CN110531335A - 一种基于并查集的低复杂度相似聚类信号分选方法 - Google Patents

Abstract

本发明公开了一种基于并查集的低复杂度相似聚类信号分选方法，属于雷达信号处理领域。该方法包括如下步骤：积累一定数量的信号脉冲描述字构成数据集；利用脉冲参数的载频与脉宽参数对数据集进行移除孤立点预处理操作；对数据集进行标准差变换与极差变换，完成数据集标准化；构造并查集，每个脉冲描述字对应并查集中一个元素；依次计算两脉冲间相似度，若相似度高于阈值，完成对相应元素的归并操作；查询并查集，完成聚类信息的输出。本发明能够在复杂信号环境中完成信号分选，将并查集引入相似聚类分选中，大大降低了方法的复杂度，可证明该方法时间复杂度为O(n²)，空间复杂度为O(n)，具有复杂度低的优点，易于工程实现。

Description

一种基于并查集的低复杂度相似聚类信号分选方法

技术领域

本发明属于雷达信号处理领域，具体涉及一种基于并查集的低复杂度相似聚类信号分选方法。

背景技术

电子对抗发展的初期，辐射源数量少、体制简单，仅使用基于TOA的单参数分选方法可以很好的完成信号分选工作。随着电子技术与雷达技术的发展，现代电子对抗环境中，新体制雷达不断出现，信号形式复杂多变；信号密度以达到数百万脉冲每秒，导致在时域上产生严重的混叠。同时，有学者针对如何提高雷达对抗系统接收到脉冲的丢失率，降低被正确分选的概率展开研究。因此传统的基于TOA的单参数分选方法无法胜任当前复杂信号环境下的信号分选工作。而聚类方法可以充分利用脉冲信号的多维参数信息，且不需要先验信息，因此在复杂信号环境下可以进行有效的分选。

聚类分选方法由于运算量大，很难满足分选的实时性要求，因此实际应用较少。本发明将并查集引入相似聚类分选中，大大降低了方法的复杂度，使得工程应用成为可能。

发明内容

本发明的目的在于提供复杂度低的一种基于并查集的低复杂度相似聚类信号分选方法。

本发明的目的通过以下技术方案来实现：

一种基于并查集的低复杂度相似聚类信号分选方法，包括以下步骤：

步骤1：将雷达信号的脉宽PW、载频CF、到达方向DOA等参数组成脉冲描述字，积累N个脉冲的脉冲描述字构成数据集P＝{p₁，p₂，...p_i，...，p_N}，p_i为第i个脉冲的脉冲描述字；

步骤2：根据脉冲描述字中载频CF与脉宽PW对数据集P进行移除孤立点预处理操作，得到数据集P′＝{p₁，p₂，...p_i，...，p_M}，其中M≤N；

步骤3：对数据集P′进行标准差变换与极差变换，完成对数据集P′的标准化处理；

步骤4：构造长度为M的并查集，其中每个元素对应数据集P′中的一个数据点；

步骤5：依次计算两脉冲间相似度，若相似度高于阈值λ，完成对相应元素的归并操作；

步骤6：查询并查集，完成聚类信息的输出。

本发明还包括这样一些结构特征：

1.步骤1中脉冲描述字使用的参数为脉宽PW、载频CF、到达方向DOA、脉幅PA、脉冲重复周期PRI、调制类型MT、极化方式PT构成的集合或其子集。

2.步骤2具体包括：

步骤2-1：将数据集中载频参数变化范围、脉宽参数变化范围按一定箱宽度分别划分为多个箱，如载频箱宽度取50MHz、脉宽箱宽度取1μs；

步骤2-2：对载频箱、脉宽箱进行直方图统计，将直方图统计值小于一定值(如10)的箱中包含的脉冲当作孤立点剔除。

3.步骤3具体包括：

步骤3-1：标准差变换：

其中m为数据点特征维数，p_ik为第i个脉冲的第k维数据，与s_k分别为数据集P′中第k维数据的平均值与标准差。

步骤3-2：极差变换：

其中max(p′_ik)和min(p′_ik)分别为p′_ik的最大值与最小值。

4.步骤5采用如下方式计算相似度：

步骤5-1：计算在第k维参数上第i个数据点与第j个数据点之间的距离d_k(x_i，x_j)；

步骤5-2：计算第i个数据点与第j个数据点之间的距离：

其中w_k是p_i＝(p_i1，p_i2，...，p_im)(i＝1，2，...，M)的第k维参数的权重，满足w₁+w₂+...+w_m＝1；

步骤5-3：计算第i个数据点与第j个数据点之间的相似度：

r_ij＝1-d(x_i，x_j)。

5.特征4中所述的距离计算方式可使用：欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、夹角余弦、汉明距离、杰卡德距离、相关距离等方式计算得到。

6.并查集使用路径压缩以及按秩归并的优化策略，且按秩归并可使用按树高归并或按规模归并。

7.步骤6具体包括：

步骤6-1：遍历并查集，找到其中的代表元素，对其分配类别号；

步骤6-2：遍历并查集，各元素类别号与其所在集合代表元素相同。

本发明的有益效果在于：本发明使用的并查集可以快速的完成信号集合的查询与归并，且空间复杂度低。结合并查集与相似聚类可大大降低聚类方法的复杂度。

本发明的有益效果在于：

首次提出将并查集与相似聚类结合；极大地简化了相似聚类分选方法，该方法具有低复杂度的优点，时间复杂度为O(n²)，空间复杂度为O(n)，该方法易于工程实现。

附图说明

图1是本发明的流程图；

图2为初始数据点；

图3为初始化的并查集；

图4为连通代表脉冲1与脉冲4的节点；

图5为归并脉冲1与脉冲4所在的集合；

图6为分类结果对应的无向图；

图7为分类结果对应的并查集；

图8为算法复杂度表；

图9为时间复杂度表。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明：

一种基于并查集的低复杂度相似聚类信号分选方法，包括以下步骤：

步骤1：将雷达信号的脉宽PW、载频CF、到达方向DOA等参数组成脉冲描述字，积累N个脉冲的脉冲描述字构成数据集P＝{p₁，p₂，...p_i，...，p_N}，p_i为第i个脉冲的脉冲描述字。假设此时积累到10个脉冲，构成数据集P；

步骤2：根据脉冲描述字中载频CF与脉宽PW对数据集P进行移除孤立点预处理操作，得到数据集P′＝{p₁，p₂，...p_i，...，p_M}，其中M≤N。假设数据集P中包含3个孤立点，经过下述步骤，得到数据集P′：

步骤2-1：将数据集中载频参数变化范围、脉宽参数变化范围按一定箱宽度分别划分为多个箱，如载频箱宽度取50MHz、脉宽箱宽度取1μs；

步骤2-2：对载频箱、脉宽箱进行直方图统计，将直方图统计值小于一定值(如2)的箱中包含的脉冲当作孤立点剔除。

步骤3：对数据集P′进行标准差变换与极差变换，完成对数据集P′的标准化处理。对数据集P′按如下步骤进行标准化：

步骤3-1：标准差变换：

其中m为数据点特征维数，p_ik为第i个脉冲的第k维数据，与s_k分别为数据集P′中第k维数据的平均值与标准差。

步骤3-2：极差变换：

其中max(p′_ik)和min(p′_ik)分别为p′_ik的最大值与最小值。

步骤4：构造长度为M的并查集，其中每个元素对应数据集P′中的一个数据点。此时数据集P′中仅有7个数据点，将每个数据点均看作脉冲集合。如图2所示，以无向图的形式表示数据点，当两脉冲属于同一集合时，将其连通，图3所示为其对应的并查集；

步骤5：依次计算两脉冲间相似度，若相似度高于阈值λ，完成对相应元素的归并操作。按照如下步骤计算脉冲间相似度：

步骤5-1：计算在第k维参数上第i个数据点与第j个数据点之间的距离d_k(x_i，x_j)；

步骤5-2：计算第i个数据点与第j个数据点之间的距离：

其中w_k是p_i＝(p_i1，p_i2，...，p_im)(i＝1，2，...，M)的第k维参数的权重，满足w₁+w₂+...+w_m＝1；

步骤5-3：计算第i个数据点与第j个数据点之间的相似度：

距离计算方式可采用：欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、夹角余弦、汉明距离、杰卡德距离、相关距离等。

假设经计算，脉冲1与脉冲4之间相似度高于阈值λ，则对应的图形表示及其并查集如图4、图5所示；假设脉冲1、4、7为一类，脉冲2、3、5、6为一类，则此步骤完成时得到的分类结果与并查集如图6、图7所示；

步骤6：查询并查集，完成聚类信息的输出。按如下步骤完成对并查集的查询并进行聚类结果的输出：

步骤6-1：遍历并查集，找到其中的代表元素，对其分配类别号；

步骤6-2：遍历并查集，各元素类别号与其所在集合代表元素相同。

并查集使用路径压缩以及按秩归并的优化策略，且按秩归并可使用按树高归并或按规模归并。

对图7所示的并查集进行查询并进行聚类信息输出得：类别1：脉冲1、4、7，类别2：脉冲2、3、5、6。

使用本方法在PC(i7-7700K+16GB RAM，Win10+VS2019)上对5840个脉冲进行分选，运行时间与内存消耗结果，即算法复杂度见图8。

使用本方法在PC(i7-7700K+16GB RAM，Win10+VS2019)上对不同数量脉冲进行分选，运行时间，即时间复杂度见图9。

使用本方法在DSP开发板(TMS320C6678，单核心，1GHz，4M RAM)上对5840个脉冲进行分选，运行时间1.10s。

上述为本发明特举之实施例,并非用以限定本发明。本发明不仅适用于雷达信号参数分选,同时也适用于类似的使用目标的多维参数对目标进行聚类的情况。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于并查集的低复杂度相似聚类信号分选方法，其特征在于，包括以下步骤：

步骤1：将雷达信号的参数组成脉冲描述字，积累N个脉冲的脉冲描述字构成数据集P＝{p₁，p₂，...p_i，...，p_N}，p_i为第i个脉冲的脉冲描述字；

步骤2：根据脉冲描述字中载频CF与脉宽PW对数据集P进行移除孤立点预处理操作，得到数据集P′＝{p₁，p₂，...p_i，...，p_M}，其中M≤N；

步骤3：对数据集P′进行标准差变换与极差变换，完成对数据集P′的标准化处理；

步骤4：构造长度为M的并查集，其中每个元素对应数据集P′中的一个数据点；

步骤5：依次计算两脉冲间相似度，若相似度高于阈值λ，完成对相应元素的归并操作；

步骤6：查询并查集，完成聚类信息的输出。

2.根据权利要求1所述的一种基于并查集的低复杂度相似聚类信号分选方法，其特征在于：步骤1中脉冲描述字使用的参数为脉宽PW、载频CF、到达方向DOA、脉幅PA、脉冲重复周期PRI、调制类型MT、极化方式PT构成的集合或其子集。

3.根据权利要求1所述的一种基于并查集的低复杂度相似聚类信号分选方法，其特征在于：步骤2具体包括：

步骤2-1：将数据集中载频参数变化范围、脉宽参数变化范围按一定箱宽度分别划分为多个箱；

步骤2-2：对载频箱、脉宽箱进行直方图统计，将直方图统计值小于一定值的箱中包含的脉冲当作孤立点剔除。

4.根据权利要求1所述的一种基于并查集的低复杂度相似聚类信号分选方法，其特征在于：步骤3具体包括：

步骤3-1：标准差变换，

其中m为数据点特征维数，p_ik为第i个脉冲的第k维数据，与s_k分别为数据集P′中第k维数据的平均值与标准差；

步骤3-2：极差变换，

其中max(p′_ik)和min(p′_ik)分别为p′_ik的最大值与最小值。

5.根据权利要求1所述的一种基于并查集的低复杂度相似聚类信号分选方法，其特征在于：步骤5采用如下方式计算相似度：

步骤5-1：计算在第k维参数上第i个数据点与第j个数据点之间的距离d_k(x_i，x_j)；

步骤5-2：计算第i个数据点与第j个数据点之间的距离：

其中w_k是p_i＝(p_i1，p_i2，...，p_im)(i＝1，2，...，M)的第k维参数的权重，满足w₁+w₂+...+w_m＝1；

步骤5-3：计算第i个数据点与第j个数据点之间的相似度：

r_ij＝1-d(x_i，x_j)。

6.根据权利要求1所述的一种基于并查集的低复杂度相似聚类信号分选方法，其特征在于：步骤6具体包括：

步骤6-1：遍历并查集，找到其中的代表元素，对其分配类别号；

步骤6-2：遍历并查集，各元素类别号与其所在集合代表元素相同。