一种基于DBSCAN和随机森林的混合脉冲去交错方法与流程

本发明涉及雷达信号侦察技术，具体涉及一种基于dbscan和随机森林的混合脉冲去交错方法。

背景技术：

1、随着电子科学的发展，现代战场的电磁环境也变得越来越复杂，雷达辐射源别作为电子侦察的重要环节在日益复杂的电磁环境下作用更加凸显。在复杂的电磁环境下，信号在时域、空域和频域上均高度重叠交错，来自相邻方向上的同一类型辐射源发出的脉冲信号往往只是在频率上有所不同。但是，现代先进辐射源的脉冲频率会有一组集合，对于不同的辐射源而言，它们在这个频率集合上是存在交叉重叠的。在这种情况下，使用传统的去交错方法很难识别辐射源数量以及对混合脉冲信号去交错。

技术实现思路

1、本发明的目的在于提出一种基于dbscan和随机森林的混合脉冲去交错方法。

2、实现本发明目的的技术解决方案为：一种基于dbscan和随机森林的混合脉冲去交错方法，包括如下步骤：

3、步骤1，通过仿真生成2部方位相邻且频域、时域均有交叠的相控阵多功能雷达信号，同时产生若干部载频固定、重频固定的雷达信号，形成雷达辐射源信号数据集；

4、步骤2，采用dbscan聚类算法，先后利用载频值和到达时间进行聚类，将雷达辐射源信号划分成若干个信号群簇；

5、步骤3，对信号簇中的雷达辐射源信号进行特征提取，包括载频、到达时间、到达角度、脉宽、脉幅、相邻脉冲簇首尾时间差值、相邻脉冲簇首尾幅度差值、同一脉冲簇中首尾脉冲幅度差值、同一脉冲簇中幅度最大值与最小值的差值、同一脉冲相邻两个脉冲的幅度差值，对特征数据进行min-max归一化处理；

6、步骤4，对雷达辐射源信号的类别标签进行one-hot向量编码；

7、步骤5，以min-max归一化处理后的特征值为输入，以雷达辐射源信号标签的one-hot向量编码作为输出，训练随机森林模型，用于辐射源信号进行分类。

8、进一步的，步骤2，采用dbscan聚类算法，先后利用载频值和到达时间进行聚类，将雷达辐射源信号划分成若干个信号簇，具体方法为：

9、第一次聚类，采用dbscan聚类算法，利用载频进行聚类；

10、第二次聚类，利用脉冲的到达时间进行聚类，设第i个信号簇中最新脉冲与次新脉冲的到达时间差等于第i信号簇中最新脉冲与第i+1个信号簇的首个脉冲的到达时间差，则相邻脉冲群簇可以被归为来自同一个辐射源，聚类为一个新的类簇。

11、进一步的，步骤3，对小信号群簇中的雷达辐射源信号进行特征提取，包括载频、到达时间、到达角度、脉宽、脉幅、相邻脉冲簇首尾时间差值、相邻脉冲簇首尾幅度差值、同一脉冲簇中首尾脉冲幅度差值、同一脉冲簇中幅度最大值与最小值的差值、同一脉冲相邻两个脉冲的幅度差值，将提取的特征数据进行min-max归一化处理，其中提取的特征表示为：

12、载频：rf

13、到达时间：toa

14、到达角度：doa

15、脉宽：pw

16、脉幅：pa

17、相邻脉冲簇首尾时间差值：toa(mi+1,k1)-toa(mi,kend)

18、相邻脉冲簇首尾幅度差值：

19、同一脉冲簇中首尾脉冲幅度差值：

20、同一脉冲簇中幅度最大值与最小值的差值：

21、

22、同一脉冲簇中相邻两个脉冲的幅度差值：

23、

24、进一步的，步骤5，以min-max归一化处理后的特征值为输入，以标签的one-hot向量编码作为输出，训练随机森林模型，用于辐射源信号进行分类，其中：

25、随机森林树的数量设置为120，子树的评估标准设置为基尼系数，树的深度设置为15，每个叶子节点包含的最少样本数量为5，学习率设置为0.001，batchsize大小为100，训练轮数为200。

26、一种基于dbscan和随机森林的混合脉冲去交错系统，实施所述的基于dbscan和随机森林的混合脉冲去交错方法，实现基于dbscan和随机森林的混合脉冲去交错。

27、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实施所述的基于dbscan和随机森林的混合脉冲去交错方法，实现基于dbscan和随机森林的混合脉冲去交错。

28、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实施所述的基于dbscan和随机森林的混合脉冲去交错方法，实现基于dbscan和随机森林的混合脉冲去交错。

29、本发明与现有技术相比，其显著优点为：第一，构建了一个自动提取雷达信号特征和对雷达辐射源信号进行智能去交错的网络模型，解决了传统方法对先进体制雷达辐射源信号去交错困难的问题。第二，增加提取表征脉冲序列变化趋势的特征进行模型训练，然后利用训练好的模型进行对辐射源信号组进行分类来达到去交错的效果。第三，自动提取雷达辐射源信号特征和对雷达辐射源信号进行智能化去交错，在低信噪比情况下依然可以较好的去交错效果，能够应用于复杂电磁环境下的雷达辐射源信号分选。

技术特征：

1.一种基于dbscan和随机森林的混合脉冲去交错方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于dbscan和随机森林的混合脉冲去交错方法，其特征在于，步骤2，采用dbscan聚类算法，先后利用载频值和到达时间进行聚类，将雷达辐射源信号划分成若干个信号簇，具体方法为：

3.根据权利要求1所述的基于dbscan和随机森林的混合脉冲去交错方法，其特征在于，步骤3，对小信号群簇中的雷达辐射源信号进行特征提取，包括载频、到达时间、到达角度、脉宽、脉幅、相邻脉冲簇首尾时间差值、相邻脉冲簇首尾幅度差值、同一脉冲簇中首尾脉冲幅度差值、同一脉冲簇中幅度最大值与最小值的差值、同一脉冲相邻两个脉冲的幅度差值，将提取的特征数据进行min-max归一化处理，其中提取的特征表示为：

4.根据权利要求1所述的基于dbscan和随机森林的混合脉冲去交错方法，其特征在于，步骤5，以min-max归一化处理后的特征值为输入，以标签的one-hot向量编码作为输出，训练随机森林模型，用于辐射源信号进行分类，其中：

5.一种基于dbscan和随机森林的混合脉冲去交错系统，其特征在于，实施权利要求1-4任一项所述的基于dbscan和随机森林的混合脉冲去交错方法，实现基于dbscan和随机森林的混合脉冲去交错。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实施权利要求1-4任一项所述的基于dbscan和随机森林的混合脉冲去交错方法，实现基于dbscan和随机森林的混合脉冲去交错。

7.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实施权利要求1-4任一项所述的基于dbscan和随机森林的混合脉冲去交错方法，实现基于dbscan和随机森林的混合脉冲去交错。

技术总结本发明公开了一种基于DBSCAN和随机森林的混合脉冲去交错方法，采用DBSCAN聚类算法，先后利用载频值和到达时间进行聚类，将雷达辐射源信号划分成若干个信号群簇；对信号簇中的雷达辐射源信号进行特征提取，包括载频、到达时间、到达角度、脉宽、脉幅、相邻脉冲簇首尾时间差值、相邻脉冲簇首尾幅度差值、同一脉冲簇中首尾脉冲幅度差值、同一脉冲簇中幅度最大值与最小值的差值、同一脉冲相邻两个脉冲的幅度差值，对特征数据进行min‑max归一化处理；对雷达辐射源信号的类别标签进行one‑hot向量编码；以min‑max归一化处理后的特征值为输入，以雷达辐射源信号标签的one‑hot向量编码作为输出，训练随机森林模型，用于辐射源信号进行分类。本发明在低信噪比情况下依然可以较好的去交错效果，能够应用于复杂电磁环境下的雷达辐射源信号分选。技术研发人员：刘建,徐鹏涛,吴连慧,秦长海,管振辉受保护的技术使用者：中国船舶集团有限公司第七二三研究所技术研发日：技术公布日：2024/10/10