CN102520389B - 一种二维空间谱谱峰搜索方法 - Google Patents

Abstract

本发明公开了一种适合工程实现的快速二维谱峰搜索方法，步骤为①对噪声子空间和天线阵列流型矢量构成的空间谱图进行二维粗搜索，得到粗搜索谱峰点；②在粗搜索谱峰点附近进行细搜索，得到谱峰候选点；③对所述谱峰候选点进行分类，找到对应于信号个数的真实谱峰点；④利用这些真实谱峰周围的虚假谱峰信息，最终用真实谱峰和其周围的虚假谱峰的加权值作为来波方向估计的值。针对运用2D MUSIC算法估计入射信号的波达方向时，二维谱峰搜索过程占用了整个算法的绝大多数时间，以至于不能实时或准实时获得信号波达方向这一问题，本发明基于空间谱图的特性分析，运用数据聚类和分级搜索方法来加快谱峰搜索过程并保证搜索结果的精度。

Description

一种二维空间谱谱峰搜索方法

技术领域

本发明涉及阵列信号处理中的信号波达方向的二维估计，尤其是信号二维空间谱中谱峰搜索方法。

背景技术

在现代阵列信号处理中，波达方向(DOA)估计在近几十年来一直是研究的热点，而且在雷达、水下声纳、移动通信和电子对抗中有着广泛的应用。在实际应用中通常需要对多个信号源的来波方向进行二维测向(方位角和俯仰角)。国内外学者提出了多种解决方法，其中，MUSIC算法这类子空间方法是比较经典的方法，它的测向误差可以接近Cramer-Rao方差下界，并具有很高的角度分辨率。但是，MUSIC算法中的二维空间谱搜索的计算量很大，且随搜索精度的提高而以指数倍提升，因而难以做到实时处理，使得MUSIC算法的实用性大打折扣。

目前，二维MUSIC算法谱峰搜索的主要方法有：基于各方向导数的搜索算法(吴世龙，罗景青，刘有军，“一种用于二维MUSIC算法的谱峰识别方法研究”，《信号处理》，2005，21(8)：16-19.)、基于Metropolis-Hastings采样的搜索算法(Q.H.Guo，G S.Liao.“Fast MUSIC spectrum peak searchvia metropolis-hastings sampler”，Journal of electronics(China)，2005，22(10)：599-604)、基于广义Rayleigh商的搜索算法(A.Ferreol，E.Boyer and P.Larzabal，“Low cost algorithm for some bearing estimation methods in presenceof separable nuisance parameters”，Inst.Elect.Eng.Elect.Lett.，2004，40(7)：966-967.)等等。这些算法在单信号源情况下的性能表现良好，得到了一些应用。但是，在实际工程应用中，由于存在阵列通道不一致性和天线单元互耦、信号信噪比较低等问题，实际得到的空间谱图往往不是理想的，特别是在多个信号同时入射时，上述谱峰搜索算法常常会给出错误结果，使得漏警率和虚警率有一定的升高。

发明内容

本发明的目的在于提供一种二维空间谱谱峰搜索方法，该方法可以提高波达方向估计的正确率。

本发明提供的一种二维空间谱谱峰搜索方法，其特征在于，该方法包括下述步骤：

第1步对噪声子空间和天线阵列流型矢量构成的空间谱图进行二维粗搜索，得到粗搜索谱峰点；

第2步在粗搜索谱峰点附近进行细搜索，得到谱峰候选点；

第3步对所述谱峰候选点进行分类，找到对应于信号个数的真实谱峰点；

第4步利用这些真实谱峰周围的虚假谱峰信息，最终用真实谱峰和其周围的虚假谱峰的加权值作为来波方向估计的值。

本发明方法通过研究实际空间谱图的特性，将多尺度搜索算法推广到二维谱峰搜索当中。在多源多径信号入射情况下，简单地使用这种多尺度搜索方法，往往得不到全局最优的波达方向估计结果。鉴于这种情况，本发明将数据聚类方法引入其中，提高了波达方向估计的正确率。这种谱峰搜索方法的步骤包括粗搜索、细搜索和最优谱峰方位计算。而且空间谱图在高仰角和低仰角区域具有信号谱峰在方位角方向和仰角方向的陡峭程度不一致的特性，而这种特性不利于这种网格搜索。因为当搜索步长不足够小时，会在方位角或俯仰角搜索结果中出现俯仰角估计值比较准确而方位角估计值误差较大，或者方位角估计值比较准确而俯仰角估计值误差较大的情况。对此，本发明在最优谱峰方位计算中对高俯仰角和低俯仰角区域使用更小的步长进行搜索，虽然增加了一定的计算量但提高了方位估计精度。

总之，本发明首先使用较大的粗搜索步长确定谱峰的大致位置，然后使用较小的细搜索步长精确搜索得到准确的信号入射角，同时运用谱系聚类法得到全局最优估计，避免得到局部最优估计，这些全局最优估计也就是空间谱图的真实谱峰，最后利用真实谱峰和它周围的虚假谱峰的加权值作为最后来波方向方位的估计以提高估计精度。

附图说明

图1是均匀圆阵天线与入射信号的位置关系示意图；

图2是一个二维MUSIC算法空间谱图示例；

图3是本发明提供的二维空间谱谱峰搜索方法的流程图；

图4是谱峰粗搜索流程图；

图5是谱峰细搜索流程图；

图6是类似灌水法流程图；

图7是第一种最优谱峰方位计算流程图；

图8是第二种最优谱峰方位计算流程图。

具体实施方式

以下结合附图进一步说明本发明所指的二维空间谱谱峰搜索方法的具体实施方式与过程。

如图1所示，接收天线阵由多个全向天线(如图1为8个)作为阵元构成一个均匀圆阵，相邻阵元的间距等于接收信号载波频率的半个波长，接收信号为远场不相干窄带信号。入射信号的方位角θ和仰角

与天线阵的相对位置关系如图1所示，其中xyz为三维坐标系，方位角θ为入射信号在xoy平面投影与x轴正方向之间的夹角，仰角

为入射信号与z轴正方向之间的夹角。假设在进行二维谱峰搜索之前，已经得到了信号子空间、噪声子空间和入射信号的个数M，因此根据MUSIC算法构造的空间谱函数为：

式中，

是天线阵的流型矢量，Q是噪声子空间矩阵，H表示矩阵的共轭转置。于是，空间谱谱峰搜索就是需要在范围为：方位角θ∈[0°，360°)、仰角

中，搜索得到M个谱峰，这些谱峰位置即是本发明所要求得到的对入射信号角的估计。

图2是当三个不相干远场窄带信号以(167.5°，82.8°)，(263.2°，2.4°)，(359.2°，55.8°)角度入射到N＝8的均匀圆阵时，其二维空间谱的一个示例图。图中，横坐标表示方位角，纵坐标表示仰角，竖坐标表示空间谱值。可见，谱峰出现于较小的角度范围内，只要在这个范围内进行细搜索，就可以得到高精度的信号入射角估计值。而且，可以看出当信号源位于高仰角和低仰角时(比如：(167.5°，82.8°)位于高仰角，(263.2°，2.4°)位于低仰角)，其分辨率较低即谱峰比较平坦，因此需要用小步长进行局部细搜。在这里认为为高仰角，

为低仰角。且由于方位角0°和360°是同一个方位，因此(359.2°，55.8°)附近只有唯一的一个谱峰。利用这些性质可以进一步提高在这些位置上入射角估计值的精度。

首先确定本方法中一些参数的具体数值。a)、粗搜索所需的大步长，即粗搜步长。由于步长选择得越小其搜索的计算量就越大，反之，容易漏掉一些谱峰。因此一般选择2°到5°之间。b)、细搜所需小步长，即细搜步长。这个和最终入射角所需估计精度有关，一般取小于1°的步长。c)、高仰角低仰角具体范围的确定。由图2的说明可以得出，高仰角和低仰角空间谱图有其特有的特征，本发明经过大量的仿真实验取高仰角为低仰角为d)、在粗搜索中，有一些满足粗搜索条件的点周围可能存在真实谱峰，也有可能不存在真实谱峰，而且考虑到不加区分的将这些点送入细搜索将会比较大的增加计算量，因此在粗搜索中加入局部细搜步长，其步长值的确定在粗搜步长和细搜步长之间。e)、还有其它的一些细节参数，可以根据不同的情况做相应的调整。

假设有三个远场不相干信号分别以(10°，9.8°)、(85.4°，41.4°)和(244.8°，46.2°)角度入射到天线阵。为了提高搜索的准确度，下面以此为例具体说明二维谱峰搜索方法的实施过程：

(1)在方位角θ∈[0°，360°)、仰角的范围内对空间谱图进行二维粗搜索，得到谱峰点粗搜索值，其真实谱峰一般在这些粗搜索值附近。

如图4，谱峰粗搜索步骤为：

第1.1步，在方位角θ∈[0°，360°)、仰角

的范围内，以2°为粗索步长，分别计算θ＝2i，(i＝0°，1°，…，179°)、

等角度对应的空间谱值

第1.2步，将每个空间谱值

与其周围四个相邻点的空间谱值的大小进行比较。如果其值大于周围四点之值，则进入1.3步，如果其空间谱值大于周围三点的空间谱值，则进入1.4步，其它的粗搜索谱峰点则舍去；

第1.3步，将满足大于周围四点的粗搜索谱峰点存储起来，进入谱峰细搜索即第2步。在此例中满足其空间谱值大于周围四点空间谱值的点有：(10°，10°)、(28°，90°)、(86°，42°)、(166°，50°)、(244°，46°)和(308°，90°)；

第1.4步，判断满足大于周围三点的粗搜索谱峰点的仰角是否满足

条件，如果满足则进入第1.5步，不满足则进入1.6步。

在此例中满足大于周围三点的粗搜索谱峰点有(8°，10°)、(10°，8°)等一共376组角度；

第1.5步，将局部细搜步长设为细索步长0.2°，进入1.7步；

第1.6步，将局部细搜步长设为局部细索步长0.4°，进入1.7步；

第1.7步，以所设定的步长，在粗搜索谱峰点附近进行搜索，判断粗搜谱峰点周围是否存在谱峰，即粗搜谱峰点附近的所搜索点的谱峰值大于周围四个相邻位置的谱峰值，若存在则将这些粗搜索谱峰点存储起来，进入谱峰细搜索即第2步。此例中，进入谱峰细搜的备选角度有：(8°，10°)、(10°，8°)、(30°，90°)、(84°，42°)、(86°，40°)、(164°，50°)、(166°，52°)、(244°，44°)、(246°，46°)和(306°，90°)。其它的角度舍去。

(2)在第1步所得到的所有粗搜索谱峰点附近以细索步长0.2°为步长，在[θ-2°，θ+2°]、

范围内进行细搜索，θ表示粗搜索谱峰点的方位角，表示粗搜索谱峰点的仰角。取该点空间谱值大于相邻四周的点做为谱峰候选点，将这些谱峰候选点存储起来，进入第3步谱峰归类。此例中，谱峰候选点有4个，分别为：(9.8°，9.8°)、(85.4°，41.4°)、(165.2°，50.8°)和(244.8°，46.2°)。

(3)对第2步中的候选点进行归类，最后找出个数与真实信号个数相等的真实谱峰，而且这些真实谱峰具有一定精度，可以作为信号入射角度估计值。

如图5，谱峰归类的步骤如下：

第3.1步，采用谱系聚类法对第2步得到的粗搜索谱峰点进行归类，此例中，这4个点经过谱系聚类法确定为相距较远，因此各自归为一类。下面对谱系聚类法做简要的介绍：

谱系聚类法是模式分类中无监督学习方法中一种最重要的方法，这种方法可以通过两种途径实现：合并和分裂。本发明使用合并的途径来实现，先使得每个样本各成为一类，然后通过合并不同的类，来减少类别数目。在衡量不同类别之间的相似性时，有以下几种距离度量可以作为聚类准则函数：

$d_{\min }(G_i,G_j)=\underset{x\∈G_i,x^{\′}\∈G_j}{\min }\left|\right|x-x^{\′}\left|\right|$

$d_{\max }(G_i,G_j)=\underset{x\∈G_i,x^{\′}\∈G_j}{\max }\left|\right|x-x^{\′}\left|\right|$

$d_{\mathrm{avg}}(G_i,G_j)=\frac{1}{n_i{n}_j}\underset{x\∈G_i}{\mathrm{\Σ}}\underset{x^{\′}\∈G_j}{\mathrm{\Σ}}\left|\right|x-x^{\′}\left|\right|$

其中x和x′为谱峰位置，G_i和G_j为两个不同的类。本发明使用最小距离度量作为聚类准则函数。

已知N个局部谱峰的集合{x₁，x₂，…，x_N}和一个N×N维的距离矩阵(D_ij)_N×N，

表示第k次合并的第i类。谱系聚类法的过程为：第A1步，初始分类。令k＝0，每个模式自成一类，即 $G_i^{\left(0\right)}=\left\{x_i\right\}(i=\mathrm{1,2},\·\·\·,N);$

第A2步，计算各类间的距离

由此生成一个对称的距离矩阵D^(k)＝(D_ij)_m×m，m为类的个数(初始时m＝N)；

第A3步，找出前一步求得的矩阵D^(k)中的最小元素，设它是

和

间的距离，将

和

两类合并为一类，于是产生新的聚类

令k＝k+1，m＝m-1；

第A4步，重复第A2步和第A3步，直到类间最小距离大于一个预先设定的阈值t₀时，停止迭代。阈值的设定根据实际情况确定，本发明将t₀设为140。

第3.2步，确定经过谱系聚类法分类后每个类所包含元素的个数，若其中一个类的元素个数大于预先设定的阈值t₁，则将这个类送入第3.3步，利用类似灌水法继续分类，否则这个类不需要分类进入第3.4步。这里认为元素大于t₁时，其中的元素很可能是由多个相邻的入射信号源产生的虚假谱峰，也就是这些谱峰并不是真实入射信号产生的谱峰，而是网格搜索时产生的虚假谱峰。由于距离比较近，谱系聚类法区分不了它们，因此要用类似灌水法继续分类，且这里的个数t₁应该视实际情况设定，经实验确定6是一个比较好的阈值。

第3.3步，用类似灌水法继续对这些包含元素个数大于t₁的类进行分类。下面对类似灌水法做一下简要的介绍：

本发明的类似灌水法是模拟灌水的思路来对相邻的两类进行分类。如图6所示，其主要步骤为：

第B1步，将该类中的所有谱峰按照谱峰值的大小由高到低排序，组成一个队列，并认为所有谱峰没有归类；

第B2步，将没有归类的谱峰值最大的谱峰从这个队列取出；

第B3步，判断与该谱峰相邻的谱峰有几个已经归类，如果为0个时，进入第B4步，如果为1个时，进入第B5步，如果为2个时，进入第B6步；

第B4步，将该谱峰归为新的一类；

第B5步，将该谱峰归为与它相邻已归类谱峰相同的一类；

第B6步，假如与它相邻的两个谱峰都归类了，则用相邻的类中元素比较少的一类的最高谱峰和另一边相邻类的第二高谱峰相比较，如果前者比后者高，则保留元素较少的一类，并将这个谱峰归为元素较少一类，否则将元素较少的一类归为元素多的一类，并将这个谱峰归为元素较多一类，进入第B7步；

第B7步，判断队列中有没有元素没有归类，如果有，进入第B2步，如果没有，进入第B8步；

第B8步，类似灌水法完成。

第3.4步，找出经过分类后的每类没有归为真实谱峰的那些谱峰的最大值；

第3.5步，在第3.4步中找到的每类最大值中找到其中最大的那个值作为真实谱峰；

第3.6步，如果找到等于信号源个数个真实谱峰或者每类中的最大值都已经归为真实谱峰，则进入第3.7步，否则进入第3.5步；

第3.7步，如果找到的谱峰个数等于入射信号的个数，则进入第4步进行最优谱峰方位计算，否则进入第3.4步。在此例中，已找到了等于入射信号个数的真实谱峰，分别为：(9.8°，9.8°)、(85.4°，41.4°)和(244.8°，46.2°)，由于它们周围没有虚假谱峰，也就是没有虚假谱峰的信息可以利用，所以可以直接跳出下面的最优谱峰方位计算过程，得到最终确定的入射方位角度估计值。

(4)最优谱峰方位计算：利用这些真实谱峰周围的虚假谱峰信息，最终用真实谱峰和其周围的虚假谱峰的加权值作为来波方向估计的值；

利用真实谱峰周围的虚假谱峰包含一定的信号入射角的方位信息，对第3步所得到的真实谱峰位置估计做进一步的优化，得到更为准确的信号入射角度估计值。

如图7和图8所示，其具体步骤为：

第4.1步，计算第3步得到的真实谱峰X与相邻的真实谱峰Y之间的距离平方和是否小于m，如果小于则进入第4.2步，其它则进入第4.3步。本实例中，m₁等于20；

第4.2步，以两个真实谱峰之间距离的一半为半径，然后进入第4.4步；

第4.3步，根据这个真实谱峰X是否属于高仰角或低仰角区域来设定相应的半径值，如果在高仰角或者低仰角，半径值设为m₂，否则半径值设为m₃。本实例中m₂等于14，m₃等于6.3；

第4.4步，在半径范围内，寻找与这个真实谱峰X左右两边最近的谱峰；

第4.5步，判断所述最近的谱峰中有几个虚假谱峰，如果有0个，则进入第4.6步，如果有1个，则进入第4.7步，如果有2个，则进入第4.8步多虚假谱峰情况；

第4.6步，如果这个真实谱峰X的仰角位于

范围，则在搜索范围内以比细索步长小的步长搜索谱峰，取搜索出的最大谱峰作为最终谱峰之一，否则直接将这个真实谱峰X作为最终谱峰之一，然后均进入第4.12步。本实例将比细索步长小的步长设为0.1°；

第4.7步，如果该虚假谱峰的仰角为90°，则在搜索范围内以比细索步长小的步长搜索谱峰，取搜索出的最大谱峰作为最终谱峰之一，否则用真实谱峰X和该虚假谱峰的加权平均值作为最终谱峰之一，然后均进入第4.12步。这里比细索步长小的步长设为0.1°；

第4.8步，由于真实谱峰X附近有多个虚假谱峰，因此需要计算这个真实谱峰X与两边虚假谱峰的距离平方，如果小于预先设定的阈值t₂，则直接将该真实谱峰X作为最终谱峰之一，然后进入第4.12步；如果小于t₃且大于t₂，则进入第4.9步；如果小于t₄且大于t₃，则取这两个虚假谱峰中谱值大者与真实谱峰X的加权平均值作为最终谱峰之一，然后进入第4.12步；如果大于t₄，则表明这个真实谱峰X肯定位于低仰角区域，这时在这两个虚假谱峰之间以比细索步长小的步长进行搜索，取搜索出的最大谱峰作为最终谱峰之一，然后进入第4.12步。这里比细索步长小的步长设为0.1°。本实例中，t₂等于1.4，t₃等于80，t₄等于180；

第4.9步，如果这个真实谱峰X周围的虚假谱峰的仰角有等于90°的情况，则进入第4.10步，否则进入第4.11步；

第4.10步，在真实谱峰X旁的两个虚假谱峰之间以比细索步长小的步长进行搜索，取搜索出的最大谱峰作为最终谱峰之一，然后进入第4.12步。这里比细索步长小的步长设为0.1°；

第4.11步，如果这个真实谱峰X周围的两个虚假谱峰比值大于预先设定的阈值t₅，则取这两个虚假谱峰中谱值大者与真实谱峰X的加权平均值作为最终谱峰之一，否则将这三个谱峰的加权平均值作为最终谱峰之一；本实例中，t₅等于2.4。

(4.12)结束。

本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。

Claims (5)

1.一种二维空间谱谱峰搜索方法，其特征在于，该方法包括下述步骤：

第1步对噪声子空间和天线阵列流型矢量构成的空间谱图进行二维粗搜索，得到粗搜索谱峰点；

第2步在粗搜索谱峰点附近进行细搜索，得到谱峰候选点；

第3步对所述谱峰候选点进行分类，找到对应于信号个数的真实谱峰点；

第4步利用这些真实谱峰周围的虚假谱峰信息，最终用真实谱峰和其周围的虚假谱峰的加权值作为来波方向估计的值；第4步具体包括下述过程：

第4.1步，计算第3步得到的真实谱峰X与相邻的真实谱峰Y之间的距离平方和是否小于预先设定的阈值m，如果小于则进入第4.2步，其它则进入第4.3步；

第4.2步，以两个真实谱峰之间距离的一半为半径，然后进入第4.4步；

第4.3步，根据这个真实谱峰X是否属于高仰角或低仰角区域来设定相应的半径值，如果在高仰角或者低仰角，半径值设为m₂，否则半径值设为m₃；

第4.4步，在半径范围内，寻找与这个真实谱峰X左右两边最近的谱峰；

第4.5步，判断所述最近的谱峰中有几个虚假谱峰，如果有0个，则进入第4.6步，如果有1个，则进入第4.7步，如果有2个，则进入第4.8步多虚假谱峰情况；

第4.6步，如果这个真实谱峰X的仰角位于

范围，则在搜索范围内以比细索步长小的步长搜索谱峰，取搜索出的最大谱峰作为最终谱峰之一，否则直接将这个真实谱峰X作为最终谱峰之一，然后均进入第4.12步；

第4.7步，如果该虚假谱峰的仰角为90°，则在搜索范围内以比细索步长小的步长搜索谱峰，取搜索出的最大谱峰作为最终谱峰之一，否则用真实谱峰X和该虚假谱峰的加权平均值作为最终谱峰之一，然后均进入第4.12步；

第4.8步，计算这个真实谱峰X与两边虚假谱峰的距离平方，如果小于预先设定的阈值t₂，则直接将该真实谱峰X作为最终谱峰之一，然后进入第4.12步；如果小于预先设定的阈值t₃且大于t₂，则进入第4.9步；如果小于预先设定的阈值t₄且大于t₃，则取这两个虚假谱峰中谱值大者与真实谱峰X的加权平均值作为最终谱峰之一,然后进入第4.12步；如果大于t₄，则表明这个真实谱峰X肯定位于低仰角区域，这时在这两个虚假谱峰之间以比细索步长小的步长进行搜索，取搜索出的最大谱峰作为最终谱峰之一，然后进入第4.12步；

第4.9步，如果这个真实谱峰X周围的虚假谱峰的仰角有等于90°的情况，则进入第4.10步，否则进入第4.11步；

第4.10步，在真实谱峰X旁的两个虚假谱峰之间以比细索步长小的步长进行搜索，取搜索出的最大谱峰作为最终谱峰之一，然后进入第4.12步；

第4.11步，如果这个真实谱峰X周围的两个虚假谱峰比值大于预先设定的阈值t₅，则取这两个虚假谱峰中谱值大者与真实谱峰X的加权平均值作为最终谱峰之一，否则将这三个谱峰的加权平均值作为最终谱峰之一；

第4.12步结束。

2.根据权利要求1所述的二维空间谱谱峰搜索方法，其特征在于，第1步中，二维粗搜索的过程为：

第1.1步，在方位角θ∈[0°,360°)、仰角

范围内，确定粗搜索步长，计算相应点的空间谱值

将每个空间谱值

和它周围四个相邻点大小进行比较，如果大于周围四点，将该点作为粗搜索谱峰点，，如果大于周围三点，进入第1.2步，其它则舍去；

第1.2步，判断该点的仰角是否为高仰角值或低仰角值如果是将局部细搜步长设为细搜步长，否则即将搜索步长设为局部细搜步长，在该点附近进行局部细搜索；

第1.3步，判断该点周围是否存在谱峰，若是则将该点作为粗搜索谱峰点，否则舍去。

3.根据权利要求1所述的二维空间谱谱峰搜索方法，其特征在于，第2步中，细搜索过程为：

第2.1步，运用谱系聚类法对这些粗搜索谱峰点进行归类，类间距采用最小距离法；

第2.2步，对于归类得到的每个类进行处理：判断该类的元素个数是否大于设定的阈值，如果是，则表明可能有两个或多个入射角比较接近的情况，进入第2.3步，否则进入第2.4步；

第2.3步，用类似灌水法继续对该类进行分类；

第2.4步，找出经过分类后的每类没有归为真实谱峰的那些谱峰的最大值；

第2.5步，在上面找到的每类最大值中找到其中的最大值作为真实谱峰；

第2.6步，如果找到等于信号源个数个真实谱峰或者每类中的最大值都已经归为真实谱峰，则进入第2.7步，否则进入第2.5步；

第2.7步，如果找到等于信号源个数个真实谱峰，则进入第4步，否则进入第2.4步。

4.根据权利要求3所述的二维空间谱谱峰搜索方法，其特征在于，第2.1步中，谱系聚类法的步骤为：

第A1步，初始分类，令k＝0，每个模式自成一类，即 $G_i^{\left(0\right)}=\left\{x_i\right\}(i=\mathrm{1,2},\·\·\·,N);$

第A2步，计算各类间的距离

由此生成一个对称的距离矩阵D^(k)＝(D_ij)_m×m，m为类的个数，初始时m＝N；

第A3步，找出前一步求得的矩阵D^(k)中的最小元素，设它是

和

间的距离，将

和

两类合并为一类，于是产生新的聚类

…,

令k＝k+1，m＝m-1；

第A4步，重复第A2步和第A3步，直到类间最小距离大于一个预先设定的阈值时，停止迭代。

5.根据权利要求3所述的二维空间谱谱峰搜索方法，其特征在于，第2.3步中，类似灌水法过程如下：

第B1步，将该类中的所有谱峰按照谱峰值的大小由高到低排序，组成一个队列，并认为所有谱峰没有归类；

第B2步，将没有归类的谱峰值最大的谱峰从这个队列取出；

第B3步，判断与该谱峰相邻的谱峰有几个已经归类，如果为0个时，进入第B4步，如果为1个时，进入第B5步，如果为2个时，进入第B6步；

第B4步，将该谱峰归为新的一类；

第B5步，将该谱峰归为与它相邻已归类谱峰相同的一类；

第B6步，假如与它相邻的两个谱峰都归类了，则用相邻的类中元素比较少的一类的最高谱峰和另一边相邻类的第二高谱峰相比较，如果前者比后者高，则保留元素较少的一类，并将这个谱峰归为元素较少一类，否则将元素较少的一类归为元素多的一类，并将这个谱峰归为元素较多一类，进入第B7步；

第B7步，判断队列中有没有元素没有归类，如果有，进入第B2步，如果没有，进入第B8步；

第B8步，类似灌水法完成。

Images