基于数据挖掘的被动雷达信号分选关联权重计算方法

摘要

本发明涉及一种基于数据挖掘的被动雷达信号分选关联权重计算方法。该方法通过不同目标不同周期被动雷达辐射源信息的大样本存储，基于到达方向DOA、脉冲宽度PW、重复周期PRI、信号载频RF等辐射源信号特征参数，建立目标信号样本矩阵；针对矩阵采用改进信息熵法计算获得参数初始权重矩阵，然后加权计算得到权重向量；最后将该权重向量进行关联检验，并提出冲突消解策略。通过采用本发明所述的方法，基于大样本数据，可增强权重的可信性；创新运用改进信息熵法进行关联权重计算，可提高权重的科学性；同时基于初始权重矩阵获取关联权重，消除不一致；通过关联验证，提高适用性。该方法为被动雷达信号分选提供方法支撑，并可推广到雷达数据处理领域。

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；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：$A=\left[\begin{array}{c}{{\mathrm{EDW}}_1}^k\\ {{\mathrm{EDW}}_2}^k\\ .\\ .\\ .\\ {{\mathrm{EDW}}_T}^k\end{array}\right]={\left[\begin{array}{cccc}{\mathrm{DOA}}_1^k& {\mathrm{PW}}_1^k& ...& X_1^k\\ {\mathrm{DOA}}_2^k& {\mathrm{PW}}_2^k& ...& X_{\text{2}}^k\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {\mathrm{DOA}}_A^k& {\mathrm{PW}}_T^k& ...& X_{\text{T}}^k\end{array}\right]}_{T\times N}$为方便计算，令$A={\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1N}\\ x_{12}& x_{22}& ...& x_{2N}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{T1}& x_{T2}& ...& x_{TN}\end{array}\right]}_{T\times N}$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$w_j^k=\frac{g_j^k}{\underset{j=1}{\overset{N}{\Sigma }}{g}_j^k},j=1,2,...,N;k=1,2,...,K---\left(5\right)$Step4  针对第一个目标，计算权重向量：$W^1={(w_1^1,w_2^1,...,w_N^1)}^T$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：$W^2={(w_1^2,w_2^2,...,w_N^2)}^T$Step6  依次类推，获得第K个目标的权重向量：$W^K={(w_1^K,w_2^K,...,w_N^K)}^T$Step7  根据K个不同目标的初始关联权重矩阵W：$W=\left[\begin{array}{c}{W}^1\\ W^2\\ .\\ .\\ .\\ W^T\end{array}\right]={\left[\begin{array}{cccc}{w}_1^1& w_2^1& ...& w_N^1\\ w_1^2& w_2^2& ...& w_N^2\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ w_1^K& w_2^K& ...& w_N^T\end{array}\right]}_{T\times N}$通过公式(6)：$w_j^{*}=\frac{\underset{k=1}{\overset{K}{\Sigma }}{w}_j^k}{\underset{k=1}{\overset{K}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}{w}_j^k}---\left(6\right)$计算得到各辐射源特征参数权重，得到关联权重向量：Step8  将该权重矩阵应用于原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。