热门动态
一种新的辐射源多特征数据关联方法
时间:2019-03-13 22:17

提出了一种新的辐射源多特征数据关联方法。讨论了数据关联的相似性度量。给出了一种新的多特征参数统计相似性度量,并将谱系聚类方法用于数据关联。获得的相关结果进行统计学测试。计算机模拟结果证实了该方法的有效性。

关键词辐射源;多特征;数据关联;相似性度量;数据融合

Anewapproachformulti-featuredataassociationofemitter

Abstractthispaperpresentsanewapproachformulti-featuredataassociationofemitter.similaritymeasurementsfordataassociationarediscussed.anewstatisticalsimilaritymeasurementformulti-featureparametersisproposed,dataassociationofimpulseemitterisprocessedbyclusteringdendrogram,itseffectistestedwithstatisticalcriterion.theresultsofputersimulationillustratethattheproposedapproachiseffective。

Keywordsemitter;多featureparameters; dataassociation; similaritymeasurement; datafusion

鲲简介

在现代战争中,目标敌人属性鲲类型或个人平台的识别特别重,识别目标平台的有效方法之一是首先识别其中包含的电子辐射源,然后根据电子设备组合和目标平台。与目标识别的关系。辐射源识别是通过提取检测到的辐射源信号的特征,选择相关信息标记和目标的稳定性特征来确定目标的真或假鲲属性或类型。由于复杂的电磁信号环境和战场干扰的影响,提取的辐射源的特征参数具有许多特征,如源路径大于鲲级。因此,影院情报处理中心需要对大量处理过的鲲处理数据进行有效的数据融合处理,形成完整的智能用于判断,其中信号特征相关性是信息融合处理的基础,多传感器的信号参数为一组,每组表示与单个可区分信号源有关的数据,并确定每组观察结果。观察哪些已知源或新观察到的潜在源,使数据被累积用于进一步的物体识别和数据融合的估计处理。目前,关于跟踪和跟踪融合中数据关联的讨论很多,目标识别中数据关联的讨论相对较少[1~3]。本文讨论了目标识别中数据关联和相关度量的选择,并讨论了脉冲工作模式下辐射源的多特征数据关联。多传感器用于检测辐射源并提取其组合特征。根据这些特征的相似性度量,如何有效地实现辐射源身份的相关性,并确定观察是否来自同一目标,以进一步进行目标身份融合决策。 

两个鲲多特征数据关联

1.多特征数据关联过程

在数据融合信息系统中,诸如雷达鲲通信机器鲲敌方识别装置之类的辐射源的接收信号参数,以及预处理中这些辐射源信号参数数据的特征提取是多组多维特征向量。 。数据关联是使用这些信号参数的特征向量从预定义的相似性度量计算相关矩阵,然后确定哪个特征向量组是同一目标的描述,即确定是否可以将多个观察分组在一起。分开表明它们是同一潜在实体的观察结果。分类结果是否合理需要统计测试。如果不合理,请重复关联,直到输出验证合理的结果。具体的关联过程如图1所示

2.传统的关联度量

为了量化观察对之间的相似性,必须定义关联度量,其提供相似或不相似观察的定量描述。列出了两种常用的传统相关度量。

(1)距离度量[4]

特征参数分为两类:平均类{ei}(i=1,2,... n)和方差类{τi}(i=1,2,... n),其中i是特征参数的维数,然后提供2组特征参数m1和m2

一种新的辐射源多特征数据关联方法

基于观测值的平均值的距离度量

基于观察到的方差的距离度量是

如果目标特征参数之间的权重中没有先验信息,则采用等权重方法,即

(2)相关系数[1]

gower系数允许同时使用具有以下形式的不同测量标度的变量

Wi是权重,并且量si(ai,bi)是变量i的变量a和b的相似性的度量,并且m是特征参数的维度。

3.新的关联指标

关联度量的选择取决于要比较的变量类型鲲先验信息,依此类推。这里,根据目标特征参数的均值和方差,给出了观测和观测之间“相似度”特征参数的统计相关性度量。让观察成为n维特征向量组,其均值和方差分别为

使用组a的组σi鲲a的平均xi鲲b的平均yi,相关度量:

类似地,b的方差ηi鲲b的平均yi鲲a组的平均xi用于获得相关性度量:相关性度量更好地反映了特征数据的分布结构的相似性,即,它可以反映数据的集中和散射特征,并且可以根据相关性执行观察和观察之间的相似性的度量。测量。对于联合特征向量的观察,相似性度量选择将影响将目标数据正确分配给相应目标的能力。因此,数据相似性度量的结构对目标聚类相关效应的影响更大。 

三个鲲数据关联和检查

数据关联是聚类过程,其中备选观察y1,y2,...,yn根据特定标准分类以形成c1,c2,...,cn。本文采用谱系聚类方法[5]。谱系聚类方法首先将每个观察处理成一个类,然后将具有最相似(最小相关度量)的观察聚合成小类,然后根据它们的相似性重新聚合聚合的小类。随着相似性的降低,最后,所有子类都聚合成一个大类,从而产生一个通过相似性聚类的谱系。其中,多个特征参数组的相关度量构成关联矩阵,相关阈值由在先数据设置。最后,确定分类。这里,根据谱系的视觉分布或经验值确定临界相似度,并且通过划分谱线图获得分类c1,c2,...,cn。无论班级的分类是否合理,都需要进行统计测试。这里使用了r2统计量[5]。

差值平方和与t的比率用于通过实际聚类过程中的r2值的差异来检查分类是否合理。

具体应用中的测试标准是如果第k个分类结果的r2值大于第k-1个分类结果的r2值,则第k个分类结果是合理的。 

四个鲲计算机模拟实验和结果分析

辐射源数据相关使用半物理数据进行相关模拟分析,即对不同传感器采集的markx响应信号的精细特征统计进行统计分析,用于数据相关分析。提取的特征项是脉冲宽度(pw)鲲频率差。 (fc)鲲频率(f)鲲上升沿(prt)鲲下降沿(pdt)鲲数据预处理每个参数的均值和方差。获得了三类辐射源数据的60组特征参数,并在预处理后得到了6组均值和方差。基于方差距离测量和gower系数的新相关测量计算结果和基于平均距离测量值鲲的计算被用作相关测量。结果进行了比较。数据关联的效果如图2(a)?(d)所示,其中纵轴表示每两组观测值之间的相似性,例如h12表示第一组特征向量与第二组特征向量之间的距离。特征向量。值越小,相似性越大,水平轴是等间距刻度。各种方法的辐射源的相关结果和试验结果的比较如表1所示

根据测试标准,如果第k个分类结果的r2值大于第k-1个分类结果的r2值,则第k个分类结果是合理的。从差异计算结果可以看出,分为三类时的r2统计量在分为两类时的变化小于r2统计量,并且当分为三类时r2统计量分为四类。 r2统计量有很大的变化,这意味着分成三个类别更合理。这与实际模拟源确实是三种类型的辐射源数据的事实一致。这表明在本文中使用新的相关度量来表示特征参数数据的关联是有效的。 。 

五个鲲结束语

本文提出了一种新的多特征参数统计相关性度量方法,并对辐射源数据的相关性和相关性进行了统计检验。相关度量可以反映数据分布结构的相似性。仿真表明,该度量对目标多特征参数相关性有很好的影响。将进一步研究阈值设置和每个特征参数的相对权重,即合理的权重选择。

引用

[1]赵中贵数据融合方法简介[m]。电子工业部第28研究所,1998年。

[2]程红军,周玉玉,孙中康。多目标跟踪关联中的多特征数据融合方法[J]。中国电子学报,1999,27(3): 136~139。

[3]何友,王国红,卢大钊,等。多传感器信息融合与应用[m]。北京电子工业出版社,2000。

[4]黄志涛,陆启中,等。基于双阈值检测的辐射源识别方法[J]。系统工程与电子学,2001,23(11): 62~66。

[5]范金成,梅长林。数据分析[m]。北京:科学出版社,2002

上一篇:新课程标准下的英语语法教学

下一篇:浅谈基于功能分析的驾驶培训信息系统设计

东森娱乐平台立足于做最“好用”的东森游戏注册软件,适合玩家自身手机东森平台注册系统的才是最好的管理系统,东森娱乐官方的宗旨是用技术求生存,靠服务求发展!   Copyright © 版权所有:东森娱乐平台