張國毅，王曉峰，張旭洲

（空軍航空大學(xué)航空信息對(duì)抗系，長春130022）

基于數(shù)據(jù)流聚類的動(dòng)態(tài)信號(hào)分選框架?

張國毅，王曉峰，張旭洲

（空軍航空大學(xué)航空信息對(duì)抗系，長春130022）

為了解決雷達(dá)信號(hào)分選中準(zhǔn)確性與實(shí)時(shí)性相矛盾的問題，提出了一種基于數(shù)據(jù)流聚類的動(dòng)態(tài)信號(hào)分選框架。該框架分為在線和離線兩部分，在線部分利用網(wǎng)格幀保存?zhèn)刹鞌?shù)據(jù)的概要信息；離線部分通過網(wǎng)格聚類算法對(duì)網(wǎng)格幀進(jìn)行聚類分選，并得到分選結(jié)果。仿真實(shí)驗(yàn)表明，該框架能夠分選高密度復(fù)雜偵察數(shù)據(jù)流，對(duì)噪聲不敏感，且無需先驗(yàn)知識(shí)支撐，能夠較好地滿足信號(hào)分選準(zhǔn)確性和實(shí)時(shí)性的需要。

雷達(dá)信號(hào)分選；數(shù)據(jù)流；網(wǎng)格聚類；實(shí)時(shí)性

1 引言

雷達(dá)信號(hào)分選是雷達(dá)對(duì)抗偵察系統(tǒng)中的關(guān)鍵處理過程，信號(hào)分選水平直接制約了雷達(dá)對(duì)抗偵察系統(tǒng)的整體作戰(zhàn)效能［1］。傳統(tǒng)的多參數(shù)分選技術(shù)依次利用脈沖到達(dá)角（DOA）、載波頻率（RF）、脈寬（PW）、重頻（PRI）和脈幅（PA）對(duì)雷達(dá)全脈沖序列進(jìn)行去交錯(cuò)，這種分選方式的分選效率是由上述分選過程中每一級(jí)分選準(zhǔn)確率來決定的，前一級(jí)分選產(chǎn)生的偏差會(huì)對(duì)后續(xù)處理過程造成很大的影響。面對(duì)現(xiàn)代高密度復(fù)雜信號(hào)脈沖流，傳統(tǒng)分選技術(shù)會(huì)產(chǎn)生嚴(yán)重的增批和漏批，且分選實(shí)時(shí)性極差［2］。

針對(duì)傳統(tǒng)分選技術(shù)的缺陷，文獻(xiàn)［3］提出一種基于多參數(shù)聚類分析的雷達(dá)脈沖信號(hào)分選方法，提高了分選準(zhǔn)確率，但存在容差難以設(shè)定的問題。文獻(xiàn)［4］中嘗試?yán)肒ohonen網(wǎng)絡(luò)模型對(duì)雷達(dá)信號(hào)進(jìn)行分選，并對(duì)參數(shù)權(quán)值進(jìn)行了確定，提高了分選的準(zhǔn)確率，但算法面臨著對(duì)初始聚類中心數(shù)進(jìn)行優(yōu)化的問題。文獻(xiàn)［5］將基于支持向量機(jī)和分層互耦的聚類算法與基于類型熵的識(shí)別技術(shù)相結(jié)合，可以有效解決信號(hào)分選中的容差問題，但該方法計(jì)算量大，不能滿足雷達(dá)信號(hào)實(shí)時(shí)分選的需要。為了解決信號(hào)分選中準(zhǔn)確性與實(shí)時(shí)性的矛盾問題，本文提出了一種新的動(dòng)態(tài)信號(hào)分選框架，該框架分為在線和離線兩部分，在線部分將偵察數(shù)據(jù)流進(jìn)行轉(zhuǎn)換，并在特定的時(shí)刻將轉(zhuǎn)換的結(jié)果存入暫存數(shù)據(jù)庫，離線部分對(duì)指定時(shí)間段內(nèi)的偵察數(shù)據(jù)進(jìn)行分選，并給出分選結(jié)果。計(jì)算機(jī)仿真實(shí)驗(yàn)驗(yàn)證了這種動(dòng)態(tài)信號(hào)分選框架的有效性。

2 問題描述

數(shù)據(jù)流聚類［6］是針對(duì)連續(xù)數(shù)據(jù)流的聚類分析方法，如果把接收機(jī)不斷輸出的雷達(dá)偵察數(shù)據(jù)看作數(shù)據(jù)流，則雷達(dá)信號(hào)分選就轉(zhuǎn)化為一個(gè)數(shù)據(jù)流聚類問題。即將等時(shí)間間隔的偵察數(shù)據(jù)幀序列X1，X2，…，Xk看作數(shù)據(jù)流，其中，Xk=（xk1，xk2，…，xkn）代表k時(shí)刻數(shù)據(jù)幀內(nèi)包含的偵察數(shù)據(jù)的集合。本文要解決的問題是：給定任意兩個(gè)時(shí)刻ta和tb（tb＞ta），能夠快速準(zhǔn)確地從數(shù)據(jù)集Xb-a中分離出每一部雷達(dá)信號(hào)，即要形成對(duì)集合Xb-a的一個(gè)劃分：

式中，集合Li對(duì)應(yīng)雷達(dá)信號(hào)，集合S對(duì)應(yīng)混疊在雷達(dá)信號(hào)中的噪聲脈沖。

3 基本概念

定義1網(wǎng)格單元

設(shè)空間D=（D1，D2，…，Dd）為偵察數(shù)據(jù)形成的特征參數(shù)空間，空間的每一維對(duì)應(yīng)偵察數(shù)據(jù)的一個(gè)特征參數(shù)，將空間的每一維劃分為m個(gè)相等的小區(qū)間，則整個(gè)參數(shù)空間被分成有限個(gè)不相交的矩形（或超矩形）單元，這種劃分后的單元稱為網(wǎng)格。每一維上的小區(qū)間按邊界值大小順序排列，參數(shù)空間中的每一個(gè)元素都可以對(duì)應(yīng)至數(shù)據(jù)空間中的某個(gè)網(wǎng)格。

定義2網(wǎng)格密度

根據(jù)網(wǎng)格單元的定義可知，任意一個(gè)網(wǎng)格單元的體積都是相等的，因此，設(shè)網(wǎng)格單元的密度ρ為該網(wǎng)格包含的數(shù)據(jù)點(diǎn)個(gè)數(shù)。當(dāng)ρ＞ε時(shí)，該網(wǎng)格定義為一個(gè)密集網(wǎng)格，其中ε是密度閾值，分選中認(rèn)為非密集網(wǎng)格內(nèi)的數(shù)據(jù)為噪聲脈沖數(shù)據(jù)。

定義3網(wǎng)格幀

將某一時(shí)刻的網(wǎng)格結(jié)構(gòu)以快照的形式存入暫存數(shù)據(jù)庫，每一幅快照稱作一個(gè)網(wǎng)格幀，網(wǎng)格幀包含的信息有：當(dāng)前時(shí)刻數(shù)據(jù)與網(wǎng)格的相互對(duì)應(yīng)關(guān)系，以及每個(gè)網(wǎng)格的密度。

定義4鄰接網(wǎng)格

設(shè)d維空間中兩個(gè)網(wǎng)格單元為U1和U2，當(dāng)且僅當(dāng)這兩個(gè)網(wǎng)格有相鄰的邊界時(shí)，稱其為鄰接網(wǎng)格。

定義5密度可達(dá)

如果網(wǎng)格Ui是網(wǎng)格Uj的鄰接網(wǎng)格，且同時(shí)滿足：

則稱網(wǎng)格Ui密度可達(dá)網(wǎng)格Uj，易證網(wǎng)格密度可達(dá)是對(duì)稱的，所以網(wǎng)格Ui密度可達(dá)Uj等價(jià)于網(wǎng)格Uj密度可達(dá)Ui。

4 動(dòng)態(tài)信號(hào)分選框架

目前公開的信號(hào)分選方法都沒有考慮偵察數(shù)據(jù)集隨時(shí)間變化的問題，本質(zhì)上都屬于靜態(tài)分選方法，在處理不斷涌入的大量高密度脈沖流時(shí)，靜態(tài)方法存在分選時(shí)間長、不能保證分選實(shí)時(shí)性的問題?；跀?shù)據(jù)流的動(dòng)態(tài)聚類算法能夠增量式地跟蹤數(shù)據(jù)流的變化，同時(shí)不占用過多的計(jì)算資源，對(duì)偵察數(shù)據(jù)集的掃描僅限于單次，因此，數(shù)據(jù)流聚類方法非常適合對(duì)偵察數(shù)據(jù)進(jìn)行實(shí)時(shí)分選處理。本文提出的動(dòng)態(tài)信號(hào)分選框架主要分為兩部分，如圖1所示。

圖1 動(dòng)態(tài)信號(hào)分選框架圖Fig.1 Dynamic signal sorting frame

4.1 在線部分

隨著偵察數(shù)據(jù)的不斷到達(dá)，實(shí)時(shí)提取其概要信息，通過數(shù)據(jù)轉(zhuǎn)換得到偵察數(shù)據(jù)的概要數(shù)據(jù)結(jié)構(gòu)，在滿足一定存儲(chǔ)時(shí)間條件時(shí)將概要數(shù)據(jù)結(jié)構(gòu)以網(wǎng)格幀快照的形式存入暫存數(shù)據(jù)庫，以備離線部分調(diào)用。

4.2 離線部分

從暫存數(shù)據(jù)庫中調(diào)用網(wǎng)格幀，計(jì)算出指定時(shí)間段內(nèi)的待分選數(shù)據(jù)集，并利用網(wǎng)格密度聚類算法完成信號(hào)分選。

將信號(hào)分選框架分為兩部分處理的優(yōu)點(diǎn)在于：一方面，在線部分能夠保證實(shí)時(shí)處理偵察所得的大量數(shù)據(jù)，獲得離線部分所需的概要信息；另一方面，由于離線部分不直接對(duì)海量數(shù)據(jù)進(jìn)行處理，因而同樣可以以較快的速度處理存儲(chǔ)于暫存數(shù)據(jù)庫中的概要信息，保證信號(hào)分選的實(shí)時(shí)性。

5 分選框架的實(shí)現(xiàn)

5.1 數(shù)據(jù)轉(zhuǎn)換

對(duì)數(shù)據(jù)進(jìn)行歸一化處理，并按參數(shù)空間位置將數(shù)據(jù)劃分至各個(gè)網(wǎng)格，計(jì)算每個(gè)網(wǎng)格的密度。

5.2 快照存儲(chǔ)

隨著數(shù)據(jù)轉(zhuǎn)換的不斷進(jìn)行，當(dāng)滿足一定時(shí)間條件時(shí)，將網(wǎng)格數(shù)據(jù)結(jié)構(gòu)以網(wǎng)格幀快照的形式存入暫存數(shù)據(jù)庫。本文采用固定時(shí)間間隔保存快照，即每到時(shí)間間隔t0的整數(shù)倍對(duì)網(wǎng)格數(shù)據(jù)結(jié)構(gòu)進(jìn)行一次保存，形成一個(gè)網(wǎng)格幀。

5.3 尋找待分選數(shù)據(jù)集

設(shè)當(dāng)前時(shí)刻為tc，要分選過去時(shí)間范圍h內(nèi)的偵察數(shù)據(jù)，即位于時(shí)間段ta～tc范圍內(nèi)的偵察數(shù)據(jù)，其中ta=tc-h。通過即時(shí)保存和訪問暫存數(shù)據(jù)庫，可以得到兩個(gè)時(shí)刻的網(wǎng)格幀，一個(gè)是即時(shí)保存的tc時(shí)刻網(wǎng)格幀，另一個(gè)是訪問暫存數(shù)據(jù)庫中ta時(shí)刻的網(wǎng)格幀。計(jì)算這兩個(gè)時(shí)刻的網(wǎng)格幀差，即可以得到待分選的數(shù)據(jù)集，得到的待分選數(shù)據(jù)集本質(zhì)上也是一個(gè)網(wǎng)格幀。通過上節(jié)分析可知，并不是每個(gè)時(shí)刻都有網(wǎng)格幀被保存，因此tc和h的設(shè)定要滿足一定條件，即要保證tc和h是快照存儲(chǔ)時(shí)間間隔的整數(shù)倍，只有這樣才能保證暫存數(shù)據(jù)庫中存有時(shí)刻在ta的網(wǎng)格幀，顯然，在信號(hào)分選中，這個(gè)條件是很容易滿足的。

5.4 分選實(shí)現(xiàn)

利用網(wǎng)格密度聚類算法對(duì)指定時(shí)間段內(nèi)的數(shù)據(jù)集形成的網(wǎng)格幀進(jìn)行分選。該聚類算法每一次聚類都首先從數(shù)據(jù)空間中尋找一個(gè)密集網(wǎng)格U0，按照廣度優(yōu)先搜索原則完成聚類。搜索算法以U0為本次聚類的起始點(diǎn)，依次訪問未被訪問且與U0密度可達(dá)的網(wǎng)格U1，U2，…，Ui，然后再順序訪問所有與網(wǎng)格Ui（i=1，2，3，…，i）密度可達(dá)且未被訪問的網(wǎng)格，當(dāng)不再有密度可達(dá)的網(wǎng)格被發(fā)現(xiàn)時(shí)，則將所有密度可達(dá)網(wǎng)格聚成一類，即完成了一個(gè)聚類。算法繼續(xù)以未被訪問的密集網(wǎng)格為初始點(diǎn)重復(fù)上述過程，直到所有密集網(wǎng)格均完成聚類。

6 仿真實(shí)驗(yàn)及結(jié)果分析

實(shí)驗(yàn)采用的測(cè)試平臺(tái)為Intel CPU Q8200，3GB內(nèi)存，操作系統(tǒng)為Windows XP，仿真軟件為Matlab 7.0。通過計(jì)算機(jī)形成脈沖描述字?jǐn)?shù)列（PDW），用來模擬接收機(jī)輸出的偵察數(shù)據(jù)流。接收機(jī)輸出的PDW描述輻射源類型的特征參數(shù)主要有TOA、DOA、RF、PW、PA以及PM等，針對(duì)參數(shù)特點(diǎn)及分選需要，本文將偵察數(shù)據(jù)流中最穩(wěn)定的3個(gè)參數(shù)DOA、RF、PW作為特征參數(shù)，構(gòu)成一個(gè)具有三維屬性信息的特征空間，以此空間作為信號(hào)分選的參數(shù)空間。

密度閾值ε的作用是濾除噪聲脈沖，在信號(hào)分選過程中，由于噪聲脈沖的個(gè)數(shù)遠(yuǎn)遠(yuǎn)少于真實(shí)雷達(dá)脈沖個(gè)數(shù)，因此噪聲形成的網(wǎng)格密度也會(huì)遠(yuǎn)遠(yuǎn)小于信號(hào)數(shù)據(jù)形成的網(wǎng)格密度，也就是說密度閾值ε的設(shè)定有很大的浮動(dòng)空間，本文設(shè)定ε為待分選脈沖個(gè)數(shù)與網(wǎng)格個(gè)數(shù)之比，即網(wǎng)格的平均密度。

本文采用動(dòng)態(tài)信號(hào)分選框架，對(duì)偵察數(shù)據(jù)流進(jìn)行分選，實(shí)驗(yàn)證明，每一維劃分的網(wǎng)格數(shù)m為40時(shí)，能夠取得比較好的分選效果。實(shí)驗(yàn)選用的雷達(dá)類型、數(shù)目、存在時(shí)間以及特征參數(shù)值如表1所示。

表1 偵察數(shù)據(jù)信息表Table 1 The information of the reconnaissance data

實(shí)驗(yàn)1：針對(duì)表1數(shù)據(jù)，測(cè)試快照存儲(chǔ)時(shí)間間隔t0對(duì)在線部分的時(shí)間消耗的影響，實(shí)驗(yàn)結(jié)果如圖2所示。

圖2 在線部分時(shí)間消耗Fig.2 The time consumption of the online part

實(shí)驗(yàn)結(jié)果表明，隨著快照存儲(chǔ)時(shí)間間隔t0的減小，在線部分時(shí)間消耗增加，因此為了滿足信號(hào)分選實(shí)時(shí)性，應(yīng)該合理設(shè)置快照存儲(chǔ)時(shí)間間隔。大量實(shí)驗(yàn)表明，按照本次實(shí)驗(yàn)計(jì)算機(jī)的性能，快照存儲(chǔ)時(shí)間間隔取0.5ms時(shí)，可以滿足雷達(dá)信號(hào)分選實(shí)時(shí)性的需要。

實(shí)驗(yàn)2：tc=3 s、h=2.5 s、t0=0.5ms時(shí)，采用動(dòng)態(tài)信號(hào)分選框架分選表1中偵察數(shù)據(jù)流，聚類結(jié)果如表2所示。

實(shí)驗(yàn)3：tc=4.5 s、h=3 s、t0=0.5ms時(shí)，采用動(dòng)態(tài)信號(hào)分選框架分選表1中偵察數(shù)據(jù)流，聚類結(jié)果如表2所示。

表2 聚類分選準(zhǔn)確率Table 2 The accuracy of cluster-sorting

實(shí)驗(yàn)2和3結(jié)果表明，本文提出的動(dòng)態(tài)信號(hào)分選框架能夠有效地實(shí)現(xiàn)對(duì)偵察數(shù)據(jù)流中任意時(shí)間段內(nèi)的數(shù)據(jù)進(jìn)行分選，且無需先驗(yàn)知識(shí)，對(duì)噪聲有很好的屏蔽作用，分選準(zhǔn)確率較高。

為了進(jìn)一步驗(yàn)證動(dòng)態(tài)信號(hào)分選框架的有效性，本文分別使用文獻(xiàn)［3］和文獻(xiàn)［5］中的方法處理實(shí)驗(yàn)3的分選數(shù)據(jù)集，其中文獻(xiàn)［3］是在選定合適容差的前提下進(jìn)行的，文獻(xiàn)［5］是在獲得最佳SVC分選參數(shù)的條件下進(jìn)行的。3種方法的仿真結(jié)果對(duì)比如表3所示。

表3 分選結(jié)果對(duì)比Table 3 The comparison of sorting result

實(shí)驗(yàn)結(jié)果表明，本文方法的分選準(zhǔn)確率比文獻(xiàn)［3］高17.1%，只比文獻(xiàn)［5］低0.9%；而在分選實(shí)時(shí)性方面，本文提出的動(dòng)態(tài)信號(hào)分選框架占有絕對(duì)優(yōu)勢(shì)。文獻(xiàn)［3］方法由于對(duì)噪聲數(shù)據(jù)敏感而分選準(zhǔn)確率較低，文獻(xiàn)［5］方法具有較高的分選準(zhǔn)確率，但該方法計(jì)算復(fù)雜，性能遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)時(shí)處理的需要。因此，本文方法的綜合性能最優(yōu)。

7 結(jié)束語

雷達(dá)偵察接收機(jī)是以動(dòng)態(tài)數(shù)據(jù)流的形式輸出偵察數(shù)據(jù)，而目前的信號(hào)分選方法都是建立在靜態(tài)數(shù)據(jù)的基礎(chǔ)上，難以滿足信號(hào)分選實(shí)時(shí)性的需要。本文提出了一種動(dòng)態(tài)信號(hào)分選框架，該框架基于數(shù)據(jù)流聚類算法，能夠?qū)崿F(xiàn)對(duì)任意時(shí)間段的偵察數(shù)據(jù)進(jìn)行聚類分選，分選效率較高，在一定程度上解決了信號(hào)分選中準(zhǔn)確性與實(shí)時(shí)性的矛盾問題，是對(duì)雷達(dá)信號(hào)實(shí)時(shí)分選的一種新探索。

［1］何明浩.雷達(dá)對(duì)抗信息處理［M］.北京：清華大學(xué)出版社，2010：8-9. HEMing-hao.Radar ECM Information Processing［M］.Beijing：Tsinghua University Press，2010：8-9.（in Chinese）

［2］Milojevic D J，Popovic BM.Improved Algorithm for Deinterleaveing of Radar Pulses［J］.IEE Proceedings，1992，139（1）：98-104.

［3］祝正威.雷達(dá)信號(hào)的聚類分選方法［J］.電子對(duì)抗技術(shù)，2005（3）：6-10. ZHUZheng-wei.Clustering SortingMethod ofRadar Signa［J］. ElectronicWarfare Technology，2005（3）：6-10.（in Chinese）

［4］郭杰，陳軍文.一種處理未知雷達(dá)信號(hào)的聚類分選方法［J］.系統(tǒng)工程與電子技術(shù)，2006，28（6）：853-856. GUO Jie，CHEN Wen-jun.Clustering approach for deinterleaving unknown radar signals［J］.Systems Engineering and Electronics，2006，28（6）：853-856.（in Chinese）

［5］國強(qiáng)，王常虹，李崢.支持向量聚類聯(lián)合類型熵識(shí)別的雷達(dá)信號(hào)分選方法［J］.西安交通大學(xué)學(xué)報(bào)，2010，44（8）：63-67. GUOQiang，WANG Chang-hong，LIZheng.Support Vector Clustering and Type-Entropy Based on Radar Signal Sorting Method［J］.Journal of Xi′an Jiaotong University，2010，44（8）：63-67.（in Chinese）

［6］Guha S，Mishra N，Motwani R.Clustering data streams［C］／／Proceedings of the 41st IEEE Symposium on Foundations of Computer Science.［S.l.］：IEEE，2000：359-366.

ZHANGGuo-yiwas born in Changchun，Jilin Province，in 1965. He is now a professorwith the Ph.D.degree.His research interests include signal and information processing，electronic countermeasure.

王曉峰（1987—），男，河北承德人，碩士研究生，主要研究方向?yàn)槔走_(dá)信號(hào)處理、電子對(duì)抗。

WANG Xiao-feng was born in Chengde，Hebei Province，in 1987.He is now a graduate student.His research interests include radar signal processing and electronic countermeasure.

Email：wxf870516＠126.com

A Dynam ic Frame of Signal Sorting Based on Data Stream Clustering

ZHANGGuo-yi，WANGXiao-feng，ZHANGXu-zhou
（Department of Aviation Communication Counter，Aviation University of Air Force，Changchun 130022，China）

In order to solve the contradiction between the accuracy and the real-time in radar signal sorting，a dynamic signal sorting frame based on data stream clustering is proposed.The frame can be divided into two parts，or online part and offline part.In online part，the reconnaissance data is transformed and saved as grid frame.In offline part，the grid frame is sorted with the algorithm of grid-based clustering.Experimental results show that the proposed frame can sort the high density and complex reconnaissance data stream withoutany prior knowledge，and is not sensitive to the influence of noise.The requirement of accuracy and real-time in signal sorting can be satisfied with this frame.

radar signal sorting；data stream；grid-based clustering；real-time

TN957.5；TN97

A

10.3969／j.issn.1001-893x.2011.09.013

張國毅（1965—），男，吉林長春人，博士，教授，主要研究領(lǐng)域?yàn)樾盘?hào)與信息處理、電子對(duì)抗；

1001-893X（2011）09-0065-04

2011-03-30；

2011-06-07