一种基于类别合并的脉冲信号聚类分选方法
【专利摘要】一种基于类别合并的脉冲信号聚类分选方法，本发明涉及基于类别合并的脉冲信号聚类分选方法。本发明的目的是为了解决现有聚类结果中的类别数正确率低，类并合并后的聚类数目与真实信号数目不符的缺点。一种基于类别合并的脉冲信号聚类分选方法具体是按照以下步骤进行的：步骤一、确定初始聚类中心和分类距离；步骤二、得到新的聚类中心；步骤三、计算新的聚类中心之间是否满足信号特征；步骤四、将满足信号特征的聚类中心合并，完成类别合并的信号聚类分选。本发明用于信号处理领域。
【专利说明】
一种基于类别合并的脉冲信号聚类分选方法
技术领域
[0001] 本发明涉及基于类别合并的脉冲信号聚类分选方法。
【背景技术】
[0002] 经典的信号聚类分选算法是基于K均值聚类算法，而传统的K均值算法是用给定的 聚类中心完成信号的分选，那么聚类中心的选取很大程度决定了分类的类数和正确与否。 因此信号聚类算法一般采用的是改进的聚类算法，即选取先截获的脉冲信号参数为聚类中 心，根据欧几里德定理，判断后续脉冲信号应该单独成为新的聚类中心，还是应该划归到已 有的类里。但是存在的问题是这种聚类方法无法根据脉冲信号调制类型的不同而聚类，比 如：抖动信号的聚类中心的范围相较于常规信号的聚类中心范围要大，滑变信号的聚类中 心应该呈线性变化，导致聚类结果中的类别数正确率低，类并合并后的聚类数目与真实信 号数目不符。
【发明内容】
[0003] 本发明的目的是为了解决现有聚类结果中的类别数正确率低，类并合并后的聚类 数目与真实信号数目不符的缺点，而提出一种基于类别合并的脉冲信号聚类分选方法。
[0004] -种基于类别合并的脉冲信号聚类分选方法具体是按照以下步骤进行的：
[0005] 步骤一、确定初始聚类中心Cl1，dr-dn和分类距离D 1, Dr-Dn，Cl1为第一个类别的初 始聚类中心，d2为第二个类别的初始聚类中心，d n为第η个类别的初始聚类中心，DA第一个 类别的分类距离，D2为第二个类别的分类距离，D n为第η个类别的分类距离，η为正整数；
[0006] 步骤二、将雷达接收机接收到的数据点分别依次与初始聚类中心札山… 1计算欧几里德聚类距离，得到I ai-山I，其中，I Si Sm，I < j Sn，m为正整数；
[0007] 如果I ai-dj I彡Dj，则将数据点ai归为第dj个初始聚类中心，每个聚类中心对应一个 类别；
[0008] 如果I ai-dj I >Dj，则数据点ai不属于第dj个初始聚类中心，继续与大于dj并小于等 于1的初始聚类中心相比较，如果数据点ai不属于大于山并小于等于1的初始聚类中心，则 将数据Aa 1视为一个新的聚类中心；
[0009] 直到所有数据点ai，ar"am完成聚类分选，得到新的聚类中心d/，(!/…d/ ;
[0010] 步骤三、计算新的聚类中心之间是否满足信号特征；
[0011]步骤四、将满足信号特征的聚类中心合并，完成类别合并的信号聚类分选。
[0012] 本发明的有益效果为：
[0013] 本发明提出一种基于类别合并的脉冲信号聚类分选算法，相比于传统算法，本发 明利用类别合并的信号聚类分选算法将正常聚类后的信号进行类别合并，对聚类结束的各 个小类的聚类中心进行计算，如果符合一定的规律，则可以合并为同一个类别，这样做的好 处是可以提高聚类结果中的类别数正确率，使聚类结果中的类别数正确率从85%提高到 95%，从而使实际聚类中小类特点更加符合信号的变化规律，类并合并后的聚类数目与真 实信号数目相一致，使实际的聚类数目更接近于信号的真实数目，有利于后续信号的参数 提取和处理，解决了可能错误聚类及聚类数目多于实际信号数目的问题。
[0014] 输入数据为表1中的数据，分别用无合并的多参数聚类和有合并的多参数聚类对 其蒙特卡洛仿真，仿真结果如表3所示:仿真中除了本身信号的五对参数外，还混入了 12对 虚假脉冲，因此理应得到的分类数为17类，考虑到存在噪声干扰和抖动问题，可以将容差扩 为16-18类之间。从表3中可以看出有合并的多参数聚类法在1000次仿真中，有849次聚类数 目落在16-18之间，而无合并的多参数聚类法却有950次落在20-22之间，与正确类别数相差 很多，因此将相关的类别进行合并可以将聚类结果中的类别数正确率有效提高，证明了该 发明方法的优越性。
【附图说明】
[0015] 图1为本发明流程图；
[0016] 图2为RF与PW联合聚类分选抖动脉冲信号结果图。
【具体实施方式】
【具体实施方式】 [0017] 一:结合图1说明本实施方式，本实施方式的一种基于类别合并的脉 冲信号聚类分选方法具体是按照以下步骤进行的：
[0018] 步骤一、确定初始聚类中心cU，dr-dn和分类距离D1,Dr-D n，Cl1为第一个类别的初 始聚类中心，d2为第二个类别的初始聚类中心，d n为第η个类别的初始聚类中心，DA第一个 类别的分类距离，D2为第二个类别的分类距离，D n为第η个类别的分类距离，η为正整数；
[0019] 步骤二、将雷达接收机接收到的数据点ai，a2'"am分别依次与初始聚类中心札山… cU十算欧几里德聚类距离，得到I m-山I，其中，1彡i彡m，1彡j彡η，
[0020] 如果I ai-dj I彡Dj，则将数据点ai归为第dj个初始聚类中心，每个聚类中心对应一个 类别；
[0021 ]如果I ai-dj I >Dj，则数据点ai不属于第dj个初始聚类中心，继续与大于dj并小于等 于4的初始聚类中心相比较，如果不属于大于山并小于等于4的初始聚类中心，则将数据点 &1视为一个新的聚类中心，即d n+1;
[0022]直到所有数据点&1，^"完成聚类分选，!11为正整数，得到新的聚类中心(11 /，(12/··· d/ ;
[0023]步骤三、计算新的聚类中心之间是否满足信号特征；
[0024] 步骤四、将满足信号特征的聚类中心合并后，最后聚类的数目和范围更加接近真 实环境中信号的类别和实际数量，完成类别合并的信号聚类分选。
[0025] 【具体实施方式】二：本实施方式与【具体实施方式】一不同的是：所述步骤二中
?其中k为每个聚类中心的数据点个数，a。为每个聚 类中心包含的数据点，K c < k，k为正整数。
[0026] 其它步骤及参数与【具体实施方式】一相同。
[0027]【具体实施方式】三:本实施方式与【具体实施方式】一或二不同的是:所述步骤三中计 算新的聚类中心之间是否满足信号特征;具体过称为：
[0028] 对于抖动信号，如果新的聚类中心满足关系：|cu'-d/i彡α+ΔδΜ，则cu'、d/两 个聚类中心应合并为同一类别；
[0029] 其中，彡n，l彡j彡n，其中di'，dj'分别为d/，(!/…dr/中任意两个聚类中心，D 0 为阈值参数，△ δ为抖动量取0.01-0.03;阈值参数为人为设置，经验值。
[0030] 其它步骤及参数与【具体实施方式】一或二相同。
[0031]【具体实施方式】四：本实施方式与【具体实施方式】一至三之一不同的是：所述步骤三 中计算新的聚类中心之间是否满足信号特征;具体过称为：
[0032] 对于滑变信号，如果新的聚类中心满足关男
则(^'、(!/、山'三个聚 类中心应该合并为同一类别；
[0033] 其中，1彡1彡11，1彡」彡11，1彡1彡11，其中6，，山，，(11，分别为(11 /，(12/."(11/中任意三 个聚类中心，λ为任意实数。
[0034]其它步骤及参数与【具体实施方式】一至三之一相同。
[0035]【具体实施方式】五:本实施方式与【具体实施方式】一至四之一不同的是：所述步骤三 中计算新的聚类中心之间是否满足信号特征;具体过称为：
[0036] 对于参差信号，如果新的聚类中心满足关系
则cU'、d/两个聚类中 心应合并为同一类别；
[0037] 其中，1彡<11，1幻彡11，6'，(1」'分别为(11/，(1 2/~(11/中任意两个聚类中心，01为检 测参数，所述检测参数〇:为人为设置，经验值。
[0038] 其它步骤及参数与【具体实施方式】一至四之一相同。
[0039]采用以下实施例验证本发明的有益效果：
[0040] 实施例一：
[0041]本实施例一种基于类别合并的脉冲信号聚类分选方法具体是按照以下步骤制备 的：
[0042] 实验中采用的数据如表1所示:每部雷达二十组数据共一百组数据随机混合在一 起，分别对脉冲宽度PW加1.8ys的抖动和射频RF加1.8MHz的抖动量。在此基础上，又在信号 加入了多个虚假脉冲信号仿真出真实的信号环境。在最后的雷达脉冲数据上PW值加上均值 为Oys，方差为0.8ys的正态分布的测量误差，RF值加上均值为OMHz，方差为0.4MHz的正态分 布的测量误差。表2为聚类后参数中心值。
[0043] 表1雷达参数
[0045]步骤一、取雷达数据的头两个数据为初始聚类中心（20,25)和(62,38)以及分类距 离15和16,（20,25)是第一个类别的初始聚类中心，（62,38)是第二个类别的初始聚类中心， 15为第一个类别的分类距离，16为第二个类别的分类距离；
[0046] 步骤二、将雷达接收机接收到的数据点分别依次与初始聚类中心（20，25)和(62， 38)计算欧几里德聚类距离，得到Ia 1-山I，其中，3彡i彡112,1彡j彡2，
[0047] 如果I ai-dj I彡Dj，则将数据点ai归为第dj个初始聚类中心，每个聚类中心对应一个 类别；
[0048]如果I ai-dj I >Dj，则数据点ai不属于第dj个初始聚类中心，继续与大于dj并小于等 于4的初始聚类中心相比较，如果不属于大于山并小于等于4的初始聚类中心，则将数据点 &1视为一个新的聚类中心，即d n+1，直到所有数据点&1，&2-1完成聚类分选，!11为正整数，得 到新的聚类中心d/，(^ ···(!/ ;
[0049]
其中k为每个聚类中心的数据点个 数，a。为每个聚类中心包含的数据点，1彡c彡k，k为正整数；
[0050] 步骤四、计算新的聚类中心之间是否满足某种信号特征，
[0051 ] 对于抖动信号，如果新的聚类中心满足关系：I di ' -dj ' I彡（1+ Δ δ)Do，1彡i彡η，1彡 _]_彡11，其中么6取0.3,0()取16，其中6'，(1/分别为(11/，(1 2/'"(11/中任意两个聚类中心，则(^'、 山'两个聚类中心应该合并为同一类别；
[0052] 衷2聚类后参数中心倌
[0054]从图2中可以看出脉冲信号大致主要分为五类，'〇'代表脉冲信号，' + '代表聚类中 心，其他的一些是干扰信号和虚假脉冲。对于仿真中的抖动脉冲信号，从图2中可以看出在 聚类中心附近脉冲信号有较大的抖动，表2中聚类后的中心值相比于初始聚类中心存在一 定的偏差，如果虚假脉冲距离信号距离较近有可能会错分为一类或者信号抖动范围过大导 致信号中个别子脉冲被误为另一类，分选结果的精确程度和信号本身的变化形式有关，BP 信号的调制形式会影响到聚类中心从而影响聚类结果。
[0055]输入数据为表1中的数据，分别用无合并的多参数聚类和有合并的多参数聚类对 其蒙特卡洛仿真，仿真结果如表3所示：
[0056] 表3两种聚类方法结果的对比表
[0059]仿真分析:仿真中除了本身信号的五对参数外，还混入了 12对虚假脉冲，因此理应 得到的分类数为17类，考虑到存在噪声干扰和抖动问题，可以将容差扩为16-18类之间。从 表3中可以看出有合并的多参数聚类法在1000次仿真中，有849次聚类数目落在16-18之间， 而无合并的多参数聚类法却有950次落在20-22之间，与正确类别数相差很多，因此将相关 的类别进行合并可以将聚类结果中的类别数正确率有效提高，证明了该发明方法的优越 性。
[0060]本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域 技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于 本发明所附的权利要求的保护范围。
【主权项】
1. 一种基于类别合并的脉冲信号聚类分选方法，其特征在于：一种基于类别合并的脉 冲信号聚类分选方法具体是按照以下步骤进行的： 步骤一、确定初始聚类中心和分类距离以川广七^山为第一个类别的初始聚类 中心，d2为第二个类别的初始聚类中心，dn为第η个类别的初始聚类中心，0:为第一个类别的 分类距离，D2为第二个类别的分类距离，D n为第η个类别的分类距离，η为正整数； 步骤二、将雷达接收机接收到的数据点ai，a2^_am分别依次与初始聚类中心di，(?2···(1η计 算欧几里德聚类距离^导到卜广山卜其中^^^^^"^^^^旧为正整数； 如果I ai-dj |<Dj，则将数据点ai归为第dj个初始聚类中心，每个聚类中心对应一个类 别； 如果|ai_dj | >Dj，则数据点ai不属于第dj个初始聚类中心，继续与大于dj并小于等于dn的 初始聚类中心相比较，如果数据点不属于大于山并小于等于4的初始聚类中心，则将数据 点&1视为一个新的聚类中心； 直到所有数据点amm完成聚类分选，得到新的聚类中心d/，仏…d/ ; 步骤三、计算新的聚类中心之间是否满足信号特征； 步骤四、将满足信号特征的聚类中心合并，完成类别合并的信号聚类分选。2. 根据权利要求1所述一种基于类别合并的脉冲信号聚类分选方法，其特征在于:所述 步骤二中，其中k为每个聚类中心的数据点个数，a。 为每个聚类中心包含的数据点，l<c<k，k为正整数。3. 根据权利要求2所述一种基于类别合并的脉冲信号聚类分选方法，其特征在于:所述 步骤三中计算新的聚类中心之间是否满足信号特征;具体过称为： 对于抖动信号，如果新的聚类中心满足关系：|cU'-d/|彡（1+Δδ)〇〇,则cU'、d/两个聚 类中心应合并为同一类别； 其中，1彡i彡n，l彡j彡n，其中di'，dj'分别为cU^dZ-dr/中任意两个聚类中心，Do为阈 值参数，Δ δ为抖动量取0.01-0.03。4. 根据权利要求3所述一种基于类别合并的脉冲信号聚类分选方法，其特征在于:所述 步骤三中计算新的聚类中心之间是否满足信号特征;具体过称为： 对于滑变信号，如果新的聚类中心满足关系：= ,则cU '、d/、山'三个聚类中 心应合并为同一类别； 其中，1<;[<11，1<_]_<11，1<1<11，其中(^'，(1」'，(11'分别为(11 /，(12/~(11/中任意三个聚 类中心，λ为任意实数。5. 根据权利要求4所述一种基于类别合并的脉冲信号聚类分选方法，其特征在于:所述 步骤三中计算新的聚类中心之间是否满足信号特征;具体过称为： 对于参差信号，如果新的聚类中心满足关系：|(11'-山'|=01，则(11'、山'两个聚类中心应 合并为同一类别； 其中，1彡i彡η，1彡j彡n，di'，dj'分别为cU^dZ-dr/中任意两个聚类中心，检测参 数。
【文档编号】G06K9/62GK106056098SQ201610464712
【公开日】2016年10月26日
【申请日】2016年6月23日
【发明人】赵彬, 季柄任, 李宏博, 宿愿
【申请人】哈尔滨工业大学