基于支撑向量聚类的雷达辐射源信号分选算法

摘要

雷达辐射源信号分选是是雷达电子支援侦察(ESM)和电子情报侦察(ELINT)应用中的重要组成部分，将截获的交错的脉冲信号进行侦查和识别的过程，并将其分类使得同类中的脉冲信号来自于同一部雷达辐射源。
　　 传统的雷达信号分选方法主要利用由脉冲参数构成的脉冲描述字，比如雷达脉冲到达时间(TOA)，载波频率(RF)，到达方位角(DOA)，脉冲幅度(PA)以及脉冲宽度(PD)五个参数，来实现脉冲序列的去交错。这对于常规体制雷达且辐射源数目不多的情况下可取得不错的结果，但随着雷达电磁环境的日益复杂和新体制雷达的不断出现，导致传统的信号分选算法已很难达到满意的分选效果。
　　 支撑向量聚类(SVC)算法是一种基于支撑向量机的无监督学习算法，可以自动确定聚类的个数，是解决未知雷达辐射源信号分选的有效方法。论文对传统雷达信号分选方法进行讨论，并简要分析累计差值直方图算法(CDIF)，序列差值直方图算法(SDIF)，脉冲重复间隔(PRI)变换法的仿真结果。介绍常规的无监督聚类算法，并主要分析模糊C-均值(FCM)算法，给出性能分析和对比。给出一种FCM参数优选算法，并将算法应用到雷达辐射源信号。介绍了支撑向量聚类算法以及有效性测量方法，探讨有效性指标，并对iris数据进行算法验证。