多站协同雷达信号在线分选算法研究.pdf

多站协同雷达信号在线分选算法研究

摘要

雷达信号分选技术是电子侦察系统的关键技术之一，是电子侦察系统有效工作的前

提和基础，其处理结果直接影响整个系统的性能。然而，随着现代信息化战争的不断发

展，雷达信号分选技术面临辐射源数量多、信号密度大和信号调制方式日益复杂等挑战。

不断改善雷达信号分选技术是电子侦察领域里具有重要意义的研究方向之一。

本文主要在多站协同电子侦察的背景下，结合数据流聚类框架对传统基于时差的多

站协同雷达分选算法进行改进。数据流聚类是数据挖掘领域中一种动态处理数据的机器

学习方法，其适用于处理大规模、实时变化的数据流，可以在无监督的情况下挖掘出数

据变化的动态特征。多站协同电子侦察系统工作中源源不断捕获脉冲信号，产生的脉冲

流信号同样具有数据流的特点，可认为雷达辐射源脉冲流是一种特殊的数据流。因此，

本文提出采用数据流聚类方法实现多站协同雷达信号在线分选，主要工作内容及研究成

果为以下两点：

（1）为解决多站协同信号分选方法实时性不足，且存在无法有效挖掘雷达脉冲流

动态变化特性的问题，本文提出基于自适应流聚类（Adapt-StreamAffinityPropagation，

ADA-STRAP）的多站协同雷达信号在线分选算法。首先，对雷达辐射源的动态演化特

征进行分析和建模，提出基于流聚类的多站协同雷达信号在线分选框架。然后，针对已

有流聚类算法在信号样本密度不平衡的情况下容易增批分选的问题，利用多站时差误差

估计量对流聚类生成的雷达样本簇进行自适应检测与合并，有效抑制雷达簇增批现象。

同时，利用多站时差测量误差估计量实现在线聚类阈值自适应设置，有效减少聚类算法

迭代次数。最后，使用基于时间衰减窗口模型的未知簇检测，提高聚类概要的更新速度，

增强分选算法的环境适应性。仿真结果表明所提算法在保证实时性和准确性下能够有效

抑制雷达簇增批，同时精准检测雷达动态演化特性。

（2）为解决多站协同雷达信号分选方法面对移动辐射源目标时，容易出现雷达簇

增批和分选成功率下降的问题，本文提出基于移动辐射源目标流聚类（Mobile-Object

StreamAffinityPropagation，MO-STRAP）的多站协同雷达信号在线分选算法。流聚类算

法应用于移动辐射源的在线分选容易发生概念漂移的问题，即分选过程中样本点分布随

时间发生变化的问题。针对该问题，首先对雷达簇概念漂移问题分析并建模，将问题抽

象为发生增量型真实概念漂移的时差数据流聚类。然后，使用数据挖掘领域中的动态适

应窗口算法对流聚类分选出的雷达簇进行概念漂移检测。之后，对已标记漂移的雷达簇

哈尔滨工程大学硕士学位论文

进行多站时差定位，并计算时差定位的误差对结果进行修订。最后，结合概念漂移雷达

簇的移动时间、移动最大速度和多站时差定位结果等信息对概念漂移雷达簇合并，实现

准确的移动雷达辐射源演化更新。仿真结果表明所提算法不受到雷达辐射源目标移动的

影响，并保证较高的分选成功率。

关键词：电子侦察；多站协同侦察；时差分选；自适应流聚类；雷达簇概念漂移；

多站协同雷达信号在线分选算法研究

ABSTRACT

Radarsignalsortingtechnologyisoneofthekeytechnologiesinelectronicreconnaissance

systems,anditisaprerequisiteandfoundationfortheeffectiveoperationofelectronic

reconnaissancesystems.Theoutcomeofsignalsortingdirectlyaffectstheperformanceofthe

entiresystem.However,withthecontinuousdevelopmentofmoderninformationalwarfare,

radarsignalsortingtechnologyfaceschallengessuchastheincre