粒子群优化模糊聚类在信号分选中的应用.pdf

《粒子群优化模糊聚类在信号分选中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年6月第36卷第3期舰船电子对抗SHIPBOARDELECTRONICCOUNTERMEASUREJun．2013V01．36No．3粒子群优化模糊聚类在信号分选中的应用张中山，贾可新(中国电子科技集团公司38所，合肥230088)摘要：针对传统的聚类算法分选正确率不高的问题，提出基于粒子群优化模糊聚类方法的分选算法，该方法利用粒子群优化算法的全局寻优能力和模糊c均值的模糊分类性质，不仅避免了梯度下降法所带来的容易陷入局部极小值的缺陷，同时也改善了不同初始聚类中心对聚类结果的影响。实验结果证明了该方法能提高雷达信号分选的正确率。关键词：

2、粒子群优化算法；模糊c均值；信号分选中图分类号：TN911；TN957文献标识码：A文章编号：cN32—1413(2013)03一0085～03AppIicationofPSID-FCMtoSignalSortingZHANGZhong—shan，JIAKPxin(The38thResearchInstituteofCETC，Hefei230088，China)Abstract：InordertoimproVethesortingprecisionoftraditionalcIusteringalgorithm，asortingal—gorit

3、hmbasedonparticleswarmoptimizationfuzzyclusteringmethod(PSC卜FCM)isproposedinthispaper．Themethodusestheseekingglobalexcellentresultperformanceofparticleswarmopti—mizationalgo“thmandfuzzyclassificationnatureoffuzzyCmeans，whichnotonlyescapesfromlo—calminimumduetogradi毛ntdescent

4、method，butalsoimprovestheinfluenceofdifferentinitialcIusteringcentersonclusteringresult．ExperimentresuItsdemonstratethatthealgorithmcanim—provetheprecisionofradarsignalsorting．Keywords：particleswarmoptimizationalgorithm；fuzzyCmeans；signalsorting0引言雷达辐射源信号分选是雷达对抗侦察系统的关键处理步骤，也

5、是雷达对抗信息处理中的核心内容，其分选与识别水平是衡量雷达对抗侦察系统和信息处理技术先进程度的重要标志[1]。由于雷达信号分选事先无法获得训练样本，非监督分类方法特别是聚类方法倍受推崇，关于聚类在信号分选中的应用也是层出不穷。其中最为经典的有K均值聚类方法‘引、支持矢量聚类(SVC)方法‘3‘、模糊C均值(FCM)n3聚类方法等。SVC方法由于需要大量的核函数的计算，所耗费的时间量和存储量较大。K均值方法由于属于硬划分方法，忽略了样本在性态和类属方面的中介性，割断样本之间的联系，使得所得到的聚类结果与实际要求偏差较大，并且极易陷收稿日期：201

6、3—03一08入局部最优解。FCM是在K均值算法的基础上加入了模糊理论的思想，考虑了样本之间的联系，建立样本对于类别的不确定性描述，所得的聚类结果明显优于硬聚类方法，目前模糊聚类方法已成为聚类分析研究的主流。然而，基于梯度下降的FCM算法本质上是一种局部搜索算法，容易陷入局部极小值，得不到最优解，而且对初值敏感，即不同的初值可能会导致不同的聚类结果。从自然界得到启发的粒子群优化(PS0)算法口]，被认为是简单高效的一种全局优化算法，在通信、遥感等行业都有不少成功应用的例子。目前应用粒子群优化算法进行信号分选的方法不多，特别是结合FCM方法进行辐

7、射源分类方法较为少见。本文利用了粒子群优化算法的全局寻优的优点，结合FCM的模糊理论，将其应用在雷达信号分选领86舰船电子对抗第36卷域，不仅避免了梯度下降法所带来的容易陷入局部极小值的缺陷，同时也改善了不同初始聚类中心对聚类结果的影响，提高了雷达信号分选的正确度。1模糊C均值算法模糊C均值聚类[5]的基本思想是通过求取所有样本点与聚类中心距离加权和作为目标函数，使得最小化目标函数，得到最终的聚类中心。FCM的目标函数可以表示如下：No．，(【，，y)一∑∑(卢。)。d§(1)l一1t=】式中：N为样本总数；c为聚类中心的数目；口为影响隶属度矩

8、阵模糊度的加权指数，通常取为2；矗。为样本z与聚类中心y之间的距离度量，通常使用欧氏距离。FCM聚类可看作是对目标函数求极小值的问题，通过迭代调整，使