基于杂草改进的模糊聚类雷达信号分选

针对雷达辐射源信号参数严重混叠、聚类数目未知等问题,提出一种基于入侵性杂草优化模糊聚类的智能算法,该算法无需事先设定聚类数目,而是在整个数据集的属性空间内并行搜寻最佳的聚类数目和聚类中心,具有结构简单、鲁棒性好的特点。将此方法应用到雷达信号的分选当中,并与传统的K均值算法及AP聚类算法进行对比,实验结果验证了该算法的有效性。     

基于脉内特征的雷达信号分选方法

当前复杂的电子环境下不同调制的多种雷达信号,具有交叠严重、分选困难的特点。针对这一问题提出一种基于时频原子特征的雷达信号分选方法。该方法根据欧氏距离准则,在超完备的Chriplet时频原子库中,利用杂草算法提取可分性较好的原子,并与各信号做内积作为雷达信号分选的特征值,利用改进的FCM聚类算法进行聚类。在不同信噪比下,对5种不同调制参数的雷达信号进行分选,仿真结果表明,在较低的信噪比下,该方法能够进行有效的雷达信号分选。