雷达信号非均匀粒度聚类分选方法

文/李宝双

科学技术的不断进步和快速发展，促使各个领域在发展过程中，都在积极主动的朝着智能化、科技化的趋势发展。尤其是在当前现代电子技术的对抗和竞争过程中，涌现出很多具有复杂信号特征的新体制雷达，同时还推出了具有各种不同类型特征的功能性雷达。由于不同种类雷达的出现，在无形当中促使战场的电磁信号环境越来越复杂，在针对这一大环境背景提出有效解决措施时，要结合实际情况，积极采取有针对性的措施，这样不仅可以满足电子对抗信号环境在发展过程中的个性化需求，而且还可以推出和落实新的分选方法。通过这种方式，可以对雷达信号当中的一些价值信息进行获取和处理，这样可以实现对电子雷达科学合理的利用，同时还可以对对抗电磁的具体态势进行有针对性的预测，对预测结果进行有效评估。

1 聚类分析方法

聚类分析方法在数据深入挖掘中科学合理的利用，不仅可以保证数据在挖掘时的准确性和有效性，而且还能够从根本上保证该方法实际应用过程中的功能特征可以得到有效发挥。在对聚类分析方法进行结合分析之后，发现该方法在实际应用过程中，其主要是将物理或者是具有抽象特征的对象，按照集合特征，将其分成由类似对象相互组成的多个类的过程，整个划分过程可以被称之为聚类。通过对聚类的实际分成过程进行分析和研究，发现在实践中通过聚类而生成的类其实可以被看作是一组数据对象的有效集合。在针对这些对象进行分析时，发现这些对象与同一类当中的对象之间具有相似之处。与此同时，与其他各种不同类当中的对象之间具有明显的差异性。除此之外，在针对对象相互之间的相异程度进行判断和分析时，为了保证最终判断结果的准确性和有效性，通常情况下，会在对象相互之间的距离基础上，对其进行计算和分析。在诸多应用实践过程中，为了可以体现出聚类分析方法在实际应用过程中的价值和功能特征，通常都会将一个簇当中的数据对象看作是一个整体，这样可以起到良好的分析和应用效果。通过对聚类分析方法在实际应用过程中的情况进行分析和研究，发现在具体分析和研究过程中，要想将聚类分析方法在应用时的作用和价值充分发挥出来，就必须要与样本间相互之间的关联度量标准进行有效结合。聚类分析方法在实际应用过程中，要与实际情况进行结合，通常情况下，可以利用划分方法、在密度基础之上的方法等。这样不仅可以提高各种不同类型方法在实际应用过程中的效率和质量，而且还能够满足不同类型雷达信号的分选要求。

表1：雷达参数设置分析表

表2：不同距离阈值(粒度)下的聚类结果分析表

2 非均匀粒度雷达信号聚类分析

通过对雷达信号现阶段的实际情况进行分析和研究，发现雷达信号分选是其中非常重的环节。在针对一些常规雷达进行分选时，由于常规雷达已经经过了漫长的发展历史，所以与其对应的分选方法也相对比较成熟。在常规雷达分选过程中，无论是在软件方面，或者在硬件方面，技术都比较成熟，同时处理速度普遍比较快，并不存在过于严重的问题。但是对于一些具有特殊性特征的雷达而言，这些雷达本身就是特殊制造而成，所以在参数方面存在非常明显的变化性特征，这样就会导致分选操作在实践中很难得到有效落实。尤其是在当前电子环境越来越复杂的背景下，脉冲交叠现象越来越严重，这样不仅直接导致信号分选的复杂性越来越到，而且还会在无形当中增加信号分选时的难度要求。但是，在与实际情况进行结合分析时，发现在具体操作过程中，无论雷达辐射源信号在调制过程中的样式是否具有复杂性和有效性，如果属于同一辐射源范围之内的信号，这些信号相互之间必然会呈现出比较高的自相似性特征。各种不同类型的辐射源相互之间的信号可以呈现出的相似性特征普遍比较低。聚类分析方法在实际应用过程中，要想保证该技术在实践中的应用效果可以得到充分发挥，就必须要与数据本身的自相似性特征进行有效结合，同时还要将同类信号全部都聚集在一起。与此同时，为了保证该技术在实际应用过程中的有效性，要结合实际情况，将聚类分析技术在实践中的应用效果、特点等进行有效结合，同时还要与非均匀粒度聚类计算方法在实际应用过程中的优势特点进行结合。这样可以将非均匀粒度聚类技术科学合理的应用到雷达信号的分选操作当中，并且可以保证分选环节的有序开展。

3 仿真实验结果研究

在针对雷达信号进行分选时，为了保证聚类分析方法可以在实际应用过程中取得良好的应用效果，将该方法的有效性和针对性的充分发挥出来。在实践中要与一些具有特殊性和复杂性的雷达信号特点进行有效结合，这样做的根本目的是为了将三部复杂体制雷达的脉冲信号进行模拟处理。在模拟的基础上，可可以与实际情况进行结合，按照规定的要求和标准，在到达制定时间之后，可以实现相互之间的有效混合。在与实际情况进行结合之后，要结合实际情况，对每一部雷达的信号脉冲个数进行确定，通常情况下会将其确定在500左右，在针对各种与其相对应的参数进行设置时，可以按照表1中的内容来进行。紧接着，将聚类分析方法合理应用其中，在应用之后可以得出的聚类分选结果如表2所示。

通过对仿真实验结果进行对比分析和研究，发现在具体分选和操作过程中，第2种情况与第3种情况之间正好呈现出的是相反状态。在针对粒度参数进行设置和具体应用时，要结合实际情况，发现在实践中如果粒度参数是0.5的时候，那么与其相对应的聚类后类的整个区域就会比较大。甚至还有可能会出现的一种情况就是在实践中将多部雷达的脉冲数据全部都聚类在一起，形成一部雷达。这种聚类分选方法在实际应用过程中，可以将其看作是预分选，在针对每一类进行聚类分析处理时，要与到达时间进行有效结合，这样可以对脉冲的重复周期进行客观有效的计算和分析。

4 结束语

在针对海量数据进行挖掘和分析时，聚类分析技术在其中具有非常重要的影响和作用，所以在雷达信号的分选过程中，需要将该技术合理应用其中，这样才能够实现对数据深入的挖掘，同时还可以保证数据的准确性和针对性。