主权项 |
基于数据挖掘的被动雷达信号分选关联权重计算方法,其特征在于:Step1 对K个目标中每个目标k的T个周期的被动辐射源信息进行大样本存储;每个周期的数据包括以下辐射源信号特征参数:到达方向DOA、脉冲宽度PW、重复周期PRI、信号载频RF;Step2 对某目标k的T个周期辐射源信号特征参数指标建立目标信号样本矩阵A;<img file="FDA0000745731940000018.GIF" wi="146" he="74" />表示第k个目标的第i个周期的辐射源描述字,其中k=1,2,…,K,i=1,2,…,T,j=1,2,…,N分别对应到达方向DOA、脉冲宽度PW、重复周期PRI、信号载频RF参数;信号样本矩阵A:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>A</mi><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><mrow><msup><msub><mi>EDW</mi><mn>1</mn></msub><mi>k</mi></msup></mrow></mtd></mtr><mtr><mtd><mrow><msup><msub><mi>EDW</mi><mn>2</mn></msub><mi>k</mi></msup></mrow></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mrow><msup><msub><mi>EDW</mi><mi>T</mi></msub><mi>k</mi></msup></mrow></mtd></mtr></mtable></mfenced><mo>=</mo><msub><mfenced open = '[' close = ']'><mtable><mtr><mtd><mrow><msubsup><mi>DOA</mi><mn>1</mn><mi>k</mi></msubsup></mrow></mtd><mtd><mrow><msubsup><mi>PW</mi><mn>1</mn><mi>k</mi></msubsup></mrow></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>X</mi><mn>1</mn><mi>k</mi></msubsup></mtd></mtr><mtr><mtd><mrow><msubsup><mi>DOA</mi><mn>2</mn><mi>k</mi></msubsup></mrow></mtd><mtd><mrow><msubsup><mi>PW</mi><mn>2</mn><mi>k</mi></msubsup></mrow></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>X</mi><mtext>2</mtext><mi>k</mi></msubsup></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mrow><msubsup><mi>DOA</mi><mi>A</mi><mi>k</mi></msubsup></mrow></mtd><mtd><mrow><msubsup><mi>PW</mi><mi>T</mi><mi>k</mi></msubsup></mrow></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>X</mi><mtext>T</mtext><mi>k</mi></msubsup></mtd></mtr></mtable></mfenced><mrow><mi>T</mi><mo>×</mo><mi>N</mi></mrow></msub></mrow>]]></math><img file="FDA0000745731940000011.GIF" wi="1110" he="386" /></maths>为方便计算,令<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>A</mi><mo>=</mo><msub><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>x</mi><mn>11</mn></msub></mtd><mtd><msub><mi>x</mi><mn>12</mn></msub></mtd><mtd><mo>...</mo></mtd><mtd><msub><mi>x</mi><mrow><mn>1</mn><mi>N</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>x</mi><mn>12</mn></msub></mtd><mtd><msub><mi>x</mi><mn>22</mn></msub></mtd><mtd><mo>...</mo></mtd><mtd><msub><mi>x</mi><mrow><mn>2</mn><mi>N</mi></mrow></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>x</mi><mrow><mi>T</mi><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>x</mi><mrow><mi>T</mi><mn>2</mn></mrow></msub></mtd><mtd><mo>...</mo></mtd><mtd><msub><mi>x</mi><mrow><mi>T</mi><mi>N</mi></mrow></msub></mtd></mtr></mtable></mfenced><mrow><mi>T</mi><mo>×</mo><mi>N</mi></mrow></msub></mrow>]]></math><img file="FDA0000745731940000012.GIF" wi="707" he="383" /></maths>Step3 针对目标k的目标信号样本矩阵A,采用以下改进信息熵法计算,确定第k个目标第j项指标的权重<img file="FDA0000745731940000013.GIF" wi="107" he="100" /><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msubsup><mi>w</mi><mi>j</mi><mi>k</mi></msubsup><mo>=</mo><mfrac><msubsup><mi>g</mi><mi>j</mi><mi>k</mi></msubsup><mrow><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msubsup><mi>g</mi><mi>j</mi><mi>k</mi></msubsup></mrow></mfrac><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>N</mi><mo>;</mo><mi>k</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>K</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000745731940000014.GIF" wi="1334" he="267" /></maths>Step4 针对第一个目标,计算权重向量:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msup><mi>W</mi><mn>1</mn></msup><mo>=</mo><msup><mrow><mo>(</mo><msubsup><mi>w</mi><mn>1</mn><mn>1</mn></msubsup><mo>,</mo><msubsup><mi>w</mi><mn>2</mn><mn>1</mn></msubsup><mo>,</mo><mo>...</mo><mo>,</mo><msubsup><mi>w</mi><mi>N</mi><mn>1</mn></msubsup><mo>)</mo></mrow><mi>T</mi></msup></mrow>]]></math><img file="FDA0000745731940000015.GIF" wi="555" he="95" /></maths>Step5 并将方法应用于计算第二个目标的关联权重,执行步骤Step2~Step3,得到:<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msup><mi>W</mi><mn>2</mn></msup><mo>=</mo><msup><mrow><mo>(</mo><msubsup><mi>w</mi><mn>1</mn><mn>2</mn></msubsup><mo>,</mo><msubsup><mi>w</mi><mn>2</mn><mn>2</mn></msubsup><mo>,</mo><mo>...</mo><mo>,</mo><msubsup><mi>w</mi><mi>N</mi><mn>2</mn></msubsup><mo>)</mo></mrow><mi>T</mi></msup></mrow>]]></math><img file="FDA0000745731940000016.GIF" wi="570" he="94" /></maths>Step6 依次类推,获得第K个目标的权重向量:<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><msup><mi>W</mi><mi>K</mi></msup><mo>=</mo><msup><mrow><mo>(</mo><msubsup><mi>w</mi><mn>1</mn><mi>K</mi></msubsup><mo>,</mo><msubsup><mi>w</mi><mn>2</mn><mi>K</mi></msubsup><mo>,</mo><mo>...</mo><mo>,</mo><msubsup><mi>w</mi><mi>N</mi><mi>K</mi></msubsup><mo>)</mo></mrow><mi>T</mi></msup></mrow>]]></math><img file="FDA0000745731940000017.GIF" wi="602" he="95" /></maths>Step7 根据K个不同目标的初始关联权重矩阵W:<maths num="0007" id="cmaths0007"><math><![CDATA[<mrow><mi>W</mi><mo>=</mo><mfenced open='[' close=']'><mtable><mtr><mtd><msup><mi>W</mi><mn>1</mn></msup></mtd></mtr><mtr><mtd><msup><mi>W</mi><mn>2</mn></msup></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msup><mi>W</mi><mi>T</mi></msup></mtd></mtr></mtable></mfenced><mo>=</mo><msub><mfenced open='[' close=']'><mtable><mtr><mtd><msubsup><mi>w</mi><mn>1</mn><mn>1</mn></msubsup></mtd><mtd><msubsup><mi>w</mi><mn>2</mn><mn>1</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>w</mi><mi>N</mi><mn>1</mn></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>w</mi><mn>1</mn><mn>2</mn></msubsup></mtd><mtd><msubsup><mi>w</mi><mn>2</mn><mn>2</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>w</mi><mi>N</mi><mn>2</mn></msubsup></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msubsup><mi>w</mi><mn>1</mn><mi>K</mi></msubsup></mtd><mtd><msubsup><mi>w</mi><mn>2</mn><mi>K</mi></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>w</mi><mi>N</mi><mi>T</mi></msubsup></mtd></mtr></mtable></mfenced><mrow><mi>T</mi><mo>×</mo><mi>N</mi></mrow></msub></mrow>]]></math><img file="FDA0000745731940000021.GIF" wi="912" he="387" /></maths>通过公式(6):<maths num="0008" id="cmaths0008"><math><![CDATA[<mrow><msubsup><mi>w</mi><mi>j</mi><mo>*</mo></msubsup><mo>=</mo><mfrac><mrow><munderover><mo>Σ</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msubsup><mi>w</mi><mi>j</mi><mi>k</mi></msubsup></mrow><mrow><munderover><mo>Σ</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msubsup><mi>w</mi><mi>j</mi><mi>k</mi></msubsup></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000745731940000022.GIF" wi="1204" he="346" /></maths>计算得到各辐射源特征参数权重,得到关联权重向量:<img file="FDA0000745731940000023.GIF" wi="584" he="94" />Step8 将该权重矩阵<img file="FDA0000745731940000024.GIF" wi="552" he="122" />应用于原K个目标不同周期内辐射源特征参数的点与目标关联一致性效果检验,若满足一致性则获得最终关联权重向量;若不满足一致性则采取以该权重向量为基础进行人工微调的冲突消解策略,直至满足一致性为止,得到最终关联权重向量。 |