基于快速支持向量聚类和相似熵的多参雷达信号分选方法

该文针对现有聚类算法在雷达信号分选应用中复杂度高,准确性低的问题,研究了一种基于锥面簇分配的支持向量聚类算法,该算法在数据空间进行簇分配,避免了特征空间中计算邻接矩阵带来的高复杂度问题。该文将此算法引入雷达信号分选中,并在此基础上对其进行改进,使改进后的算法能对异常值做进一步处理,以达到缩短消耗时间的同时提高正确率的目的。同时以信息熵的理论描述类内聚集度和类间分离度,应用相似熵指标验证分选效果的有效性。仿真结果表明,该方法在提高分选正确率的同时可以有效降低计算复杂度。

基于改进相似熵的参数交叠雷达信号分选

在信号参数日益交叠的背景下,传统的雷达信号分选算法已经不能解决参数严重交叠的雷达信号分选问题。因此提出了基于改进相似熵指标的K均值分选算法,该算法利用相像系数来代替传统的欧几里德距离,用相似熵指标作为迭代是否结束的标志,利用Wpt6和Wpt7小波参数特征与传统的分选参数进行联合分选。仿真结果表明,新算法较传统K均值算法可提高15.8%的分选准确率,对于严重交叠的雷达信号分选准确率可达到96.2%,较好地解决了参数严重交叠的雷达信号分选问题。