基于DBSCAN算法的PDW數(shù)據(jù)二次分選方法研究

劉麗明，陳正寧，姚 嘯

(解放軍91336部隊，河北 秦皇島 066326)

0 引 言

脈沖描述字(PDW)是雷達偵察裝備對雷達信號脈沖測量結果的數(shù)字化描述，主要包括脈沖到達時間(TOA)、載頻(RF)、脈寬(PW)、到達方向(DOA)、脈幅(PA)[1]。在雷達信號分選時，PDW是最主要的數(shù)據(jù)源。由于雷達按照一定重復周期輻射的電磁脈沖在生成、傳輸、接收和處理過程中會不可避免地出現(xiàn)損失，因此，雷達偵察裝備形成的PDW與實際輻射信號的PDW之間存在差異，主要表現(xiàn)為PDW“丟失”，所以，在信號分選過程中，允許PDW適度的“丟失”，避免由此引起分選錯誤或者丟批增批[2]。

在完成雷達信號分選后，通常還有一部分PDW數(shù)據(jù)沒有參與分選，這些雷達脈沖描述字被認為是無法分選出信號或對分選無用的而被分選模塊主動丟棄，但是，其中可能包含高威脅雷達信號的部分信息，如窄波束高轉速雷達、低截獲概率雷達等[3]，因此，必須重視此類數(shù)據(jù)，從中挖掘出有價值的、能描述敵方威脅雷達的有用信息。由于這些數(shù)據(jù)已經被具有先驗知識的系統(tǒng)認為“無用”，原有的分選準則和方法已經無效，這類數(shù)據(jù)可能是“片面”的或“局部”的小數(shù)據(jù)，如果提高分選算法的包容性和分辨力，一定程度上可以避免產生“漏警”[4]。

本文提出的方法是對PDW數(shù)據(jù)的進一步挖掘，期望發(fā)現(xiàn)不滿足雷達偵察裝備原有分選準則而被遺漏的威脅信號。其主要的思想是按照各類雷達輻射源信號的輻射特征，分析在不同的電磁環(huán)境下的輻射源特征參數(shù)的細微變化規(guī)律，根據(jù)電子支援措施(ESM)設備在不同頻段范圍的測量值和參數(shù)測量誤差，采用更加寬泛的統(tǒng)計判別門限，通過DBSCAN算法聚類，使看似“無用”的脈沖在較小的累計數(shù)值下，分選成新的雷達信號。

1 DBSCAN算法

PDW數(shù)據(jù)二次處理的目的是尋找“隱藏”在“無用”數(shù)據(jù)中的，來自于同一個雷達輻射源的一組數(shù)據(jù)，聚類就是把相似的東西歸為一類，這一類數(shù)據(jù)在參數(shù)特征上存在明顯區(qū)別，分屬在不同的目標，因此，可以選擇DBSCAN算法[5]。該算法是一種基于密度的空間聚類方法，利用類的高密度連通性可以快速發(fā)現(xiàn)任意形狀的類[6]。與其它聚類算法的區(qū)別是：基于密度聚類可以發(fā)現(xiàn)任意形狀的簇，對空間數(shù)據(jù)的聚類具有明顯的優(yōu)勢，而基于距離的算法只能發(fā)現(xiàn)“近似于圓形”的簇[7]。

1.1 定義[8]

ε鄰域：給定對象半徑ε內的區(qū)域稱為該對象的ε鄰域。Pmin定義為最低點數(shù)。

核心對象：對于給定ε、Pmin，如果對象p的ε鄰域包含的對象個數(shù)Nε(p)滿足：

Nε(p)≥Pmin

(1)

則稱p為核心對象。

直接密度可達：對于給定ε、Pmin，當p∈Nε(q)，且：

Nε(q)≥Pmin

(2)

則稱對象p是從對象q出發(fā)直接密度可達的。

密度可達：對于給定的對象集合D，如果存在一個對象鏈P1、P2、…、Pn,P1=q、Pn=p,對Pi∈D,(1≤i≤n),Pi+1是從Pi關于ε和Pmin直接密度可達的，則稱對象P是從對象q關于ε和Pmin密度可達的。

密度相連：如果對象集合D中存在一個對象o，使得對象q、p是從o關于ε和Pmin密度可達的，那么對象p和q關于ε和Pmin密度相連。

簇和噪聲：基于密度可達性的最大密度相連對象的集合稱為簇，不在簇中的任何對象則稱為噪聲。

1.2 主要思想

DBSCAN算法的主要思想是：對于構成簇的每個對象，其鄰域包含的對象個數(shù)，必須大于或等于某個給定的值(Pmin)，用戶根據(jù)目標和實際情況，預先設定ε和Pmin，DBSCAN通過檢查數(shù)據(jù)集中每個點的ε鄰域來尋找聚類。如果一個對象q的ε鄰域包含的對象數(shù)大于或等于Pmin(其它對象到q密度可達)，則稱該對象為核心對象q，同時創(chuàng)建一個以q作為核心對象的新簇，反復查找從q直接密度可達的對象并將其加入到該簇，直到沒有新的點可以被添加；如果一個對象p的ε鄰域包含的對象數(shù)小于Pmin，則沒有對象從p密度可達，點p被暫時標注為噪聲點，但會參與到其它鄰域的檢查。當所有檢查完成后，沒有聚類到任何一個簇中的對象被認為是噪聲數(shù)據(jù)點，做刪除處理[9]。

2 二次分選方法

2.1 工作流程

通常情況下，經過一次分選后，沒有參加后續(xù)分選的PDW數(shù)據(jù)量仍然較大。假設在20萬脈沖密度/s的情況下(PPS)，考慮信號處理過程中高于20%的脈沖丟失，如果有5%的PDW數(shù)據(jù)被丟棄，也會有8 000個PDW數(shù)據(jù)可用于二次分選，另一方面，這些PDW數(shù)據(jù)不具有顯著的規(guī)律性，需要經過預先處理后才能進行二次分選，主要工作流程包括數(shù)據(jù)檢查、二次處理和結果驗證3個環(huán)節(jié)，如圖1所示。

圖1 PDW數(shù)據(jù)二次分選流程

2.2 數(shù)據(jù)檢查

數(shù)據(jù)檢查是對“無用”的、可能“離散”的PDW數(shù)據(jù)進行預處理，提高參加二次分選的數(shù)據(jù)的質量。預處理主要檢查到達角、頻率、到達時間、幅度等值是否超限。一般情況下，這4項不會出現(xiàn)野值。為了減少二次分選的工作量，通過人工干預的方式設置處理門限，用戶根據(jù)需求或信息支持，設定參數(shù)取值范圍，從而過濾掉一部分PDW。可以選擇的門限主要包括：頻率范圍、DOA范圍、幅度和脈寬，詳見表1。

2.3 二次處理

二次處理主要包括聚類、分選2個環(huán)節(jié)，聚類的

表1 PDW數(shù)據(jù)篩選原則

過程主要完成對PDW的篩選，將同屬于一個輻射源的PDW統(tǒng)一到一個對象集中，分選的過程則是將同一個對象集中的PDW數(shù)據(jù)識別為雷達信號。

2.3.1 聚類

基于DBSCAN算法，對PDW數(shù)據(jù)處理的基本流程為[10]：

(1) 選定PDW數(shù)據(jù)二次處理集Dpdw；

(2) 設置初始聚類參數(shù)。在PDW={TOA、RF、PW、DOA、PA}中，選擇一個參數(shù)作為聚類的參數(shù)，建議根據(jù)裝備實際從TOA、RF或PW中優(yōu)選，并設定ε領域的半徑和Pmin；

(3) 為集合Dpdw中所有的對象進行標記，為“unvisited”；

(4) DBSCAN從Dpdw中任意選擇一個unvisited對象p，修改標記為pv(visited)；

(5) 根據(jù)設定，計算pv的ε鄰域是否至少有Pmin個對象，如果小于Pmin，則將pv標記為噪聲點pn,否則，為p創(chuàng)建一個簇C；

(6) 將所有ε鄰域內的對象放到候選集合N中；

(7) 用迭代的方法，把N中不屬于其它簇的對象加入C中，邊界點可以指定加入一個簇中；

(8) 在N中任意選取p′，并將其標記由“unvisited”改為“visited”，繼續(xù)執(zhí)行(5)～(7)步計算，直到N為空(C無法擴展)，此時生成并輸出簇C；

(9) 從剩下的對象中任意選擇一個unvisited對象，重復(4)～(8)，直到所有的對象被訪問；

(10) 刪除噪聲點，處理完成。

圖2 聚類的基本過程

2.3.2 分選

將所有簇送分選，分選由雷達偵察裝備的相應分機完成，分選算法需要在一次分選的基礎上進行適當修正，如將信號建批的最小脈沖數(shù)適當變小，將信號重復周期可接受最大值增大等。

2.4 結果驗證

結果驗證需要查詢第1次分選時建立的臨時信號表，與二次分選的結果對比，判斷2次分選的結果是否存在“同源性”，即來自同一個雷達輻射源，如果存在，則做合批處理，如果不存在，則直接輸出。

3 仿真驗證

仿真1組PDW數(shù)據(jù)流，包含1 000批數(shù)據(jù)，按脈沖出現(xiàn)時序對頻率分布進行做圖，如圖3所示。

圖3 PDW頻率分布(1 000組)

經一次分選后，有169組PDW數(shù)據(jù)被丟棄，其頻率分布如圖4所示。

圖4 信號分選完成后剩余PDW

假定來襲方位在165～171之間，威脅目標工作頻段為8～12 GHz，信號幅度碼大于9的脈沖描述字為有效，則采用DBSCAN算法篩選后的結果如圖5所示。

圖5 經數(shù)據(jù)篩選后的PDW

經分選處理，信號分選結果如表2所示。

表2 二次分選結果表

其中，有一個頻率點10 548由于僅有1個PDW，不滿足分選條件，未輸出分選結果。

4 結束語

現(xiàn)代戰(zhàn)爭中，采用先進技術體制的雷達通常具有參數(shù)快變、較低功率、靈活掃描等能力，越來越難以形成足夠數(shù)量、穩(wěn)定的PDW，為雷達偵察裝備的分選帶來了較大的困難。本文提出的PDW二次分選方法，采用了DBSCAN為核心的算法，其運算效率不高，不能應用于大量數(shù)據(jù)的處理。因此，通過人工干預的方式，利用專業(yè)人員的先驗知識建立輸入門限，對PDW數(shù)據(jù)進行篩選，從而實現(xiàn)數(shù)據(jù)的再次挖掘，仿真實驗證明，本文提出的方法能夠分選出新的雷達信號，一定程度上可以減少漏警的概率。本方法可以在以下2個方面進行改進：一是優(yōu)化改進DBSCAN算法，提高聚類的效率和準確性[11]；二是建立數(shù)據(jù)檢查環(huán)節(jié)的門限設置模型，減少人為因素導致的輸入偏差。