雷達信號多參數(shù)聯(lián)合分選算法研究.pdf

1、雷達信號分選主要是按照所測的信號特征參數(shù)將不同的輻射源信號區(qū)分出來，以便于后續(xù)對雷達輻射源的識別，為指揮作戰(zhàn)人員提供必要的信息。
　　現(xiàn)在常用的預分選方法有多參數(shù)關(guān)聯(lián)比較法、神經(jīng)網(wǎng)絡算法等，這些算法在足夠的先驗信息支持下，有著很好地分選效果。然而在現(xiàn)代復雜戰(zhàn)場環(huán)境中，先驗信息的獲取越來越困難，未知雷達信號分選將是一個非常重要的課題。現(xiàn)有的未知雷達信號分選成果并不多，主要是支持向量聚類，但是該算法運算復雜度太高，很難滿足實時處理的需

2、要。
　　目前，工程上使用比較廣的雷達信號主分選方案是CDIF算法、SDIF算法和改進的PRI變換法。CDIF算法與SDIF算法對抖動信號敏感；改進的PRI變換法適用于大抖動雷達信號分選，但是其運算量太大，且無法分選參差雷達信號。
　　針對越來越復雜的信號環(huán)境，現(xiàn)有的未知雷達信號分選研究成果的很少且效果不理想，需要尋求新的解決方案。本文取得的主要工作成果如下。
　?。?）將DBSCAN算法用于雷達信號預分選，該算法是一

3、種無監(jiān)督型聚類算法，不需要太多的先驗信息，且算法運算量遠小于支持向量聚類算法。但該算法存在三點不足：DBSCAN算法運算速度不高、不適用于非均勻信號密度環(huán)境、Eps估計需要人為參與。對此，本文提出改進的DBSCAN算法用于提高算法運算速度，提出分步DBSCAN聚類算法，解決原始算法不適用于非均勻信號密度環(huán)境和 Eps估計需要人為參與的問題。
　?。?）針對SDIF算法對抖動信號敏感的不足，已有改進算法提出使用交疊PRI箱，有著不錯

4、的效果。但是該方案不夠完善，存在三點不足之處：用所有超過門限P RI值從小到大進行序列搜索，造成分選結(jié)果不理想；放棄子諧波檢測，無法抑制諧波信號；尋找TO A差值落在哪個P RI箱時，通過搜尋所有P RI箱來確定，極大地影響算法運算速度。本文對此三點不足進行了改進：使用連續(xù)PRI均值代替連續(xù)PRI進行序列搜索；加入子諧波檢測；給出TO A差值落在哪個P RI箱的計算公式。
　?。?）本文基于傳統(tǒng)五大特征參數(shù)，對未知雷達信號使用多參