基于改进的支持向量聚类的雷达信号分选

基于改进的支持向量聚类的雷达信号分选

ID:46600356

大小:256.45 KB

页数:4页

时间:2019-11-26

基于改进的支持向量聚类的雷达信号分选_第1页
基于改进的支持向量聚类的雷达信号分选_第2页
基于改进的支持向量聚类的雷达信号分选_第3页
基于改进的支持向量聚类的雷达信号分选_第4页
资源描述:

《基于改进的支持向量聚类的雷达信号分选》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、50航天电子对抗第27卷第1期0引言基于改进的支持向量聚类的雷达信号分选向娴,汤建龙(西安电子科技大学电子工程学院,陕西西安710071)摘要:基于支持向量聚类,提出一种新的针对未知雷达辐射源信号分选的算法。该方法在原有支持向量的基础上,在聚类标识阶段通过用支持向量点代替原来的全部样本点来进行聚类分配,减少了关联矩阵的规模,从而有效节省了聚类分配的时间,提高了运行速度。同时结合合并同类聚类中心算法有效缓解了核函数的参数g对聚类结果的影响,使得聚类精度有了-定的提高。对未知雷达辐射源信号进行聚类分析的数值实验结果表明,该改进支持向量

2、(SVC)算法不仅显著改善了SVC算法的时间性能,而且具有较高的识别率。关键词:雷达信号分选;支持向量聚类中图分类号:TN974文献标识码:ARadarsignalsortingbasedontheimprovementofsupportvectorclusteringXiangXian,TangJianlong(CollegeofElectronicEngineering,XidianUniversity,Xi’an710071,Shanxi,China)Abstract:Basedonsupportvectorclusteri

3、ng,anewalgorithmforunknownradarsignalforunknownsot—tingisintroduced.Themethodimprovesthetraditionalsupportvectorclusteringalgorithmduringtheclusterassignmentphase,usingsupportvectorinsteadofallsamplesofdatasetstOreducetheincidencematrixofthescale.whicheffectivetOshort

4、entheoperationaltimeandraisetheoperationalspeed.Atthesametime,theeen—tresmergedtogetheralgorithmisusedtOrelievenuclearfunctionparametersqtOaffecttheoutcome,whichmakeclusteringprecisionhasbecomemuch.Theunknownradarsignalclusteringoftheexperimentresultsshowthattheimprov

5、ementofclusteringalgorithmnotonlyimprovestheperformancebutalsohasahigherrateofidentifieation.Keywords:radarsignalsorting;supportvectorclustering雷达脉冲分选就是在多部雷达的脉冲互相交叠的条件下,分离出每部雷达的脉冲序列。信号分选的实质就是脉冲信号去交叠、去交错的过程。传统的利用PRI单参数进行脉冲分选的方法已经不能适应当前的复杂信号环境,该方法存在以下问题:速度慢、对不完整数据和被污染的脉

6、冲参数分选效果差、无法处理大量复杂数据[1]。如何在复杂的信号环境下实现雷达信号的正确分选与识别已成为雷达对抗的一个重要任务。因此人们开始尝试将聚类理论应用于雷达信号分收稿日期:2010一09—19;2010—12—30修回。作者简介;向娴(1986一),女,硕士研究生,研究方向为信号处理与仿真。选中并已取得一定的成果n。5]。聚类就是将数据库中的数据进行分组,使得每一组内的数据尽可能相似而不同组内的数据尽可能不同。支持向量聚类(SVC)[63是一种无监督的聚类算法,它主要分成两部分:基于支持向量机(SVM)训练部分和聚类形成部分

7、。SVC算法的主要瓶颈在于:训练部分的二次优化求解和标识部分的关联矩阵计算,而在时间消耗上,后者远大于前者;另一方面为SVC算法核函数的中的核参数选取问题,因为核参数将影响聚类的数目和边界,决定了对信息的识别率。随着核参数值的增大,聚类的轮廓分离,聚类数目不断增大。当雷达辐射源信号数目较多,特征分布复杂时,聚类就无法获得较高的识别率。为了有效解决上述问题,本文采用支持向量(SVs)代替原来的全部样本点生成聚类标识关联矩2011(1)向娴.等:基于改进的支持向鼍聚类的雷达信口-分选阵,产生初始聚类结果,提高运行速度。再根据初始聚类结

8、果进行簇内距和簇间距的计算,合并同类聚类中心,得到最优的聚类分类结果,从而有效的缓解了参数q对聚类数目的影响,提高了识别率。1改进的支持向量算法雷达对抗侦察接收机输出到信号处理系统的是密集交叠的脉冲流,每个脉冲以脉冲描述字PDW来表示其特征参数。信

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。