基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法

针对雷达实际侦察过程中会侦收到大量样本库中所没有的未知雷达信号,设计了一种基于粒子群优化的具有噪声的密度聚类算法和半监督条件生成对抗网络的单脉冲未知雷达信号处理方法。通过粒子群优化算法得到具有噪声的密度聚类算法的最优输入参数后,对未知雷达信号进行聚类,在聚类算法输出的簇中采用距离筛选算法筛选出更为可信的样本将其扩展到雷达样本库中。当加入的未知雷达信号的种类过多时,需对特征提取网络进行扩展训练,而样本库中数据量较小,难以支持特征提取网络进行有效扩展训练。因此,借鉴了半监督条件生成对抗网络实现小样本情况下未知信号的训练和分类识别。仿真结果表明,本方法的未知雷达信号识别效果表现良好。