劉 濤 宋 濤 歐迎春 施富強(qiáng)

中國(guó)電子科技集團(tuán)公司第二十九研究所 四川成都 610036

未來(lái)海戰(zhàn)場(chǎng)中各種艦船上雷達(dá)種類(lèi)眾多，同時(shí)還存在各種通信信號(hào)、民船導(dǎo)航信號(hào)等密集背景信號(hào)，如何在復(fù)雜的電磁環(huán)境中成功分選并精確定位目標(biāo)雷達(dá)成為電子偵察領(lǐng)域亟待解決的問(wèn)題。傳統(tǒng)信號(hào)分選識(shí)別算法主要是利用先驗(yàn)電磁情報(bào)信息進(jìn)行信號(hào)分選，這種方法高度依賴(lài)先驗(yàn)情報(bào)信息，同時(shí)在復(fù)雜電磁環(huán)境下容易受雜散信號(hào)影響，無(wú)法有效識(shí)別目標(biāo)雷達(dá)。本文對(duì)復(fù)雜電磁環(huán)境下目標(biāo)分選技術(shù)進(jìn)行研究，提出一種基于位置聚類(lèi)的分選算法，在無(wú)先驗(yàn)情報(bào)信息條件下能夠有效剔除雜散信號(hào)，獲得目標(biāo)雷達(dá)的電磁情報(bào)信息和精確定位結(jié)果。本文第二部分分析目標(biāo)特性，選擇合適的聚類(lèi)算法，第三部分介紹原理及實(shí)現(xiàn)途徑，第四部分給出仿真驗(yàn)證結(jié)果及評(píng)價(jià)。

1 目標(biāo)特性分析與聚類(lèi)算法選擇

本技術(shù)的難點(diǎn)在于如何在無(wú)先驗(yàn)情報(bào)信息的條件下，從復(fù)雜電磁環(huán)境中自適應(yīng)準(zhǔn)確提取目標(biāo)雷達(dá)信息。傳統(tǒng)基于電磁參數(shù)分選算法無(wú)法適應(yīng)這種場(chǎng)景，因此本文擬利用位置信息進(jìn)行聚類(lèi)分選，并統(tǒng)計(jì)分選結(jié)果電磁參數(shù)特性，再根據(jù)統(tǒng)計(jì)結(jié)果進(jìn)一步開(kāi)展自適應(yīng)分選，準(zhǔn)確分選出目標(biāo)雷達(dá)信息。

受信號(hào)功率起伏、相位噪聲等因素影響，信號(hào)位置在時(shí)域上可能呈現(xiàn)任意形狀的隨機(jī)分布，典型分布見(jiàn)圖1，同時(shí)由于無(wú)先驗(yàn)情報(bào)信息，無(wú)法預(yù)知聚類(lèi)生成的簇?cái)?shù)。此外信號(hào)中摻雜大量雜散信號(hào)，因此擬選用的聚類(lèi)算法應(yīng)具備有效剔雜能力。

圖1 典型信號(hào)位置信息分布情況

分析典型聚類(lèi)算法，主要包括劃分式聚類(lèi)、層次聚類(lèi)、基于網(wǎng)格的聚類(lèi)、基于模型的聚類(lèi)、基于密度的聚類(lèi)等算法等[1]，各算法分析如下：

1.1 劃分式聚類(lèi)

采用一種迭代的重定位技術(shù)進(jìn)行元素劃分的聚類(lèi)算法，這種算法無(wú)法剔除雜散數(shù)據(jù)，需預(yù)先指定聚類(lèi)生成簇?cái)?shù)，穩(wěn)定性較差，典型算法有K-means、K-mediod等算法[2-3]。

1.2 層次聚類(lèi)

基于層次自底向上合并或自頂向下分裂的聚類(lèi)算法，這種算法無(wú)法剔除雜散數(shù)據(jù)，穩(wěn)定性較差，典型算法有BIRCH、CURE、ROCK等算法[4]。

1.3 基于網(wǎng)格聚類(lèi)

基于網(wǎng)格單元量化特性迭代聚類(lèi)的算法，這種算法無(wú)需預(yù)設(shè)生成簇?cái)?shù)，穩(wěn)定性良好，但只能發(fā)現(xiàn)邊界是水平或垂直的簇，剔雜能力一般，典型算法有STING、WaveCluster、CLIQUE等算法[5]。

1.4 基于模型的聚類(lèi)

基于模型尋找最佳擬合的聚類(lèi)算法，這種算法剔除雜散能力和穩(wěn)定性良好，需預(yù)設(shè)生成簇?cái)?shù)，對(duì)模型依賴(lài)較強(qiáng)，算法復(fù)雜，典型算法有EM、COBWEB、SOM等算法[6]。

1.5 基于密度聚類(lèi)

根據(jù)區(qū)域數(shù)據(jù)分布密度情況，持續(xù)將鄰近高密度區(qū)域進(jìn)行合并的聚類(lèi)算法，這種算法無(wú)須預(yù)設(shè)生成簇?cái)?shù)，剔除雜散能力和穩(wěn)定性良好，可以發(fā)現(xiàn)任意形狀的簇，非常適用于雷達(dá)信號(hào)定位聚類(lèi)，典型算法有DBSCAN、OPTICS、DENCLUE等算法[7]。

各種聚類(lèi)算法性能比對(duì)情況見(jiàn)表1，分析擬采用的聚類(lèi)算法能力需求：無(wú)須預(yù)設(shè)生成簇?cái)?shù)、具備良好剔雜能力、適應(yīng)任意形狀分布、穩(wěn)定性好。綜合評(píng)估可知，基于密度的聚類(lèi)算法最為適用。從算法復(fù)雜度、聚類(lèi)實(shí)時(shí)性和可擴(kuò)展性等方面考慮，本文采用DBSCAN聚類(lèi)算法，該算法已被廣泛應(yīng)用于電子商務(wù)、地理預(yù)測(cè)、通信系統(tǒng)等領(lǐng)域，具備良好應(yīng)用基礎(chǔ)。

表1 各類(lèi)聚類(lèi)算法針對(duì)雷達(dá)信號(hào)聚類(lèi)適用性比對(duì)情況

2 原理及實(shí)現(xiàn)途徑

本技術(shù)的原理為通過(guò)基于DBSCAN算法的位置聚類(lèi)剔除大部分雜散信號(hào)，得到若干個(gè)含少量雜散信號(hào)的目標(biāo)雷達(dá)信號(hào)集，再通過(guò)電磁參數(shù)統(tǒng)計(jì)結(jié)果自適應(yīng)剔除與目標(biāo)雷達(dá)位置相近的剩余雜散信號(hào)，綜合處理得到準(zhǔn)確的目標(biāo)雷達(dá)電磁情報(bào)信息和定位信息。

基于DBSCAN算法的目標(biāo)分選識(shí)別技術(shù)流程見(jiàn)圖2，涉及定義如下：

圖2 基于DBSCAN算法的目標(biāo)分選識(shí)別技術(shù)流程

核心元素：如果元素Xj的-鄰域包含大于Minpts個(gè)元素，則稱(chēng)元素Xj為核心元素。

密度可達(dá)：如果存在一個(gè)元素鏈X1，X2，Xi，Xi+1，…，Xn，X1=q，Xn=p，若Xi+1從Xi出發(fā)直接密度可達(dá)，則稱(chēng)元素p是從元素q關(guān)于和Minpts密度可達(dá)的。

密度相連：若集合D中存在一個(gè)元素o，使得元素p和q借助o作為“跳板”密度可達(dá)，那么元素p和q是密度相連。

本技術(shù)實(shí)施途徑包括基于DBSCAN算法聚類(lèi)分選和電磁參數(shù)統(tǒng)計(jì)自適應(yīng)分選兩部分，步驟如下：

(2)合并核心元素：將所有密度可達(dá)或密度相連的核心元素標(biāo)記同一簇序號(hào)，否則為不同簇序號(hào)；

(4)電磁參數(shù)直方統(tǒng)計(jì)：依次遍歷所有簇，將每個(gè)簇中元素按照頻率、脈寬等參數(shù)進(jìn)行直方統(tǒng)計(jì)；

(5)剔除統(tǒng)計(jì)無(wú)效元素：遍歷頻率、脈寬等直方統(tǒng)計(jì)結(jié)果，若某直方內(nèi)包含元素個(gè)數(shù)大于自適應(yīng)分選門(mén)限(最大直方的25%)，則認(rèn)為該直方內(nèi)元素有效，否則認(rèn)為無(wú)效；

(6)歸并元素及定位：頻率、脈寬等直方統(tǒng)計(jì)均有效的元素標(biāo)記為通過(guò)分選元素，歸并同一簇內(nèi)通過(guò)分選元素，可以得到目標(biāo)雷達(dá)電磁情報(bào)信息和定位結(jié)果。

3 仿真結(jié)果及評(píng)價(jià)

模擬三部雷達(dá)信號(hào)和雜散信號(hào)同時(shí)存在的場(chǎng)景，三部雷達(dá)和雜散信號(hào)電磁參數(shù)聚類(lèi)處理前在時(shí)域上的分布見(jiàn)圖3-1，這些信號(hào)在電磁參數(shù)上相互混疊，傳統(tǒng)信號(hào)分選算法無(wú)法在如此復(fù)雜電磁環(huán)境下分選定位目標(biāo)雷達(dá)，利用本技術(shù)進(jìn)行仿真處理如下。

3.1 基于DBSCAN算法聚類(lèi)分選

聚類(lèi)處理后得到3個(gè)聚類(lèi)目標(biāo)，由于雜散信號(hào)遍布區(qū)域內(nèi)，信號(hào)聚類(lèi)未能將雜散信號(hào)完全剔除，3個(gè)聚類(lèi)目標(biāo)中均包含少量雜散信號(hào)，聚類(lèi)處理后結(jié)果詳見(jiàn)圖3-2。

3.2 電磁參數(shù)統(tǒng)計(jì)自適應(yīng)分選

分別對(duì)3個(gè)聚類(lèi)目標(biāo)的頻率、脈寬進(jìn)行直方統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果根據(jù)自適應(yīng)門(mén)限進(jìn)一步進(jìn)行分選，雜散信號(hào)電磁參數(shù)統(tǒng)計(jì)結(jié)果均無(wú)法滿足分選閾值，自適應(yīng)分選能夠有效剔除剩余雜散信號(hào)，詳見(jiàn)圖4。歸并統(tǒng)計(jì)后的電磁參數(shù)信息，得到三部雷達(dá)的電磁情報(bào)信息詳見(jiàn)表2。通過(guò)聚類(lèi)分選和電磁參數(shù)統(tǒng)計(jì)，自適應(yīng)分選效果良好，詳見(jiàn)圖3-3。

圖3-1 原始數(shù)據(jù)分布 圖3-2 DBSCAN聚類(lèi)結(jié)果 圖3-3 直方統(tǒng)計(jì)分選結(jié)果圖3 聚類(lèi)處理前后電磁參數(shù)及位置分布比對(duì)情況

圖4 聚類(lèi)目標(biāo)直方統(tǒng)計(jì)分析情況

表2 直方統(tǒng)計(jì)分選出電磁情報(bào)信息

結(jié)語(yǔ)

本算法摒棄了傳統(tǒng)的基于電磁參數(shù)的分選算法，實(shí)現(xiàn)在無(wú)先驗(yàn)情報(bào)信息條件下，從復(fù)雜電磁環(huán)境中準(zhǔn)確提取出目標(biāo)雷達(dá)電磁情報(bào)信息和定位信息，經(jīng)仿真驗(yàn)證效果良好，為復(fù)雜信號(hào)處理提供了一條行之有效的技術(shù)途徑，后續(xù)考慮對(duì)DBSCAN聚類(lèi)算法進(jìn)行優(yōu)化，提高聚類(lèi)分選效率。