群智能算法及其在雷达信号分选中的应用研究

雷达信号分选是电子侦察中的重要问题,从这种随机交叠的脉冲流中分离出每一部雷达脉冲序列的过程,这种分选利用同一部雷达信号参数的相关性和不同雷达信号参数的差异性来实现的。论文研究了基于群智能数据发掘方法在雷达信号分选中的应用问题。本文结合雷达信号分选的目的和要求,将数据挖掘中的特征选择问题和聚类问题看成是一种单目标优化问题,将其用于雷达信号分选,从粒子群优化算法的角度分别讨论了了一种离散粒子群算法用于求解这两个问题。本文的主要工作如下：(1)介绍了数据挖掘的基本理论,重点介绍了数据特征选择技术和聚类技术,介绍了群体智能算法的相关理论,主要介绍了蚁群算法和粒子群算法,重点介绍了粒子群算法基本理论,算法框架及其改进的算法。(2)讨论了一种带有局部学习策略的离散粒子群优化算法应用于数据的特征选择。将粒子的状态以及状态更新方程被重新定义,设计了一种基于前向浮动的贪婪局部搜索策略。在10个UCI数据上与3个经典特征选择算法的对比试验表明,该算法具有很好的特征选择效果。(3)讨论了一种自适应离散粒子群优化的数据聚类算法。该算法中的粒子被定义在离散环境下,粒子的状态更新策略被重新定义。为了提高算法的局部搜索能力,设计了一种贪婪局部学习策略。为了检验算法的聚类有效性,在大量UCI数据上进行了实际测试,并且与几个经典的聚类算法进行了实验对比。实验表明所提的算法具有很好的聚类效果,在两组模拟的雷达信号上的实验也证明了本文算法的良好的分选性能。