CN113075620A - 一种基于多站时差网格聚类的信号分选方法 - Google Patents

一种基于多站时差网格聚类的信号分选方法 Download PDF

Info

Publication number
CN113075620A
CN113075620A CN202110318189.9A CN202110318189A CN113075620A CN 113075620 A CN113075620 A CN 113075620A CN 202110318189 A CN202110318189 A CN 202110318189A CN 113075620 A CN113075620 A CN 113075620A
Authority
CN
China
Prior art keywords
pulse
time difference
station
clustering
pulses
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.)
Granted
Application number
CN202110318189.9A
Other languages
English (en)
Other versions
CN113075620B (zh
Inventor
甘露
赵梓皓
张花国
廖红舒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110318189.9A priority Critical patent/CN113075620B/zh
Publication of CN113075620A publication Critical patent/CN113075620A/zh
Application granted granted Critical
Publication of CN113075620B publication Critical patent/CN113075620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属信号处理技术领域，具体涉及一种基于多站时差网格聚类的信号分选方法。本发明的方法包括：1)设置多个接收站，包括一个主站和多个副站，同时测量各信号源每个脉冲信号的信号到达时间(TOA)，构成原始脉冲到达时间序列集合。2)以主副站时差为维度，构建多维参数空间。3)通过主副站接收脉冲的匹配，计算其时差并生成空间中的参数点，再通过网格聚类估计出可能的时差。4)在脉冲序列中遍历搜索具有相同时差的脉冲组，并划为新分组，将新分组中的脉冲从原始脉冲序列中去除，生成新的脉冲序列样本。5)对新的脉冲序列样本重复步骤3、4，直到脉冲全部分组完毕，完成分选，各个分组结果即为分选结果。本方法具有很强的鲁棒性和抗干扰能力。

Description

一种基于多站时差网格聚类的信号分选方法
技术领域
本发明属于信号处理技术领域，具体涉及一种基于多站时差网格聚类的信号分选方法。
背景技术
随着现代科学技术的发展，高技术在军事战争中的广泛应用，电子对抗已成为影响战争胜负的关键因素。雷达侦察是现代电子战的重要组成部分之一，雷达信号分选是雷达侦察的主要任务之一。信号分选是在多个雷达脉冲交错的条件下，提取各辐射源的脉冲。随着现代战场的电磁环境越来越复杂，雷达技术发展迅速，雷达信号分选面临着很多困难。在实际环境下，信号分选会受到信号丢失、高密度、高噪声和设备误差的影响，传统利用单站信息的分选方法难以实现很好的效果，已经不能满足当前信号分选任务的需求。
发明内容
针对传统方法应用范围窄，效果不稳定的问题，本发明利用时差参数和网格聚类算法，依靠多维度、实时性和智能化的特点，提出了一种具有广泛适用性，鲁棒性强，能应用于复杂信号和复杂传播环境的信号分选方法，以解决现有方法对复杂体制雷达信号以及在脉冲丢失情况下难以达到良好分选效果的技术难题，是信号分选算法的重要突破点之一。
本发明的技术方案是：
一种基于多站时差网格聚类的信号分选方法，包括以下步骤：
S1、设置多个已方观测站，包括一个主站和多个副站，同时接收空间中多个目标源发射的脉冲信号，通过对脉冲信号到达时间(TOA)的测量得到脉冲到达时间序列，构成主站脉冲TOA集合
Figure BDA0002992108800000011
以及各个副站脉冲TOA集合
Figure BDA0002992108800000012
其中Ni为各站接收到脉冲的个数。将这些脉冲作为分选样本；
S2、构建多维超空间，空间的各个维度即为脉冲到达主站与各个副站的时差；
S3、利用主副站脉冲的组合构建空间中的数据点。以主站接收的脉冲序列为基准，每个副站脉冲序列中均有一个脉冲与其是同一脉冲。对主站中某一脉冲，从每个副站的脉冲序列中分别选出一个脉冲与其匹配并计算其时差，将每个时差作为一个维度，主副站多维时差可视为超空间中的一个数据点。设主站第k个脉冲存在一种脉冲匹配方式为
Figure BDA0002992108800000013
其中，
Figure BDA0002992108800000021
表示主站第k个脉冲的TOA，
Figure BDA0002992108800000022
表示此匹配中属于第i个观测站脉冲的TOA。则可计算其时差并生成数据点
Figure BDA0002992108800000023
其中
Figure BDA0002992108800000024
表示主站第k个脉冲与此匹配中属于第i个观测站脉冲的时差。每个主站脉冲可与副站脉冲形成多种可能的匹配方式，若有M种可能的匹配，则能生成M个数据点
Figure BDA0002992108800000025
在此步骤中选取主站前若干个脉冲，通过其与副站脉冲的匹配计算时差并生成空间中的多个数据点；
S4、对步骤S3中超空间内的数据点进行网格聚类搜索，取聚类结果中样本数量最多的分组。对此分组中全部样本点，计算其聚类中心，聚类中心的坐标[TDOA1，TDOA2，…TDOAK]即为待测时差；
S5、以得到的待测时差为基准，在分选样本中搜索具有相同时差的各个脉冲对，将搜索得到的全部脉冲对作为新分组，并将新分组从脉冲样本中去除，更新脉冲样本后回到步骤S3，直至脉冲样本完全遍历后进入步骤S6；
S6、将获得的所有新分组的各个脉冲序列分组作为样本信号分选结果，将各个分组按照脉冲到达时间排序后即完成信号分选。
步骤S3中每个主站脉冲可从副站脉冲中构造多个匹配，其中只有一个是真实匹配。在空间中，真实匹配生成的数据点表示相同的时差，在空间中聚集于一定范围内，而虚假匹配生成的数据点没有规律性，随机分布在空间中，因此可用聚类的方式估计出多维时差参数。
进一步的，步骤S4中所述网格聚类搜索的具体方法是：
S41、将多维空间划分为网格，每个网格点作为聚类中心；
S42、计算各个数据点与每个聚类中心的空间距离；
S43、根据设定的距离门限进行聚类判定，将各个数据点归于与之距离最近且在门限之内的聚类中心所属的分类中。若数据点与任何一个聚类中心的距离都不在门限内，则视为异常数据并抛弃；
S44、找到点数最多的分类，计算其全部数据点的质心作为聚类中心，聚类中心的坐标即为待测时差，聚类算法结束。
进一步的，步骤S5中，所述将搜索得到的全部脉冲对作为新分组的具体方法为：
以主站脉冲为基准，得到待测时差后，在各接收站的脉冲序列中搜索时差相同的脉冲组，统计此多维时差出现的次数，若次数大于设定的判定门限值，则将这些脉冲组作为一个新分组，否则，弃置此时差，回到步骤S4重新搜索新的待测时差。
本发明的有益效果是：(1)通过网格聚类的方法提取时差信息，降低了算法的复杂度，提高时差估计的准确率。(2)利用时差这一较为稳定的参数进行信号分选，使本方法能应对复杂体制的信号，在脉冲缺失的情况下也能保持良好的效果，提高了方法的鲁棒性。
附图说明
图1为本发明提供的应用场景示例图；
图2为本发明的总体分选流程图；
图3为本发明提供的时差数据点分布图；
图4为本发明提供的分选测试结果图。
具体实施方式
下面结合附图及实施例，详细描述本发明的技术方案：
实施例
如图1所示，本例中信号源散布在空间之中，每个信号源位置不同，与三个接收站的距离不同，因此不同信号源脉冲到达主副站的时间差不同。以时差参数构建数据点，通过网格聚类估计出真实时差。可利用时差进行序列搜索，将分属不同信号源的各个脉冲分选到不同的分组中，以实现信号的分选。
对于本例，如图2所示，信号分选方法包括以下步骤：
1.设置多个己方观测站，包括一个主站和多个副站，同时接收空间中多个目标源发射的脉冲信号，通过对脉冲信号到达时间(TOA)和脉冲信号结束时间(TOE)的估计测量得到脉冲到达时间序列，构成原始脉冲到达时间序列集合，作为分选样本；
2.构建二维参数平面，平面的两个维度即为脉冲到达主站与两个副站的时差；
3.利用主副站脉冲的组合构建参数平面中的数据点。在本例中具体方式为：(1)选取主站接收的前若干个脉冲作为基准脉冲序列。(2)对基准脉冲序列中的每一个脉冲，根据接收站间距，确定副站中可能与其匹配的脉冲序列。(3)根据匹配脉冲序列确定基准脉冲全部可能的组合，计算其时差并生成数据点。本例中数据点分布如图3所示；
4.对步骤S3中参数平面内的数据点进行网格聚类搜索，取聚类结果中样本数量最多的分组。对此分组中全部样本点，计算其聚类中心，聚类中心的坐标即为待测多维时差。在本例中的具体方式为：(1)将参数平面划分为网格，每个网格点作为聚类中心。(2)计算各个数据点与每个聚类中心的空间距离。(3)根据设定的距离门限，将各个数据点归于与之距离最近且在门限之内的聚类中心所属的分类中。若数据点与任何一个聚类中心的距离都不在门限内，则视为异常数据并抛弃。(4)找到点数最多的分类，计算其全部数据点的质心作为聚类中心，聚类中心的坐标[TDOA1，TDOA2]即为待测时差，聚类算法结束；
5.以得到的待测时差为基准，在分选样本中搜索具有相同时差的各个脉冲对，将搜索得到的全部脉冲对作为新分组，并将新分组从脉冲样本中去除，更新脉冲样本后回到步骤S3，直至脉冲样本完全遍历后进入步骤S6。在本例中的具体方式为：以主站脉冲为基准，得到待测时差后，在各接收站的脉冲序列中搜索时差相同的脉冲组，统计次此时差出现的次数，若次数大于设定的判定门限值，则将这些脉冲组作为一个新分组，否则，弃置此待测时差，回到步骤S5重新搜索新的时差；
6.将获得的所有新分组的各个脉冲序列分组作为样本信号分选结果，将各个分组按照脉冲到达时间排序后即完成信号分选。
在不同TOA测量误差情况下，对本例进行随机蒙特卡罗测试，分选正确率如图4所示。

Claims (3)

1.一种基于多站时差网格聚类的信号分选方法，其特征在于，包括以下步骤：
S1、设置多个已方观测站，包括一个主站和N个副站，同时接收空间中多个目标源发射的脉冲信号，通过对脉冲信号到达时间(TOA)的测量得到脉冲到达时间序列，构成主站脉冲TOA集合
Figure FDA0002992108790000011
以及各个副站脉冲TOA集合
Figure FDA0002992108790000012
其中Ni为各站接收到脉冲的个数，将这些脉冲作为分选样本；
S2、构建多维超空间，空间的各个维度即为脉冲到达主站与各个副站的时差；
S3、利用主副站脉冲的组合构建超空间中的数据点，以主站接收的脉冲序列为基准，每个副站脉冲序列中均有一个脉冲与其是同一脉冲，对主站中某一脉冲，从每个副站的脉冲序列中分别选出一个脉冲与其匹配并计算其时差，将每个时差作为一个维度，主副站多维时差可视为超空间中的一个数据点，具体为：
设主站第k个脉冲存在一种脉冲匹配方式为
Figure FDA0002992108790000013
其中，
Figure FDA0002992108790000014
表示主站第k个脉冲的TOA，
Figure FDA0002992108790000015
表示此匹配中属于第i个观测站脉冲的TOA，则可计算其时差并生成数据点
Figure FDA0002992108790000016
其中
Figure FDA0002992108790000017
表示主站第k个脉冲与此匹配中属于第i个观测站脉冲的时差，每个主站脉冲可与副站脉冲形成多种可能的匹配方式，若有M种可能的匹配，则能生成M个数据点
Figure FDA0002992108790000018
通过选取主站前若干个脉冲，通过其与副站脉冲的匹配计算时差并生成空间中的多个数据点；
S4、对步骤S3中超空间内的数据点进行网格聚类搜索，取聚类结果中样本数量最多的分组，对此分组中全部样本点，计算其聚类中心，聚类中心的坐标[TDOA1，TDOA2，…TDOAK]即为待测时差；
S5、以得到的待测多维时差为基准，在分选样本中搜索具有相同时差的各个脉冲对，将搜索得到的全部脉冲对作为新分组，并将新分组从脉冲样本中去除，更新脉冲样本后回到步骤S3，直至脉冲样本完全遍历后进入步骤S6；
S6、将获得的所有新分组的各个脉冲序列分组作为样本信号分选结果，将各个分组按照脉冲到达时间排序后即完成信号分选。
2.根据权利要求1所述的一种基于多站时差网格聚类的信号分选方法，其特征在于，步骤S4中所述网格聚类搜索的具体方法是：
S41、将多维空间划分为网格，每个网格点作为聚类中心；
S42、计算各个数据点与每个聚类中心的空间距离；
S43、根据设定的距离门限进行聚类判定，将各个数据点归于与之距离最近且在门限之内的聚类中心所属的分类中，若数据点与任何一个聚类中心的距离都不在门限内，则视为异常数据并抛弃；
S44、找到点数最多的分类，计算其全部数据点的质心作为新聚类中心，新聚类中心的坐标即为待测时差，提取此待测时差，聚类算法结束。
3.根据权利要求2所述的一种基于多站时差网格聚类的信号分选方法，其特征在于，步骤S5中，所述将搜索得到的全部脉冲对作为新分组的具体方法为：
以主站脉冲为基准，得到待测时差后，在各接收站的脉冲序列中搜索时差相同的脉冲组，统计此时差出现的次数，若次数大于设定的判定门限值，则将这些脉冲组作为一个新分组，否则，弃置此时差，回到步骤S5重新搜索新的待测时差。
CN202110318189.9A 2021-03-25 2021-03-25 一种基于多站时差网格聚类的信号分选方法 Active CN113075620B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110318189.9A CN113075620B (zh) 2021-03-25 2021-03-25 一种基于多站时差网格聚类的信号分选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110318189.9A CN113075620B (zh) 2021-03-25 2021-03-25 一种基于多站时差网格聚类的信号分选方法

Publications (2)

Publication Number Publication Date
CN113075620A true CN113075620A (zh) 2021-07-06
CN113075620B CN113075620B (zh) 2022-08-05

Family

ID=76610134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110318189.9A Active CN113075620B (zh) 2021-03-25 2021-03-25 一种基于多站时差网格聚类的信号分选方法

Country Status (1)

Country Link
CN (1) CN113075620B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113447907A (zh) * 2021-09-01 2021-09-28 湖南艾科诺维科技有限公司 一种雷达分选系统控制方法及雷达分选系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4918455A (en) * 1988-11-03 1990-04-17 Hughes Aircraft Company Associative hierarchiacl deinterleaver
EP0452023A2 (en) * 1990-04-12 1991-10-16 Raytheon Company Method and apparatus for pulse sorting
US5583505A (en) * 1995-09-11 1996-12-10 Lockheed Martin Corporation Radar pulse detection and classification system
US20140009325A1 (en) * 2012-06-01 2014-01-09 George D. Hammack Method for de-interleaving received radar pulses using dynamically updated weights
US20160209492A1 (en) * 2013-09-27 2016-07-21 Thales Method for non-supervised deinterleaving by n-dimensional enrichment
CN106597365A (zh) * 2016-11-18 2017-04-26 中国船舶重工集团公司第七二四研究所 一种基于时域聚类的复杂电子信号时差定位方法
CN110598738A (zh) * 2019-08-07 2019-12-20 中国电子科技集团公司第二十九研究所 一种基于空间信息的分布式聚类方法
CN111090077A (zh) * 2020-01-20 2020-05-01 上海交通大学 多维度去交错后的toa差分统计雷达信号分选方法
CN112130119A (zh) * 2020-08-21 2020-12-25 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) 一种分布式多站电子侦察协同信号处理系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4918455A (en) * 1988-11-03 1990-04-17 Hughes Aircraft Company Associative hierarchiacl deinterleaver
EP0452023A2 (en) * 1990-04-12 1991-10-16 Raytheon Company Method and apparatus for pulse sorting
US5583505A (en) * 1995-09-11 1996-12-10 Lockheed Martin Corporation Radar pulse detection and classification system
US20140009325A1 (en) * 2012-06-01 2014-01-09 George D. Hammack Method for de-interleaving received radar pulses using dynamically updated weights
US20160209492A1 (en) * 2013-09-27 2016-07-21 Thales Method for non-supervised deinterleaving by n-dimensional enrichment
CN106597365A (zh) * 2016-11-18 2017-04-26 中国船舶重工集团公司第七二四研究所 一种基于时域聚类的复杂电子信号时差定位方法
CN110598738A (zh) * 2019-08-07 2019-12-20 中国电子科技集团公司第二十九研究所 一种基于空间信息的分布式聚类方法
CN111090077A (zh) * 2020-01-20 2020-05-01 上海交通大学 多维度去交错后的toa差分统计雷达信号分选方法
CN112130119A (zh) * 2020-08-21 2020-12-25 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) 一种分布式多站电子侦察协同信号处理系统及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
TINGJUN LI,ET AL: "Algorithm for TDOA Sorting Based on Clustering", 《ADVANCED MATERIALS RESEARCH 》 *
冯奇等: "基于自然聚类的信号分选新方法", 《海军航空工程学院学报》 *
常征: "电扫相控阵雷达信号分选方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
陈涛等: "基于时差多参分选的多层感知器网络脉间识别", 《电子与信息学报》 *
马贤同等: "基于时差的同类辐射源信号分选定位方法", 《电子与信息学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113447907A (zh) * 2021-09-01 2021-09-28 湖南艾科诺维科技有限公司 一种雷达分选系统控制方法及雷达分选系统
CN113447907B (zh) * 2021-09-01 2021-11-12 湖南艾科诺维科技有限公司 一种雷达分选系统控制方法及雷达分选系统

Also Published As

Publication number Publication date
CN113075620B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN111079859B (zh) 一种无源多站多目标测向交叉定位与虚假点去除方法
CN107229033B (zh) 基于高度维分段搜索的多目标到达时间差定位方法
CN108650626A (zh) 一种基于泰森多边形的指纹定位算法
CN112986928A (zh) 一种复杂电磁环境下信号分选多源融合处理方法
CN113075620B (zh) 一种基于多站时差网格聚类的信号分选方法
Zhao et al. A new multi-target state estimation algorithm for PHD particle filter
CN112990125B (zh) 一种辐射源雷达属于目标平台的判别方法
Zhao et al. A multi-station signal sorting method based on TDOA grid clustering
CN116299195A (zh) 一种基于toa序列相关度的雷达信号处理方法
CN115980689A (zh) 基于点云检测的辐射源信号分选方法、装置、设备及介质
CN111257839B (zh) 一种雷达信号分选方法
CN111624575B (zh) 一种未知雷达目标脉冲序列的快速提取方法及系统
CN111811515B (zh) 一种基于高斯混合概率假设密度滤波器的多目标航迹提取方法
Li et al. Signals Deinterleaving for ES systems using Improved CFSFDP Algorithm
Wang et al. FCM algorithm and index CS for the signal sorting of radiant points
Peng et al. An improved adaptive ET-PHD algorithm for newborn target intensity
CN113390406A (zh) 基于被动多传感器系统的多目标数据关联与定位方法
Yang et al. Altitude estimation using multipath with a two-dimensional radar over spherical earth
Ma et al. Pulse sorting algorithm using TDOA in multiple sensors system
Xinglin et al. Fast density peak-based clustering algorithm for multiple extended target tracking
Lu et al. A recursive sorting method based on multi-station TDOA vector
Wang et al. A PRI estimation and signal deinterleaving method based on density-based clustering
CN112763989B (zh) 一种基于cdif的抖动信号分选方法
Siyi et al. Research On Multi-Target Data Association and Location Algorithm Based On Passive Multi-Sensor System
CN113759324B (zh) 一种基于箔条干扰实测数据的对抗方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant