PMOPSO算法在雷达辐射源信号聚类分选中的应用

发布时间：2021-09-15 22:07

　　密集信号环境下的雷达辐射源信号交叠概率增大,传统的聚类算法往往无法揭示信号特征集所表现出来的多样性结构,不能满足雷达辐射源信号分选识别的要求。因此,结合雷达辐射源信号分选的本质,以聚类的紧凑度和连通性指标构建多目标函数,在P系统优化理论的启发下,提出了膜框架下的粒子群多目标优化算法。该算法在各基本膜中融入粒子群算法,执行粒子多目标搜索策略;通过膜间溶解规则,在表层膜中利用非支配排序和拥挤距离机制提高算法的快速收敛性,保持解集的多样性和差异性。最终,提出的算法用于求解雷达辐射源信号符号熵特征数据集的Pareto最优解集,实现信号的多目标聚类分选。仿真结果表明:该算法获得了较好的雷达辐射源信号分选识别正确率,验证了此算法的有效性和可行性,其性能优于传统聚类方法。 

【文章来源】：现代雷达. 2020,42(11)北大核心CSCD

【文章页数】：6 页

【部分图文】：

PMOPSO伪代码算法

PMOPSO Pareto前沿

图2 PMOPSO Pareto前沿接着,选取传统的聚类算法K-means、Average-link和Single-link与提出的算法进行比较,当聚类个数K=[1 25]时,不同算法的归一化聚类紧凑度和连通度的计算结果分布如图4所示,从图中可以反映出PMOPSO算法获得了较好的Pareto前沿解集。

【参考文献】：
期刊论文
[1]基于扩张残差网络的雷达辐射源信号识别[J]. 秦鑫,黄洁,查雄,骆丽萍,胡德秀.  电子学报. 2020(03)
[2]基于粒子群算法的动力定位推力分配决策变量优选[J]. 尚留宾,王威,刘志华.  船舶工程. 2019(10)
[3]一种新的雷达辐射源信号识别效能评估方法[J]. 杨朝,何明浩,韩俊,冯明月.  现代雷达. 2019(10)
[4]膜计算多粒子群算法[J]. 陈东宁,王跃颖,姚成玉,刘一丹,吕世君.  机械工程学报. 2019(12)
[5]基于多目标粒子群算法的配电网多目标优化重构[J]. 陈萍,毛弋,童伟,邓海潮,陈艳平,胡躲华.  电力系统及其自动化学报. 2016(07)
[6]基于改进相像系数和奇异谱熵的雷达信号分选[J]. 刘凯,韩嘉宾,黄青华.  现代雷达. 2015(09)
[7]利用膜粒子群优化的条件随机域特征选择[J]. 豆增发,高琳.  西安电子科技大学学报. 2012(05)
[8]自然计算的新分支——膜计算[J]. 张葛祥,潘林强.  计算机学报. 2010(02)

博士论文
[1]基于脉内特征的雷达辐射源信号分选技术研究[D]. 陈韬伟.西南交通大学 2010



本文编号：3396895