出将Dirichlet过程与混合高斯模型相结合得到的程l_4是该方法的一个典型代表，将Dirichlet过程和不Dirichlet过程混合高斯模型的数学表达形式。同的统计模型相结合可以得到各种基于Dirichlet过1．1Dirichlet过程假设数据集{，，⋯)中各个数据是可交换收

8、稿日期：2011～10—22作者简介：柴晶(1983一)，男，博士，主要研究方向为电子对抗、雷的，其中置∈R是一个d维向量，i=1，⋯，，它是从达信号处理给定的混合分布中的某个混合分量经采样得到的。假46航天电子对抗2012(1)设该混合分布的先验为一个Dirichlet过程，而该顾客坐在了第二桌，那么第三位顾客坐在第一桌的概Dirichlet过程具有两个参数：聚集参数a和基分布率为1／(口+2)，坐在第二桌的概率为1／(口+2)，坐在G因此，一个完整的