CN104794431B - 一种基于模糊匹配的雷达辐射源脉间模式挖掘方法 - Google Patents
一种基于模糊匹配的雷达辐射源脉间模式挖掘方法 Download PDFInfo
- Publication number
- CN104794431B CN104794431B CN201510133144.9A CN201510133144A CN104794431B CN 104794431 B CN104794431 B CN 104794431B CN 201510133144 A CN201510133144 A CN 201510133144A CN 104794431 B CN104794431 B CN 104794431B
- Authority
- CN
- China
- Prior art keywords
- arteries
- veins
- matching
- radar emitter
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 210000001367 artery Anatomy 0.000 title claims abstract description 421
- 210000003462 vein Anatomy 0.000 title claims abstract description 363
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000009412 basement excavation Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 11
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000009826 distribution Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 abstract 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，即通过设置脉间相似度门限delta值来衡量某种类型雷达辐射源的两两雷达辐射源脉间集合之间的模糊匹配程度，从而进一步挖掘出雷达辐射源脉间集合的匹配频率大于等于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积的频繁脉间集合组。本发明优点在于：(1)提出了一种针对雷达辐射源脉间信号序列的新分析方法，而不再局限于雷达辐射源脉间信号个体分析；(2)有助于区分雷达辐射源脉间信号特征分布范围重叠然而脉间集合不同的雷达辐射源类型；(3)计算成本低，实现方法工程化。挖掘出的脉间集合能够有效提高雷达辐射源脉间信号序列的分析和处理能力。
Description
技术领域
本发明涉及一种雷达辐射源识别的数据分析处理领域，特别是一种基于模糊匹配的雷达辐射源脉间模式挖掘方法。
背景技术
众所周知，当今不同类型的雷达辐射源信号重叠度越来越高，以脉间信号来说有可能不同类型雷达辐射源的脉间信号分布范围比较类似，且除了传统的连续型信号、离散型信号外还存在脉间集合信号。尽管学术界已经提出了多种雷达辐射源信号分析的方法，然而这些方法主要局限于单值脉间信号分析，难以有效区分雷达辐射源脉间信号范围重叠的不同类型雷达辐射源。
目前的雷达辐射源信号分析方法主要考虑的是单值的连续型信号、离散型信号，即每个辐射源信号取值为一个连续型数值或者一个离散型数值。在不同类型辐射源信号分布范围重叠程度高时，传统方法难以区分不同辐射源类型。上述传统方法并没有考虑如何分析处理脉间集合型信号。例如，当脉间信号由若干个脉间信号值，即一个脉间集合时，尚无相应的解决方法。
发明内容
本发明的目的在于提供一种基于模糊匹配的雷达辐射源脉间模式挖掘方法。
解决上述技术问题的技术方案为：一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，通过设置脉间相似度门限delta值来衡量雷达辐射源的两两雷达辐射源脉间集合之间的模糊匹配程度，将模糊匹配结果分为匹配和不匹配两种情况，并进一步挖掘出出雷达辐射源脉间集合的匹配频率大于等于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积的高频雷达辐射源脉间集合，从而获取该类雷达辐射源的典型脉间集合，具体包括以下步骤：
步骤1、假设共有N个脉间集合，设置脉间相似度门限delta值和支持度门限thresh值；其中相似度门限delta值用以衡量以微秒为单位的任意两个脉间值之间的模糊匹配程度，支持度门限thresh值用以判别雷达辐射源脉间集合的匹配频率是否不小于雷达辐射源脉间集合总数与支持度门限的乘积；N为大于2的自然数；
脉间相似度门限delta值用以衡量以微秒为单位的任意两个脉间值PRIp和PRIq间的模糊匹配程度，如果两个脉间值的差异在门限delta值范围之内，则判定两个脉间值PRIp和PRIq是模糊匹配的，否则认为这两个脉间值不是模糊匹配的，脉间值模糊匹配函数fuzzymap(PRIp,PRIq)如公式(1)所示：
支持度门限thresh值取值在0和1之间，用以判别雷达辐射源脉间集合的匹配频率是否不小于雷达辐射源脉间集合总数NumSample与支持度门限thresh值的乘积，即NumSample×thresh，如果超过该数目则认为该脉间集合是高频的，否则认为该脉间集合不是高频的。
步骤2、对N个脉间集合进行两两匹配，判断匹配时，如果两脉间集合的脉间匹配数目等于其最短脉间集合大小，即判定这两个脉间集合是彼此模糊匹配的并记为1，否则记为0；对脉间集合进行两两匹配具体为：
步骤2.1、对脉间集合进行排序：将两脉间集合s1和s2分别按照脉间值由小到大排序；
步骤2.2、初始化脉间匹配数目：初始化脉间匹配数目count为零，即count＝0；
步骤2.3、初始化脉间集合索引：将两脉间集合索引i1和i2置1，即i1＝i2＝1；
步骤2.4、判断当前脉间值差异是否大于门限delta值：判断两脉间集合s1和s2的当前脉间值s1[i1]和s2[i2]的差异绝对值|s1[i1]-s2[i2]|是否大于脉间相似度门限delta值，如果是继续步骤2.5，如果否继续步骤2.6；
步骤2.5、更新脉间值小的脉间集合索引：将当前脉间值小的脉间集合索引ij递增1，即sj[ij]＝min(s1[i1],s2[i2])，ij＝ij+1，其中j为1或2，当脉间值小的脉间集合为i1时，j＝1；当脉间值小的脉间集合为i2时，j＝2；
步骤2.6、更新脉间匹配数目：将脉间匹配数目count递增1，即count＝count+1；
步骤2.7、更新脉间集合索引：更新两脉间集合的脉间集合索引，指向下一个脉间值，即i1＝i1+1，i2＝i2+1；
步骤2.8、判断脉间集合索引是否大于脉间集合大小：如果脉间集合索引大于脉间集合大小继续步骤2.9，否则返回步骤2.4；
步骤2.9、判断脉间匹配数目count是否等于最小脉间集合大小：如果否，则执行步骤2.10，如果是，则执行步骤2.11；
步骤2.10、判断两脉间集合s1和s2不模糊匹配：即fuzzymap(s1,s2)＝0，输出判别结果0；
步骤2.11、判断两脉间集合s1和s2模糊匹配：即fuzzymap(s1,s2)＝1；输出判别结果1。
步骤3、记录两两匹配结果：将两类脉间集合的匹配结果记录在矩阵MapArray里，矩阵MapArray有N行和N列，共N2个矩阵单元；每个矩阵单元MapArray[i,j]记录脉间集合si和sj在脉间相似度门限delta值下的模糊匹配结果；1≤i，j≤N；
矩阵MapArray是关于对角线对称的，即单元MapArray[i,j]与单元MapArray[j,i]的值是相等的。
步骤4、确定脉间集合频率并排序，将N个脉间集合按照模糊匹配频率由大到小排序，任一脉间集合si排序后的位置记为Ord(si)；确定脉间集合频率freqi所用公式为：
freqi＝sum1≤j≤Nfuzzymap(si,sj)＝1 (2)
式中，N表示脉间集合总数，其含义为：脉间集合si的频率为所有N个脉间集合中与之模糊匹配的脉间集合个数，其中sj表示N个脉间集合中的一个。
步骤5、初始化频繁脉间集合组和当前脉间集合索引：初始化频繁脉间集合组初始化当前脉间集合索引r＝1；
步骤6、判断当前雷达辐射源脉间集合的匹配频率是否大于等于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积，如果大于等于则继续执行步骤7，否则执行步骤10；
步骤7、将当前脉间集合加入频繁脉间集合组，即Ω＝Ω∪{sr}；
步骤8、删除与当前脉间集合模糊匹配的脉间集合，在彼此模糊匹配的脉间集合中，删除当前脉间集合sr之后所有与脉间集合sr模糊匹配的脉间集合，计算公式为：
{sk|MapArray(sr,sk)＝1,Ord(sr)＜Ord(sk)≤N}；
其中，MapArray(sr,sk)＝1表示脉间集合sr与sk是模糊匹配的，Ord(sr)＜Ord(sk)表示脉间集合sk的排序在脉间集合sr之后。
步骤9、判断当前脉间集合索引r是否小于脉间集合总数N，如果小于则递增当前脉间集合索引r＝r+1，返回步骤6，否则执行步骤10；
步骤10、输出频繁脉间集合组，即输出频繁脉间集合组Ω，结束操作。
本发明与现有技术相比，其显著优点为：(1)提出了一种针对雷达辐射源脉间信号序列的新分析方法，而不再局限于单个雷达辐射源脉间信号；(2)有助于区分雷达辐射源脉间信号特征范围重叠然而脉间集合不匹配的不同雷达辐射源类型；(3)计算成本低，实现方法工程化，具有良好的工程应用前景。
下面结合附图和具体实施方式对本发明做更进一步的具体说明。
附图说明
图1为本发明工作流程图。
图2为两两匹配样本脉间集合的工作流程图。
具体实施方式
本发明提出一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，可以提高雷达辐射源脉间集合信号的处理能力，进而有助于提高雷达辐射源识别的准确率。具体而言，本发明通过设置脉间相似度门限delta值来衡量某种类型雷达辐射源的两两雷达辐射源脉间集合之间的模糊匹配程度，从而进一步挖掘出模糊匹配频率大于等于支持度门限thresh值的频繁脉间集合组。
如图1所示，本发明包括以下步骤：开始、设置脉间相似度和支持度门限、两两匹配脉间集合、记录两两匹配结果、确定脉间集合频率并排序、初始化频繁脉间集合组和当前脉间集合索引、判断当前脉间集合是否大于等于支持度门限、当前脉间集合加入频繁脉间集合组、删除与当前脉间集合模糊匹配的样本脉间集合、判断当前脉间集合索引是否小于脉间集合总数、输出频繁脉间集合组等10个步骤，最后结束。
本发明包括以下具体步骤。
步骤1、假设共有N个脉间集合，设置脉间相似度门限delta值和支持度门限thresh值；其中相似度门限delta值用以衡量以微秒为单位的任意两个脉间值之间的模糊匹配程度，支持度门限thresh值用以判别雷达辐射源脉间集合的匹配频率是否不小于雷达辐射源脉间集合总数与支持度门限的乘积；N为大于2的自然数；
脉间相似度门限delta值用以衡量以微秒为单位的任意两个脉间值PRIp和PRIq间的模糊匹配程度，如果两个脉间值的差异在门限delta值范围之内，则判定两个脉间值PRIp和PRIq是模糊匹配的，否则认为这两个脉间值不是模糊匹配的，脉间值模糊匹配函数fuzzymap(PRIp,PRIq)如公式(1)所示：
支持度门限thresh值取值在0和1之间，用以判别雷达辐射源脉间集合的匹配频率是否不小于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积，即N*thresh，如果超过该数目则认为该脉间集合是高频的，否则认为该脉间集合不是高频的。
步骤2、对N个脉间集合进行两两匹配，判断匹配时，如果两脉间集合的脉间匹配数目等于其最短脉间集合大小，即判定这两个脉间集合是彼此模糊匹配的并记为1，否则记为0；对脉间集合进行两两匹配具体为：
步骤2.1、对脉间集合进行排序：将两脉间集合s1和s2分别按照脉间值由小到大排序；
步骤2.2、初始化脉间匹配数目：初始化脉间匹配数目count为零，即count＝0；
步骤2.3、初始化脉间集合索引：将两脉间集合索引i1和i2置1，即i1＝i2＝1；
步骤2.4、判断当前脉间值差异是否大于门限delta值：判断两脉间集合s1和s2的当前脉间值s1[i1]和s2[i2]的差异绝对值|s1[i1]-s2[i2]|是否大于脉间相似度门限delta值，如果是继续步骤2.5，如果否继续步骤2.6；
步骤2.5、更新脉间值小的脉间集合索引：将当前脉间值小的脉间集合索引ij递增1，即sj[ij]＝min(s1[i1],s2[i2])，ij＝ij+1，其中j为1或2，当脉间值小的脉间集合为i1时，j＝1；当脉间值小的脉间集合为i2时，j＝2；
步骤2.6、更新脉间匹配数目：将脉间匹配数目count递增1，即count＝count+1；
步骤2.7、更新脉间集合索引：更新两脉间集合的脉间集合索引，指向下一个脉间值，即i1＝i1+1，i2＝i2+1；
步骤2.8、判断脉间集合索引是否大于脉间集合大小：如果脉间集合索引大于脉间集合大小继续步骤2.9，否则返回步骤2.4；
步骤2.9、判断脉间匹配数目count是否等于最小脉间集合大小：如果否，则执行步骤2.10，如果是，则执行步骤2.11；
步骤2.10、判断两脉间集合s1和s2不模糊匹配：即fuzzymap(s1,s2)＝0，输出判别结果0；
步骤2.11、判断两脉间集合s1和s2模糊匹配：即fuzzymap(s1,s2)＝1；输出判别结果1。
步骤3、记录两两匹配结果：将两类脉间集合的匹配结果记录在矩阵MapArray里，矩阵MapArray有N行和N列，共N2个矩阵单元；每个矩阵单元MapArray[i,j]记录脉间集合si和sj在脉间相似度门限delta值下的模糊匹配结果；1≤i，j≤N；
矩阵MapArray是关于对角线对称的，即单元MapArray[i,j]与单元MapArray[j,i]的值是相等的。
步骤4、确定脉间集合频率并排序，将N个脉间集合按照模糊匹配频率由大到小排序，任一脉间集合si排序后的位置记为Ord(si)；确定脉间集合频率freqi所用公式为：
freqi＝sum1≤j≤Nfuzzymap(si,sj)＝1 (2)
式中，N表示脉间集合总数，其含义为：脉间集合si的频率为所有N个脉间集合中与之模糊匹配的脉间集合个数，其中sj表示N个脉间集合中的一个。
步骤5、初始化频繁脉间集合组和当前脉间集合索引：初始化频繁脉间集合组初始化当前脉间集合索引r＝1；
步骤6、判断当前雷达辐射源脉间集合的匹配频率是否大于等于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积，如果大于等于则继续执行步骤7，否则执行步骤10；
步骤7、将当前脉间集合加入频繁脉间集合组，即Ω＝Ω∪{sr}；
步骤8、删除与当前脉间集合模糊匹配的脉间集合，在彼此模糊匹配的脉间集合中，删除当前脉间集合sr之后所有与脉间集合sr模糊匹配的脉间集合，计算公式为：
{sk|MapArray(sr,sk)＝1,Ord(sr)＜Ord(sk)≤N}；
其中，MapArray(sr,sk)＝1表示脉间集合sr与sk是模糊匹配的，Ord(sr)＜Ord(sk)表示脉间集合sk的排序在脉间集合sr之后。
步骤9、判断当前脉间集合索引r是否小于脉间集合总数N，如果小于则递增当前脉间集合索引r＝r+1，返回步骤6，否则执行步骤10；
步骤10、输出频繁脉间集合组，即输出频繁脉间集合组Ω，结束操作。
下面通过1个实例来说明本发明的基于模糊频繁集的高频雷达辐射源脉间集合挖掘方法。
实施例1：假设采集到某类型雷达辐射源信号的5条脉间集合，每条脉间集合包括若干个脉间信号测量值，单位为微秒(us)，各脉间集合的长度从2到5不等，按照脉间值由小到大排序，分析和挖掘该类型雷达辐射源信号的高频脉间集合，5条脉间集合如表1所示。
表1：某类雷达辐射源的脉间集合
| 样本 | 脉间集合 |
| 1 | 24，36，42，60，80 |
| 2 | 24.2，36.1 |
| 3 | 24.3，42.3 |
| 4 | 36.4，42.0，80.2 |
| 5 | 21.5，31.0，50.4 |
针对该类型雷达辐射源的高频脉间集合挖掘步骤如下：
步骤1，设置脉间相似度和支持度门限：假设设置脉间相似度门限delta值为0.5微秒(us)，根据公式(1)，两个脉间值差值在0.5以内则认为这两个脉间值是模糊匹配的，否则认为不是模糊匹配的，设置支持度门限thresh值为50％，用以挖掘匹配频率不少于5×50％＝2.5的高频脉间集合；
步骤2，两两匹配脉间集合：以脉间集合s1和s2为例，两两匹配过程如下：
步骤2.1，脉间集合排序，将两脉间集合s1和s2分别按照脉间值由小到大排序；
步骤2.2，初始化脉间匹配数目：初始化脉间匹配数目count为零，即count＝0；
步骤2.3，初始化脉间集合索引：将两脉间集合索引i1和i2置1，即i1＝i2＝1；
步骤2.4，判断两脉间集合的当前脉间值s1[i1]＝24和s2[i2]＝24.2的差异绝对值为0.2<0.5不大于脉间相似度门限delta值，继续步骤2.6；
步骤2.6，更新脉间匹配数目：将脉间匹配数目count递增1，即count＝count+1＝1；
步骤2.7，更新脉间集合索引：更新两脉间集合的脉间集合索引，指向下一个脉间值，即i1＝i1+1＝2，i2＝i2+1＝2；
步骤2.8，判断脉间集合索引不大于脉间集合长度，继续步骤2.4；
步骤2.4，判断两脉间集合的当前脉间值s1[i1]＝36和s2[i2]的差异绝对值|s1[i1]-s2[i2]|＝0.1＜0.5不大于脉间相似度门限delta值，继续步骤2.6；
步骤2.6，更新脉间匹配数目：将脉间匹配数目count递增1，即count＝count+1＝2；
步骤2.7，更新脉间集合索引：更新两脉间集合的脉间集合索引，指向下一个脉间值，即i1＝i1+1＝3，i2＝i2+1＝3；
步骤2.8，判断脉间集合索引大于脉间集合大小，继续步骤2.9；
步骤2.9，判断脉间匹配数目等于最小脉间集合大小，继续步骤2.11；
步骤2.11，判断模糊匹配：判断两个脉间集合模糊匹配，即fuzzymap(s1,s2)＝1；
步骤2.12，输出判别结果；
步骤3，记录两两匹配结果：将两类脉间集合的匹配结果记录在矩阵MapArray里，其每一行和每一列分别对应一个脉间集合，矩阵单元MapArray[i,j]记录的是脉间集合i和j在脉间相似度门限delta值下的模糊匹配结果，如表2所示：
表2脉间集合的两两匹配结果
| 样本i | 1 | 2 | 3 | 4 | 5 |
| 1 | 1 | 1 | 1 | 1 | 0 |
| 2 | 1 | 1 | 0 | 0 | 0 |
| 3 | 1 | 0 | 1 | 0 | 0 |
| 4 | 1 | 0 | 0 | 1 | 0 |
| 5 | 0 | 0 | 0 | 0 | 1 |
步骤4，计算每个脉间集合si的模糊匹配频率freqi，如表3表所示，排序结果即为
表3脉间集合的模糊匹配频率
| 样本i | 1 | 2 | 3 | 4 | 5 |
| freqi | 4 | 2 | 2 | 2 | 1 |
步骤5，初始化频繁脉间集合组和当前脉间集合索引：初始化频繁脉间集合组初始化当前脉间集合索引i＝1；
步骤6，判断当前脉间集合s1的模糊匹配频率为4，大于支持度门限2.5，继续步骤7；
步骤7，当前脉间集合s1加入频繁脉间集合组，即Ω＝Ω∪{s1}＝{s1}；
步骤8，删除与当前脉间集合s1模糊匹配的样本脉间集合s2、s3和s4；
步骤9，更新当前脉间集合索引：递增当前脉间集合索引i＝i+1＝2，继续步骤6；
步骤6，判断当前脉间集合s5的模糊匹配频率为1，不满足支持度门限，继续步骤10；
步骤10，输出频繁脉间集合组Ω＝{s1}，结束。
传统的针对雷达辐射源类型识别的特征分析方法主要针对雷达辐射源脉间信号个体分析，难以区分雷达辐射源脉间信号特征分布范围重叠然而脉间集合不同的雷达辐射源类型。然而，随着雷达制造以及侦察技术的发展，出现了越来越多的分布范围相重叠的雷达辐射源信号，现有的技术和方法还不足以充分分析分布范围重叠的雷达辐射源信号，因此不能够准确和有效得进行辐射源信号类型识别。
总的来说，本发明公开了一种基于模糊匹配的雷达辐射源脉间模式挖掘方法。通过设置脉间相似度门限delta值来衡量某种类型雷达辐射源的两两雷达辐射源脉间集合之间的模糊匹配程度，将模糊匹配结果分为匹配和不匹配两种情况，并进一步挖掘出模糊匹配频率大于等于支持度门限thresh值的高频雷达辐射源脉间集合，从而获取该类雷达辐射源的典型脉间集合。与传统研究相比，该方法不再仅仅局限于针对雷达辐射源脉间信号个体分析，难以区分雷达辐射源脉间信号特征分布范围重叠然而脉间集合不同的雷达辐射源类型。本发明有助于区分雷达辐射源脉间信号特征分布范围重叠然而脉间集合不同的雷达辐射源类型，计算成本低，实现方法工程化。
除了脉间信号特征外，本发明也适用于测量精度较高的载频、脉幅和脉宽信号特征分析，可以用以挖掘雷达辐射源的固定信号特征值集合，应用前景广阔，可创造可观的社会效益和经济效益。
本发明申请的研究工作得到了国家自然科学基金(No.61402426)资助，并得到了软件新技术与产业化协同创新中心部分资助。
Claims (6)
1.一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，其特征在于，通过设置脉间相似度门限delta值来衡量雷达辐射源的两两雷达辐射源脉间集合之间的模糊匹配程度，将模糊匹配结果分为匹配和不匹配两种情况，并进一步挖掘出雷达辐射源脉间集合的匹配频率大于等于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积的频繁脉间集合组，即一组满足支持度门限thresh值的脉间集合，从而获取该类雷达辐射源的典型脉间集合，具体包括以下步骤：
步骤1，假设共有N个脉间集合，设置脉间相似度门限delta值和支持度门限thresh值；其中相似度门限delta值用以衡量以微秒为单位的任意两个脉间值之间的模糊匹配程度；N为大于2的自然数；
步骤2，对N个脉间集合进行两两匹配，判断匹配时，如果两脉间集合的脉间匹配数目等于其最短脉间集合大小，即判定这两个脉间集合是彼此模糊匹配的并记为1，否则记为0；
步骤3，记录两两匹配结果：将两类脉间集合的匹配结果记录在矩阵MapArray里，矩阵MapArray有N行和N列，共N2个矩阵单元；每个矩阵单元MapArray[i,j]记录脉间集合si和sj在脉间相似度门限delta值下的模糊匹配结果；1≤i，j≤N；
步骤4，确定脉间集合频率并排序，将N个脉间集合按照模糊匹配频率由大到小排序，任一脉间集合si排序后的位置记为Ord(si)；
步骤5，初始化频繁脉间集合组和当前脉间集合索引：初始化频繁脉间集合组初始化当前脉间集合索引r＝1；
步骤6，判断当前雷达辐射源脉间集合的匹配频率是否大于等于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积，如果大于等于则继续执行步骤7，否则执行步骤10；
步骤7，将当前脉间集合加入频繁脉间集合组，即Ω＝Ω∪{sr}；
步骤8，删除与当前脉间集合模糊匹配的脉间集合，在彼此模糊匹配的脉间集合中，删除当前脉间集合sr之后所有与脉间集合sr模糊匹配的脉间集合，计算公式为：
{sk|MapArray(sr,sk)＝1,Ord(sr)＜Ord(sk)≤N}；
其中，MapArray(sr,sk)＝1表示脉间集合sr与sk模糊匹配，Ord(sr)＜Ord(sk)表示脉间集合sk的排序在脉间集合sr之后；
步骤9，判断当前脉间集合索引r是否小于脉间集合总数N，如果小于则递增当前脉间集合索引r＝r+1，返回步骤6，否则执行步骤10；
步骤10、输出频繁脉间集合组，即输出频繁脉间集合组Ω，结束操作；
步骤1中设置脉间相似度门限和支持度门限时，脉间相似度门限delta值用以衡量以微秒为单位的任意两个脉间值PRIp和PRIq间的模糊匹配程度，如果两个脉间值的差异在门限delta值范围之内，则判定两个脉间值PRIp和PRIq是模糊匹配的，否则认为这两个脉间值不是模糊匹配的，脉间值模糊匹配函数fuzzymap(PRIp,PRIq)如公式(1)所示：
支持度门限thresh值取值在0和1之间，用以判别雷达辐射源脉间集合的匹配频率是否不小于雷达辐射源脉间集合总数N与支持度门限thresh值的乘积，即N×thresh，如果超过该数目则认为该脉间集合是高频的，否则认为该脉间集合不是高频的；
步骤2中对脉间集合进行两两匹配具体为：
步骤2.1、对脉间集合进行排序：将两脉间集合s1和s2分别按照脉间值由小到大排序；
步骤2.2、初始化脉间匹配数目：初始化脉间匹配数目count为零，即count＝0；
步骤2.3、初始化脉间集合索引：将两脉间集合索引i1和i2置1，即i1＝i2＝1；
步骤2.4、判断当前脉间值差异是否大于门限delta值：判断两脉间集合s1和s2的当前脉间值s1[i1]和s2[i2]的差异绝对值|s1[i1]-s2[i2]|是否大于脉间相似度门限delta值，如果是继续步骤2.5，如果否继续步骤2.6；
步骤2.5、更新脉间值小的脉间集合索引：将当前脉间值小的脉间集合索引ij递增1，即sj[ij]＝min(s1[i1],s2[i2])，ij＝ij+1，其中j为1或2，当脉间值小的脉间集合为i1时，j＝1；当脉间值小的脉间集合为i2时，j＝2；
步骤2.6、更新脉间匹配数目：将脉间匹配数目count递增1，即count＝count+1；
步骤2.7、更新脉间集合索引：更新两脉间集合的脉间集合索引，指向下一个脉间值，即i1＝i1+1，i2＝i2+1；
步骤2.8、判断脉间集合索引是否大于脉间集合大小：如果脉间集合索引大于脉间集合大小继续步骤2.9，否则返回步骤2.4；
步骤2.9、判断脉间匹配数目count是否等于最小脉间集合大小：如果否，则执行步骤2.10，如果是，则执行步骤2.11；
步骤2.10、判断两脉间集合s1和s2不模糊匹配：即fuzzymap(s1,s2)＝0，输出判别结果0；
步骤2.11、判断两脉间集合s1和s2模糊匹配：即fuzzymap(s1,s2)＝1；输出判别结果1。
2.根据权利要求1所述的一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，其特征在于，步骤3中，矩阵MapArray关于对角线对称，即单元MapArray[i,j]与单元MapArray[j,i]的值相等。
3.根据权利要求2所述的一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，其特征在于，基于公式(1)中定义的模糊匹配函数，步骤4确定脉间集合频率freqi公式为：
freqi＝sum1≤j≤Nfuzzymap(si,sj)＝1 (2)
式中，N表示脉间集合总数，其含义为：脉间集合si的频率为所有N个脉间集合中与之模糊匹配的脉间集合个数，其中sj表示N个脉间集合中的一个。
4.根据权利要求3所述的一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，其特征在于，步骤5中的频繁脉间集合组用于表示一组频率满足支持度门限thresh值的脉间集合，其初始值为空集。
5.根据权利要求4所述的一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，其特征在于，步骤8之所以删除与当前脉间集合模糊匹配的脉间集合，用于避免频繁脉间集合组中各脉间集合的冗余。
6.根据权利要求5所述的一种基于模糊匹配的雷达辐射源脉间模式挖掘方法，其特征在于，步骤9中判断当前脉间集合索引r是否小于脉间集合总数N，如果小于则表明存在尚未计算频率的脉间集合，当前脉间集合索引r需要更新，并继续步骤6。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510133144.9A CN104794431B (zh) | 2015-03-25 | 2015-03-25 | 一种基于模糊匹配的雷达辐射源脉间模式挖掘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510133144.9A CN104794431B (zh) | 2015-03-25 | 2015-03-25 | 一种基于模糊匹配的雷达辐射源脉间模式挖掘方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104794431A CN104794431A (zh) | 2015-07-22 |
| CN104794431B true CN104794431B (zh) | 2017-10-24 |
Family
ID=53559219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510133144.9A Expired - Fee Related CN104794431B (zh) | 2015-03-25 | 2015-03-25 | 一种基于模糊匹配的雷达辐射源脉间模式挖掘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104794431B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574495B (zh) * | 2015-12-14 | 2018-08-21 | 中国电子科技集团公司第二十八研究所 | 一种区间型雷达辐射源信号特征类型识别能力分析方法 |
| CN108345864B (zh) * | 2018-03-06 | 2020-09-08 | 中国电子科技集团公司第二十八研究所 | 基于加权聚类的随机集合型雷达辐射源信号参数高频模式挖掘方法 |
| CN110880012B (zh) * | 2019-09-29 | 2023-09-05 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893704A (zh) * | 2010-07-20 | 2010-11-24 | 哈尔滨工业大学 | 一种基于粗糙集的雷达辐射源信号识别方法 |
| CN103076595A (zh) * | 2012-12-31 | 2013-05-01 | 中国电子科技集团公司第二十八研究所 | 一种多元离散雷达辐射源信号的异常类型识别方法 |
| CN103778342A (zh) * | 2014-01-24 | 2014-05-07 | 关欣 | 一种基于区间数和证据理论的辐射源识别算法 |
-
2015
- 2015-03-25 CN CN201510133144.9A patent/CN104794431B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893704A (zh) * | 2010-07-20 | 2010-11-24 | 哈尔滨工业大学 | 一种基于粗糙集的雷达辐射源信号识别方法 |
| CN103076595A (zh) * | 2012-12-31 | 2013-05-01 | 中国电子科技集团公司第二十八研究所 | 一种多元离散雷达辐射源信号的异常类型识别方法 |
| CN103778342A (zh) * | 2014-01-24 | 2014-05-07 | 关欣 | 一种基于区间数和证据理论的辐射源识别算法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种基于模糊隶属度的雷达辐射源识别新方法;刘凯等;《航天电子对抗》;20141028;第30卷(第5期);第31-35页 * |
| 雷达辐射源类型识别分析;徐欣等;《计算机与数字工程》;20130420;第41卷(第4期);第565-567页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104794431A (zh) | 2015-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104794431B (zh) | 一种基于模糊匹配的雷达辐射源脉间模式挖掘方法 | |
| US8224805B2 (en) | Method for generating context hierarchy and system for generating context hierarchy | |
| CN110135450A (zh) | 一种基于密度聚类的热点路径分析方法 | |
| KR101326096B1 (ko) | 펄스 내 변조 분석을 위한 ｐｄｗ 데이터 전처리 및 검출 방법 | |
| CN111222199B (zh) | 用户与试验场关联时关键指标选择与等效计算方法 | |
| CN102103758B (zh) | 一种工程地质剖面图的计算机图形生成方法 | |
| CN105044793B (zh) | 一种多道瞬变电磁探测数据的反演方法和装置 | |
| CN105512210A (zh) | 关联事件类型的检测方法及装置 | |
| CN103514267A (zh) | 一种网络关联信息获取方法和系统 | |
| CN105260414A (zh) | 用户行为相似性计算方法及装置 | |
| CN103400299B (zh) | 基于重叠点识别的网络重叠社团检测方法 | |
| CN104305991B (zh) | 从心电信号中检测噪声的方法和设备 | |
| CN102521534B (zh) | 一种基于粗糙熵属性约简的入侵检测方法 | |
| CN112603334B (zh) | 基于时序特征和堆叠Bi-LSTM网络的棘波检测方法 | |
| CN107480466A (zh) | 基因组数据存储方法及电子设备 | |
| CN104281891A (zh) | 一种时间序列数据挖掘方法及系统 | |
| CN104063220A (zh) | 基于文件的Linux基础软件依赖关系分析方法 | |
| CN106682206A (zh) | 一种大数据处理方法及系统 | |
| CN109389172B (zh) | 一种基于无参数网格的无线电信号数据聚类方法 | |
| CN104408144A (zh) | 网络搜索关键词的检测方法及装置 | |
| Chen et al. | An improvement apriori arithmetic based on rough set theory | |
| CN104794234B (zh) | 用于同业对标的数据处理方法和装置 | |
| CN107301186A (zh) | 一种无效数据的识别方法及装置 | |
| CN107066587A (zh) | 一种基于组链表的高效频繁项集挖掘方法 | |
| CN104573080A (zh) | 一种基于事务二进制的约束频繁项集挖掘方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171024 |