CN115792888A - 一种基于改进K-means聚类的旁瓣杂波跟踪方法 - Google Patents

Abstract

本申请提供了一种基于改进K‑means聚类的旁瓣杂波跟踪方法，属于雷达信息处理技术领域，具体包括通过设置合适的背景电平检测后所形成的疑似杂波目标数据集基础上，按空间关系通过引用数据挖掘技术的聚类方法进行的后处理操作，针对具体杂波目标数据集，根据频谱上分块杂波目标的数目进行初始化分类数K_in，经过迭代计算目标数据集中样本对象与聚类中心最小距离，对符合门限目标归为一类，迭代结束后合并最终聚类中心间距小于D_L的所有类，确定聚类结果，并对类内目标数大于D_G且类内距离小于D_R的类作为杂波类进行保留。通过本申请的处理方案，能够准确的区分出强旁瓣杂波的范围与边缘。

Description

一种基于改进K-means聚类的旁瓣杂波跟踪方法

技术领域

本申请涉及雷达信息处理的领域，尤其是涉及一种基于改进K-means聚类的旁瓣杂波跟踪方法。

背景技术

现代机载脉冲多普勒(PD)雷达对空下视探测目标时，主要使用中重频(MPRF)波形工作模式。该模式采用全相参PD处理，即可实现对迎头/尾随目标的检测、跟踪，还可完成上视/下视全空域的目标监视，因而被广泛使用。

该模式目标检测在一维“距离”和二维“距离-频率”平面上进行，二维检测主要利用目标与主杂波之间产生的多普勒频差实现频率分离，从而可使用恒虚警技术在清晰区完成目标检测，以最大化提高检测概率。

传统恒虚警检测方法使用滑窗计算检测点周围背景功率，如通过单元平均恒虚警(CA-CFAR)检测处理方法，比较检测点与背景功率的大小关系来判定目标。在独立同分布瑞利包络并且参考滑窗中没有出现干扰目标回波、杂波边缘情况下，该方法可以获得准最优的检测性能。

当检测单元位于主杂波、高度线杂波或强旁瓣杂波边缘时，由于检测单元所处的区域背景功率的高低以及参考窗滑窗中混入的强杂波或干扰目标回波，会引起检测阈值的变化。如果仅使用传统的恒虚警技术，会造成不同程度的检测概率下降、目标遮蔽或者虚警概率上升，从而影响雷达的正常使用。

发明内容

有鉴于此，本申请提供一种基于改进K-means聚类的旁瓣杂波跟踪方法，解决了现有技术中的问题，能够准确的区分出强旁瓣杂波的范围与边缘。

本申请提供的一种基于改进K-means聚类的旁瓣杂波跟踪方法采用如下的技术方案：

一种基于改进K-means聚类的旁瓣杂波跟踪方法，其特征在于，包括：

步骤1，将RF平面分割成L个N×M的矩形窗，取出每个矩形窗内最大背景功率位置P_pos(i)＝[nr_i,nf_i],i＝1,2,3...,L作为后续聚类初始化值；

步骤2，对RF平面上的每个检测点在距离向进行滑窗处理，滑窗宽度为W，得到每个检测点的背景P_back[nr,nf],nr＝1,2,3...,Nr,nf＝1,2,3,...,Nf；

步骤3，判断每个信号点是否为疑似杂波目标点，若信号点为疑似杂波目标点，则信号点位置杂波标志置1，杂波目标点Z＝Z+1，否则信号点位置杂波标志置0，最终形成杂波二值谱矩阵Clu[nr,nf]并存储所有疑似杂波目标点的位置信息S_pos(i)＝[nr_i,nf_i],i＝1,2,3...,Z；

步骤4，统计每个矩形块中信号点位置的杂波标志为1的数量，如果个数满足预设门限，则表示矩形块为杂波快，并记录矩形窗内最大背景功率位置P_pos记为Clu_pos，记录满足预设门限矩形窗的数量；

步骤5，设定K-means聚类算法的输入，S_pos作为杂波目标数据集，其中Z为杂波数据集大小，初始化类别数K_in＝c_block以及算法的迭代次数t；

步骤6，将Clu_pos中的样本对象，作为K_in个类的初始聚类中心；

步骤7，对杂波数据集中的每个样本对象S_pos(i)，找到与其间距最小的聚类中心Clu_pos(i)，若最小间距距离小于门限值D_L，则将样本对象S_pos(i)分配到该聚类中心Clu_pos(i)对应的类C_i，否则将该样本对象从杂波数据集中剔除；

步骤8，计算每个类内样本对象的均值Clu_pos(i)，作为新的聚类中心点；

步骤9，计算聚类准则函数；

步骤10，重复步骤7、8、9直到满足指定迭代次数t或聚类准则函数收敛。

可选的，所述步骤3包括对每个矩形窗内所有采样点的背景功率求平均

，在L个矩形窗平均背景功率中选取最小的背景平均功率T_back＝min(P_aver)作为判断疑似杂波目标的噪声门限，初始化杂波目标点个数Z＝0，将T_back乘以预设的门限系数K，再与每个检测点的背景P_back[nr，nf]进行比较，若P_back[nr,nf]>K×T_back，则认为该点为疑似杂波目标点。

可选的，所述步骤4包括在杂波标志二值谱平面上，按照步骤1中的方式分割成L个均匀的矩形窗并初始化疑似杂波块数目c_block＝0，对每个矩形窗内的标志求和后与预设的门限K_flag比较，若

，则记录该矩形块内的最大背景功率位置Clu_pos(c_block)＝P_pos(i),c_block＝c_block+1。

可选的，还包括步骤11对完成凝聚的类C＝[1,K_in]，计算所有类间最终聚类中心点的距离，若小于D_L，则进行类间的合并，形成新的杂波聚类集；

步骤12、计算新的聚类集中单个聚类内的目标点之间的距离，每个聚类内目标数，依据上述结果将每个聚类内目标数G>D_G且单个聚类内的目标点之间的距离R<D_R的凝聚结果作为杂波跟踪目标结果数据集，D_G为目标数门限值，D_R为类内距离门限值。

可选的，所述预设的门限K_flag为矩形框中目标点数量的一半。

综上所述，本申请包括以下有益技术效果：

针对具体杂波目标数据集，根据频谱上分块杂波目标的数目进行初始化分类数K_in，经过迭代计算目标数据集中样本对象与聚类中心最小距离，对符合门限目标归为一类，迭代结束后合并最终聚类中心间距小于D_L的所有类，确定聚类结果，并对类内目标数大于D_G且类内距离小于D_R的类作为杂波类进行保留。

在雷达对空模式下视的探测过程中，能充分利用地杂波的分布特征进行准确的杂波范围与边缘定位，为杂波边缘的恒虚警检测策略提供参考。数据分析结果证明，采用本发明的技术方法，能够准确的区分出强旁瓣杂波的范围与边缘。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请杂波点聚类示意图；

图2为某中重波形频谱图；

图3为本申请旁瓣杂波定位跟踪效果图。

具体实施方式

下面结合附图对本申请实施例进行详细描述。

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本申请，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本申请实施例提供一种基于改进K-means聚类的旁瓣杂波跟踪方法。

如图1-3所示，本申请针对雷达信号处理传统恒虚警技术在杂波边缘环境中的性能缺陷，本发明提出一种基于改进K-means聚类的旁瓣杂波跟踪方法。该方法采用理论分析并结合大量实际数据，统计分析出旁瓣杂波的范围和分布特性，依据不同的检测单元的杂波属性，为不同的检测目标单元选择不同的恒虚警检测策略提供依据。

一种基于改进K-means聚类的旁瓣杂波跟踪方法是在传统二维FFT频谱的功率谱上，通过设置合适的背景电平检测后所形成的疑似杂波目标数据集基础上，按空间关系通过引用数据挖掘技术的聚类方法进行的后处理操作，其关键在于正确地按照杂波成片的分布特征进行准确聚类，聚类结果希望可以准确将杂波凝聚为一类目标，进而准确的在频谱上标注哪些位置为杂波目标，为选择不同的恒虚警检测策略提供依据，为此设计杂波聚类算法，算法的基本思想是：针对具体杂波目标数据集，根据频谱上分块杂波目标的数目进行初始化分类数K_in，经过迭代计算目标数据集中样本对象与聚类中心最小距离，对符合门限目标归为一类，迭代结束后合并最终聚类中心间距小于D_L的所有类，确定聚类结果，并对类内目标数大于D_G且类内距离小于D_R的类作为杂波类进行保留。

一种基于改进K-means聚类的旁瓣杂波跟踪方法，包括：

步骤1，将RF平面分割成L个N×M的矩形窗，取出每个矩形窗内最大背景功率位置P_pos(i)＝[nr_i，nf_i]，i＝1，2，3…，L作为后续聚类初始化值。

步骤2，对RF平面上的每个检测点在距离向进行滑窗处理，滑窗宽度为W，得到每个检测点的背景P_back[nr，nf]，nr＝1，2，3…，Nr，nf＝1，2，3，...，Nf。

步骤3，判断每个信号点是否为疑似杂波目标点，若信号点为疑似杂波目标点，则信号点位置杂波标志置1，杂波目标点Z＝Z+1，否则信号点位置杂波标志置0，最终形成杂波二值谱矩阵Clu[nr，nf]并存储所有疑似杂波目标点的位置信息S_pos(i)＝[nr_i，nf_i]，i＝1，2，3…，Z。

步骤4，统计每个矩形块中信号点位置的杂波标志为1的数量，如果个数满足预设门限，则表示矩形块为杂波快，并记录矩形窗内最大背景功率位置P_pos记为Clu_pos，记录满足预设门限矩形窗的数量。

步骤5，设定K-means聚类算法的输入，S_pos作为杂波目标数据集，其中Z为杂波数据集大小，初始化类别数K_in＝c_block以及算法的迭代次数t。

步骤6，将Clu_pos中的样本对象，作为K_in个类的初始聚类中心。

步骤7，对杂波数据集中的每个样本对象S_pos(i)，找到与其间距最小的聚类中心Clu_pos(i)，若最小间距距离小于门限值D_L，则将样本对象S_pos(i)分配到该聚类中心Clu_pos(i)对应的类C_i，否则将该样本对象从杂波数据集中剔除。

步骤8，计算每个类内样本对象的均值Clu_pos(i)，作为新的聚类中心点。

步骤9，计算聚类准则函数。

步骤10，重复步骤7、8、9直到满足指定迭代次数t或聚类准则函数收敛。

所述步骤3包括对每个矩形窗内所有采样点的背景功率求平均

，在L个矩形窗平均背景功率中选取最小的背景平均功率T_back＝min(P_aver)作为判断疑似杂波目标的噪声门限，初始化杂波目标点个数Z＝0，将T_back乘以预设的门限系数K，再与每个检测点的背景P_back[nr，nf]进行比较，若P_back[nr，nf]＞K×T_back，则认为该点为疑似杂波目标点。

所述步骤4包括在杂波标志二值谱平面上，按照步骤1中的方式分割成L个均匀的矩形窗并初始化疑似杂波块数目c_block＝0，对每个矩形窗内的标志求和后与预设的门限K_flag比较，若

，则记录该矩形块内的最大背景功率位置Clu_pos(c_block)＝P_pos(i),c_block＝c_block+1。所述预设的门限K_flag为矩形框中目标点数量的一半。

在一个实施例中，一种基于改进K-means聚类的旁瓣杂波跟踪方法，还包括如下步骤：

步骤11对完成凝聚的类C＝[1,K_in]，计算所有类间最终聚类中心点的距离，若小于D_L，则进行类间的合并，形成新的杂波聚类集。

步骤12、计算新的聚类集中单个聚类内的目标点之间的距离，每个聚类内目标数，依据上述结果将每个聚类内目标数G>D_G且单个聚类内的目标点之间的距离R<D_R的凝聚结果作为杂波跟踪目标结果数据集，D_G为目标数门限值，D_R为类内距离门限值。

针对具体杂波目标数据集，根据频谱上分块杂波目标的数目进行初始化分类数，经过迭代计算目标数据集中样本对象与聚类中心最小距离，对符合门限目标归为一类，迭代结束后合并最终聚类中心间距小于的所有类，确定聚类结果，并对类内目标数大于且类内距离小于的类作为杂波类进行保留。

在雷达对空模式下视的探测过程中，能充分利用地杂波的分布特征进行准确的杂波范围与边缘定位，为杂波边缘的恒虚警检测策略提供参考。数据分析结果证明，采用本发明的技术方法，能够准确的区分出强旁瓣杂波的范围与边缘。

在一个实施例中，一种基于改进K-means聚类的旁瓣杂波跟踪方法，包括如下步骤：

步骤1、对二维FFT频谱求功率后，依据处理的距离门数Nr和积累脉冲数Nf，对二维“距离-频率”(RF)平面进行分区间处理，即把RF平面分割成L个N×M的矩形窗，对每个矩形窗内所有采样点的背景功率求平均

，在L个矩形窗平均背景功率中选取最小的背景平均功率T_back＝min(P_aver)作为判断疑似杂波目标的噪声门限，取出每个矩形窗内最大背景功率位置P_pos(i)＝[nr_i，nf_i]，i＝1，2，3…，L作为后续聚类初始化值。

步骤2、对RF平面上的每个检测点在距离向进行滑窗处理，滑窗宽度为W，得到每个检测点的背景P_back[nr，nf]，nr＝1，2，3…，Nr，nf＝1，2，3，...，Nf。

步骤3、初始化杂波目标点个数Z＝0，将T_back乘以预设的门限系数K，再与每个检测点的背景P_back[nr，nf]进行比较，若P_back[nr，nf]＞K×T_back，则认为该点为疑似杂波目标点，杂波标志置1，杂波目标点Z＝Z+1，否者，杂波标志置0，最终形成杂波二值谱矩阵Clu[nr，nf]并存储所有疑似杂波目标点的位置信息S_pos(i)＝[nr_i，nf_i]，i＝1，2，3…，Z；

步骤4、在杂波标志二值谱平面上，按照步骤1中的方式分割成L个均匀的矩形窗并初始化疑似杂波块数目c_block＝0，对每个矩形窗内的标志求和后与预设的门限K_flag比较，若

，则记录该矩形块内的最大背景功率位置Clu_pos(c_block)＝P_pos(i)，c_block＝c_block+1，若c_block＞0，则进行步骤5，否者输出频谱无杂波结果。

步骤5、设定K-means聚类算法的输入，S_pos作为杂波目标数据集，其中Z为杂波数据集大小，初始化类别数K_in＝c_block以及算法的迭代次数t。

步骤6、将Clu_pos中的样本对象，作为K_in个类的初始聚类中心。

步骤7、对杂波数据集中的每个样本对象S_pos(i)，找到与其间距最小的聚类中心Clu_pos(i)，若最小间距距离小于门限值D_L，则将样本对象S_pos(i)分配到该聚类中心Clu_pos(i)对应的类C_i，否则将该样本对象从杂波数据集中剔除。

步骤8、计算每个类内样本对象的均值，作为新的聚类中心点。

步骤9、计算聚类准则函数。

步骤10、重复步骤7、8、9直到满足指定迭代次数t或聚类准则函数收敛。

步骤11、对完成凝聚的类C＝[1，K_in]，计算所有类间最终聚类中心点的距离，若小于D_L，则进行类间的合并，形成新的杂波聚类集。

步骤12、计算新的聚类集中单个聚类内的目标点之间的距离，每个聚类内目标数，依据上述结果将每个聚类内目标数G>D_G且单个聚类内的目标点之间的距离R<D_R的凝聚结果作为杂波跟踪目标结果数据集，D_G为目标数门限值，D_R为类内距离门限值。

在一个实施例中，雷达系统为X波段，Nr＝366，Nf＝512，二维功率谱划分为36个40×128矩形窗，求得T_back＝54.573db及36个聚类中心初始位置，对功率谱每个检测点进行距离向滑窗宽度W＝3 2-4的距离滑窗处理后，设置K＝15db，10-20得到杂波二值谱Clu[nr,nf]以及杂波目标数据集S_pos，其中杂波数据集大小Z＝15056，统计疑似杂波块数目c_block＝12，设置聚类算法迭代次数t＝100 80-150，D_L＝80，50-100D_G＝1000，980-1020D_R＝5,4-6实施例的二维功率谱实际杂波分布见图2。根据系统参数，依据本发明杂波跟踪过程计算得到聚类数36个，其中12个类的类内目标数和类内目标间距离满足D_G和D_R两个杂波数据块条件，得到杂波跟踪定位结果见图3，通过对比图2与图3可以得出：使用本申请方法，可以准确的定位出主杂波与大部分强旁瓣杂波位置，为后续信号处理提供参考依据

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于改进K-means聚类的旁瓣杂波跟踪方法，其特征在于，包括：

步骤1，将RF平面分割成L个N×M的矩形窗，取出每个矩形窗内最大背景功率位置P_pos(i)＝[nr_i，nf_i]，i＝1，2，3...，L作为后续聚类初始化值；

步骤2，对RF平面上的每个检测点在距离向进行滑窗处理，滑窗宽度为W，得到每个检测点的背景P_back[nr，nf]，nr＝1，2，3...，Nr，nf＝1，2，3，...，Nf；

步骤3，判断每个信号点是否为疑似杂波目标点，若信号点为疑似杂波目标点，则信号点位置杂波标志置1，杂波目标点Z＝Z+1，否则信号点位置杂波标志置0，最终形成杂波二值谱矩阵Clu[nr，nf]并存储所有疑似杂波目标点的位置信息S_pos(i)＝[nr_i，nf_i]，i＝1，2，3...，Z；

步骤4，统计每个矩形块中信号点位置的杂波标志为1的数量，如果个数满足预设门限，则表示矩形块为杂波快，并记录矩形窗内最大背景功率位置P_pos记为Clu_pos，记录满足预设门限矩形窗的数量；

步骤5，设定K-means聚类算法的输入，S_pos作为杂波目标数据集，其中Z为杂波数据集大小，初始化类别数K_in＝c_block以及算法的迭代次数t；

步骤6，将Clu_pos中的样本对象，作为K_in个类的初始聚类中心；

步骤7，对杂波数据集中的每个样本对象S_pos(i)，找到与其间距最小的聚类中心Clu_pos(i)，若最小间距距离小于门限值D_L，则将样本对象S_pos(i)分配到该聚类中心Clu_pos(i)对应的类C_i，否则将该样本对象从杂波数据集中剔除；

步骤8，计算每个类内样本对象的均值Clu_pos(i)，作为新的聚类中心点；

步骤9，计算聚类准则函数；

步骤10，重复步骤7、8、9直到满足指定迭代次数t或聚类准则函数收敛。

2.根据权利要求1所述的基于改进K-means聚类的旁瓣杂波跟踪方法，其特征在于，所述步骤3包括对每个矩形窗内所有采样点的背景功率求平均

在L个矩形窗平均背景功率中选取最小的背景平均功率T_back＝min(P_aver)作为判断疑似杂波目标的噪声门限，初始化杂波目标点个数Z＝0，将T_back乘以预设的门限系数K，再与每个检测点的背景P_back[nr，nf]进行比较，若P_back[nr，nf]＞K×T_back，则认为该点为疑似杂波目标点。

3.根据权利要求1所述的基于改进K-means聚类的旁瓣杂波跟踪方法，其特征在于，所述步骤4包括在杂波标志二值谱平面上，按照步骤1中的方式分割成L个均匀的矩形窗并初始化疑似杂波块数目c_block＝0，对每个矩形窗内的标志求和后与预设的门限K_flag比较，若

则记录该矩形块内的最大背景功率位置Clu_pos(c_block)＝P_pos(i)，c_block＝c_block+1。

4.根据权利要求1所述的基于改进K-means聚类的旁瓣杂波跟踪方法，其特征在于，还包括步骤11对完成凝聚的类C＝[1，K_in]，计算所有类间最终聚类中心点的距离，若小于D_L，则进行类间的合并，形成新的杂波聚类集；

步骤12、计算新的聚类集中单个聚类内的目标点之间的距离，每个聚类内目标数，依据上述结果将每个聚类内目标数G＞D_G且单个聚类内的目标点之间的距离R＜D_R的凝聚结果作为杂波跟踪目标结果数据集，D_G为目标数门限值，D_R为类内距离门限值。

5.根据权利要求3所述的基于改进K-means聚类的旁瓣杂波跟踪方法，其特征在于，所述预设的门限K_flag为矩形框中目标点数量的一半。

Images