密集信號(hào)環(huán)境下的雷達(dá)輻射源信號(hào)交疊概率增大,傳統(tǒng)的聚類(lèi)算法往往無(wú)法揭示信號(hào)特征集所表現(xiàn)出來(lái)的多樣性結(jié)構(gòu),不能滿足雷達(dá)輻射源信號(hào)分選識(shí)別的要求。因此,結(jié)合雷達(dá)輻射源信號(hào)分選的本質(zhì),以聚類(lèi)的緊湊度和連通性指標(biāo)構(gòu)建多目標(biāo)函數(shù),在P系統(tǒng)優(yōu)化理論的啟發(fā)下,提出了膜框架下的粒子群多目標(biāo)優(yōu)化算法。該算法在各基本膜中融入粒子群算法,執(zhí)行粒子多目標(biāo)搜索策略;通過(guò)膜間溶解規(guī)則,在表層膜中利用非支配排序和擁擠距離機(jī)制提高算法的快速收斂性,保持解集的多樣性和差異性。最終,提出的算法用于求解雷達(dá)輻射源信號(hào)符號(hào)熵特征數(shù)據(jù)集的Pareto最優(yōu)解集,實(shí)現(xiàn)信號(hào)的多目標(biāo)聚類(lèi)分選。仿真結(jié)果表明:該算法獲得了較好的雷達(dá)輻射源信號(hào)分選識(shí)別正確率,驗(yàn)證了此算法的有效性和可行性,其性能優(yōu)于傳統(tǒng)聚類(lèi)方法。 

【文章來(lái)源】：現(xiàn)代雷達(dá). 2020,42(11)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

PMOPSO偽代碼算法

PMOPSO Pareto前沿

圖2 PMOPSO Pareto前沿接著,選取傳統(tǒng)的聚類(lèi)算法K-means、Average-link和Single-link與提出的算法進(jìn)行比較,當(dāng)聚類(lèi)個(gè)數(shù)K=[1 25]時(shí),不同算法的歸一化聚類(lèi)緊湊度和連通度的計(jì)算結(jié)果分布如圖4所示,從圖中可以反映出PMOPSO算法獲得了較好的Pareto前沿解集。

【參考文獻(xiàn)】：
期刊論文
[1]基于擴(kuò)張殘差網(wǎng)絡(luò)的雷達(dá)輻射源信號(hào)識(shí)別[J]. 秦鑫,黃潔,查雄,駱麗萍,胡德秀.  電子學(xué)報(bào). 2020(03)
[2]基于粒子群算法的動(dòng)力定位推力分配決策變量?jī)?yōu)選[J]. 尚留賓,王威,劉志華.  船舶工程. 2019(10)
[3]一種新的雷達(dá)輻射源信號(hào)識(shí)別效能評(píng)估方法[J]. 楊朝,何明浩,韓俊,馮明月.  現(xiàn)代雷達(dá). 2019(10)
[4]膜計(jì)算多粒子群算法[J]. 陳東寧,王躍穎,姚成玉,劉一丹,呂世君.  機(jī)械工程學(xué)報(bào). 2019(12)
[5]基于多目標(biāo)粒子群算法的配電網(wǎng)多目標(biāo)優(yōu)化重構(gòu)[J]. 陳萍,毛弋,童偉,鄧海潮,陳艷平,胡躲華.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2016(07)
[6]基于改進(jìn)相像系數(shù)和奇異譜熵的雷達(dá)信號(hào)分選[J]. 劉凱,韓嘉賓,黃青華.  現(xiàn)代雷達(dá). 2015(09)
[7]利用膜粒子群優(yōu)化的條件隨機(jī)域特征選擇[J]. 豆增發(fā),高琳.  西安電子科技大學(xué)學(xué)報(bào). 2012(05)
[8]自然計(jì)算的新分支——膜計(jì)算[J]. 張葛祥,潘林強(qiáng).  計(jì)算機(jī)學(xué)報(bào). 2010(02)

博士論文
[1]基于脈內(nèi)特征的雷達(dá)輻射源信號(hào)分選技術(shù)研究[D]. 陳韜偉.西南交通大學(xué) 2010



本文編號(hào)：3396895