一种新型灰关联分类器设计方法
【技术领域】
[0001] 本发明涉及电子对抗、信号识别、分类器设计领域，更具体地说，本发明涉及一种 新型灰关联分类器设计方法。
【背景技术】
[0002] 如今，随着反侦察、抗干扰技术的不断的完善，通信系统的复杂化和噪声的不断增 加，信号个体差异逐渐减小，传统的模版比对法已经难以完成对辐射源的个体识别任务。如 何在较低的不稳定的信噪比环境下实现对辐射源信号的识别和分类，分类器的设计和选择 变得非常重要。分类器设计的主要作用是，根据提取的信号特征，进行相应的判决，从而实 现对信号等对象的分类识别。利用灰色关联分类器来对提取到的信号特征进行分类，通过 对不同的调制信号的低信噪比下的识别结果，来判断算法的特征提取性能，验证改进算法 的有效性。
[0003] 传统的灰色关联分析以部分特征已知、部分特征未知、样本小的不确定信号为研 究对象，提取有利信息，实现对信号的识别分类。在此基础上又改进了一批新型的关联程度 分析方法。如自适应熵权灰色关联度、广义绝对关联度、T型关联度、灰色斜率关联度。
[0004] 新型的几种典型的关联度模型是邓氏关联度、广义绝对关联度、T型关联度、灰色 斜率关联度。但是，目前已有的各种模型大多不是很理想，往往不满足灰色关联四公理所规 定的约束条件。邓氏关联度和广义绝对关联度利用位移差反映了两序列间发展过程或量级 的相近性。对于传统邓氏灰关联分类器，抗噪能力相对较差，在较低信噪比条件下，就难以 达到识别的效果;T型关联度利用速度比反应两序列发展趋势，斜率关联度则是利用速度差 反映两序列发展趋势或曲线形状的相似性，然而原始数据的无量纲化的过程实际上是改变 了曲线的比例，因此斜率关联度不满足规范性;B型关联度则综合利用了位移差、速度差、加 速度差来反映两序列曲线的相近性和相似性，侧重于总体分析。并且以上各种模型对于加 载信噪比的信号的识别率并不高。
【发明内容】
[0005] 本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提出了一种新型的 灰关联理论的分类器设计方法，通过计算更改初值像的计算方法，来缩小信号特征间的不 稳定性，并通过加强分辨系数的约束性，来实现在不同的信噪比下对信号进行准确识别的 目的。
[0006] 为了实现上述技术目的，根据本发明，提供了一种新型灰关联分类器设计方法，包 括:第一步骤:利用灰色关联算法设计灰关联分类器;第二步骤:对系统的行为各序列的初 值像进行归一化和均值化，针对不同的信号赋予不同的分辨系数，从而利用自适应分辨系 数来加强对分辨系数的约束能力。
[0007] 优选地，所述第一步骤包括：
[0008] 首先，计算系统的行为各序列的初值像X ' i:
[0010]其中，i = 0，l，2,…，m表示数据库中已知待比较信号的类别，η表示信号特征的个 数；
[0011]其次，计算差值序列：
[0012] Axi(k)=x，o(k)_x，i(k)，Δχ?=(Δχ?(1)，Δχ?(2)，···，Axi(n))，i = l，2，..，m
[0013] 其中，k = l，2,…，n表示信号的第k个特征。
[0014]再次，计算差值序列的最大差Μ与最小差m:
[0020]优选地，所述第二步骤包括：
[0021 ] 对所述初值像X ' i进行如下处理：
[0023]其中，巧表示序列的均值，1 = 0，1，2，一，!11表示数据库中已知待比较信号的类别，11 表示信号特征的个数；
[0024]对所述分辨系数P进行如下处理：
[0025]计算所有差值绝对值的均值Δ v:
[0034]然后将分辨系数P带入下述公式，并结合拉格朗日中值定理来稳定对关联系数的 求取，得到新的关联系数γ Ql (k)的求解：
[0036] 由此计算出序列之间的关联度值γ 〇1。
[0037] 总之，鉴于以往的相关研究中存在有上述不足之处，本发明针对不同信噪比环境 下产生的信号，提出一种新型自适应灰关联分类器设计算法，利用初值像的均值化加强对 加载信噪比的信号归一化，且加强对分辨系数的约束、合理化，从而改变关联系数，提高分 类器的自适应能力，达到不同信噪比下对信号进行准确识别的目的。
【附图说明】
[0038] 结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解 并且更容易地理解其伴随的优点和特征，其中：
[0039]图1示意性地示出了根据本发明优选实施例的新型灰关联分类器设计方法的流程 图。
[0040] 图2示意性地示出了根据现有技术的灰色关联算法的识别率。
[0041] 图3示意性地示出了根据本发明优选实施例的改进的灰色关联算法的识别率。
[0042] 需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可 能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
【具体实施方式】
[0043]为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内 容进行详细描述。
[0044]本发明加强了灰色关联分类器的规范化和自适应能力，首先提出普通灰色关联分 类器的设计方法。再对其初值像进行归一化和均值化，以及加强对分辨系数的约束能力。最 后，可利用熵权算法对其自适应能力进行改进，提出新型灰色关联分类器的技术方法。 [0045]灰色关联理论的基础思想是，对一个系统的变化及发展态势进行定量描述和比较 的方法。假设系统的行为序列为：
[0046] Χ〇= (χ〇(1) ,χ〇(2), ··· ,χο(η))
[0047] Χι = (χι(1) ,χι(2), ··· ,χι(η))
[0048] ......
[0049] Χι = (χ?(1) ,χι(2), ··· ,χ?(η))
[0050] ......
[0051] Xm= (Xm(l)，Xm(2)，···，Xm(n) ) (1)
[0052] 其中，Xo代表参考序列，即待识别信号，代表比较序列，其中，i = 0，l， 2，…，m表示数据库中已知待比较信号的类别，η表示信号特征的个数。
[0053]令：
[0056] 其中，定义pe(〇，l)为分辨系数，通常取值为0.5。γ (Xo，Xi)称为Xo与Xi的灰色关 联度，常简记为γ Ql，k点关联系数γ (x〇(k)，Xl(k))简记为γ Ql(k)。
[0057] 由于通信环境的复杂性，以及各种各样噪声的存在，导致提取到的特征波动性较 大，以及难以用统一的关联系数来表达。所以很难用普通灰色关联算法来进行分类，因此， 本发明提出利用新型灰关联进行识别。
[0058] 相对于普通灰色关联算法，本发明能准确确定一个初值像。本发明利用综合均值 化的初值像、自适应分辨系数，从而提升了关联系数的自适应能力和约束能力，提高分类器 的自适应能力。对不同信噪比下具有波动性的信号有着较好的识别能力。同时对于应用关 联系数求解灰色关联度具有显著提效。
[0059] 图1示意性地示出了根据本发明优选实施例的新型