基于DBSCAN算法的目標聚類分選技術研究

劉 濤 宋 濤 歐迎春 施富強

中國電子科技集團公司第二十九研究所 四川成都 610036

未來海戰(zhàn)場中各種艦船上雷達種類眾多，同時還存在各種通信信號、民船導航信號等密集背景信號，如何在復雜的電磁環(huán)境中成功分選并精確定位目標雷達成為電子偵察領域亟待解決的問題。傳統(tǒng)信號分選識別算法主要是利用先驗電磁情報信息進行信號分選，這種方法高度依賴先驗情報信息，同時在復雜電磁環(huán)境下容易受雜散信號影響，無法有效識別目標雷達。本文對復雜電磁環(huán)境下目標分選技術進行研究，提出一種基于位置聚類的分選算法，在無先驗情報信息條件下能夠有效剔除雜散信號，獲得目標雷達的電磁情報信息和精確定位結(jié)果。本文第二部分分析目標特性，選擇合適的聚類算法，第三部分介紹原理及實現(xiàn)途徑，第四部分給出仿真驗證結(jié)果及評價。

1 目標特性分析與聚類算法選擇

本技術的難點在于如何在無先驗情報信息的條件下，從復雜電磁環(huán)境中自適應準確提取目標雷達信息。傳統(tǒng)基于電磁參數(shù)分選算法無法適應這種場景，因此本文擬利用位置信息進行聚類分選，并統(tǒng)計分選結(jié)果電磁參數(shù)特性，再根據(jù)統(tǒng)計結(jié)果進一步開展自適應分選，準確分選出目標雷達信息。

受信號功率起伏、相位噪聲等因素影響，信號位置在時域上可能呈現(xiàn)任意形狀的隨機分布，典型分布見圖1，同時由于無先驗情報信息，無法預知聚類生成的簇數(shù)。此外信號中摻雜大量雜散信號，因此擬選用的聚類算法應具備有效剔雜能力。

圖1 典型信號位置信息分布情況

分析典型聚類算法，主要包括劃分式聚類、層次聚類、基于網(wǎng)格的聚類、基于模型的聚類、基于密度的聚類等算法等[1]，各算法分析如下：

1.1 劃分式聚類

采用一種迭代的重定位技術進行元素劃分的聚類算法，這種算法無法剔除雜散數(shù)據(jù)，需預先指定聚類生成簇數(shù)，穩(wěn)定性較差，典型算法有K-means、K-mediod等算法[2-3]。

1.2 層次聚類

基于層次自底向上合并或自頂向下分裂的聚類算法，這種算法無法剔除雜散數(shù)據(jù)，穩(wěn)定性較差，典型算法有BIRCH、CURE、ROCK等算法[4]。

1.3 基于網(wǎng)格聚類

基于網(wǎng)格單元量化特性迭代聚類的算法，這種算法無需預設生成簇數(shù)，穩(wěn)定性良好，但只能發(fā)現(xiàn)邊界是水平或垂直的簇，剔雜能力一般，典型算法有STING、WaveCluster、CLIQUE等算法[5]。

1.4 基于模型的聚類

基于模型尋找最佳擬合的聚類算法，這種算法剔除雜散能力和穩(wěn)定性良好，需預設生成簇數(shù)，對模型依賴較強，算法復雜，典型算法有EM、COBWEB、SOM等算法[6]。

1.5 基于密度聚類

根據(jù)區(qū)域數(shù)據(jù)分布密度情況，持續(xù)將鄰近高密度區(qū)域進行合并的聚類算法，這種算法無須預設生成簇數(shù)，剔除雜散能力和穩(wěn)定性良好，可以發(fā)現(xiàn)任意形狀的簇，非常適用于雷達信號定位聚類，典型算法有DBSCAN、OPTICS、DENCLUE等算法[7]。

各種聚類算法性能比對情況見表1，分析擬采用的聚類算法能力需求：無須預設生成簇數(shù)、具備良好剔雜能力、適應任意形狀分布、穩(wěn)定性好。綜合評估可知，基于密度的聚類算法最為適用。從算法復雜度、聚類實時性和可擴展性等方面考慮，本文采用DBSCAN聚類算法，該算法已被廣泛應用于電子商務、地理預測、通信系統(tǒng)等領域，具備良好應用基礎。

表1 各類聚類算法針對雷達信號聚類適用性比對情況

2 原理及實現(xiàn)途徑

本技術的原理為通過基于DBSCAN算法的位置聚類剔除大部分雜散信號，得到若干個含少量雜散信號的目標雷達信號集，再通過電磁參數(shù)統(tǒng)計結(jié)果自適應剔除與目標雷達位置相近的剩余雜散信號，綜合處理得到準確的目標雷達電磁情報信息和定位信息。

基于DBSCAN算法的目標分選識別技術流程見圖2，涉及定義如下：

圖2 基于DBSCAN算法的目標分選識別技術流程

核心元素：如果元素Xj的-鄰域包含大于Minpts個元素，則稱元素Xj為核心元素。

密度可達：如果存在一個元素鏈X1，X2，Xi，Xi+1，…，Xn，X1=q，Xn=p，若Xi+1從Xi出發(fā)直接密度可達，則稱元素p是從元素q關于和Minpts密度可達的。

密度相連：若集合D中存在一個元素o，使得元素p和q借助o作為“跳板”密度可達，那么元素p和q是密度相連。

本技術實施途徑包括基于DBSCAN算法聚類分選和電磁參數(shù)統(tǒng)計自適應分選兩部分，步驟如下：

(2)合并核心元素：將所有密度可達或密度相連的核心元素標記同一簇序號，否則為不同簇序號；

(4)電磁參數(shù)直方統(tǒng)計：依次遍歷所有簇，將每個簇中元素按照頻率、脈寬等參數(shù)進行直方統(tǒng)計；

(5)剔除統(tǒng)計無效元素：遍歷頻率、脈寬等直方統(tǒng)計結(jié)果，若某直方內(nèi)包含元素個數(shù)大于自適應分選門限(最大直方的25%)，則認為該直方內(nèi)元素有效，否則認為無效；

(6)歸并元素及定位：頻率、脈寬等直方統(tǒng)計均有效的元素標記為通過分選元素，歸并同一簇內(nèi)通過分選元素，可以得到目標雷達電磁情報信息和定位結(jié)果。

3 仿真結(jié)果及評價

模擬三部雷達信號和雜散信號同時存在的場景，三部雷達和雜散信號電磁參數(shù)聚類處理前在時域上的分布見圖3-1，這些信號在電磁參數(shù)上相互混疊，傳統(tǒng)信號分選算法無法在如此復雜電磁環(huán)境下分選定位目標雷達，利用本技術進行仿真處理如下。

3.1 基于DBSCAN算法聚類分選

聚類處理后得到3個聚類目標，由于雜散信號遍布區(qū)域內(nèi)，信號聚類未能將雜散信號完全剔除，3個聚類目標中均包含少量雜散信號，聚類處理后結(jié)果詳見圖3-2。

3.2 電磁參數(shù)統(tǒng)計自適應分選

分別對3個聚類目標的頻率、脈寬進行直方統(tǒng)計，統(tǒng)計結(jié)果根據(jù)自適應門限進一步進行分選，雜散信號電磁參數(shù)統(tǒng)計結(jié)果均無法滿足分選閾值，自適應分選能夠有效剔除剩余雜散信號，詳見圖4。歸并統(tǒng)計后的電磁參數(shù)信息，得到三部雷達的電磁情報信息詳見表2。通過聚類分選和電磁參數(shù)統(tǒng)計，自適應分選效果良好，詳見圖3-3。

圖3-1 原始數(shù)據(jù)分布 圖3-2 DBSCAN聚類結(jié)果 圖3-3 直方統(tǒng)計分選結(jié)果圖3 聚類處理前后電磁參數(shù)及位置分布比對情況

圖4 聚類目標直方統(tǒng)計分析情況

表2 直方統(tǒng)計分選出電磁情報信息

結(jié)語

本算法摒棄了傳統(tǒng)的基于電磁參數(shù)的分選算法，實現(xiàn)在無先驗情報信息條件下，從復雜電磁環(huán)境中準確提取出目標雷達電磁情報信息和定位信息，經(jīng)仿真驗證效果良好，為復雜信號處理提供了一條行之有效的技術途徑，后續(xù)考慮對DBSCAN聚類算法進行優(yōu)化，提高聚類分選效率。