雷达辐射源信号在线分选（电子信息前沿技术丛书）

雷达辐射源信号分选是雷达信号侦察的关键技术之一，也是战场态势感知的重要环节。随着电磁环境的日益复杂，传统的雷达辐射源信号分选手段正遭受巨大的性能挑战。数据流聚类是以无监督在线式处理数据流的新的数据挖掘手段，本书创新性地将数据流聚类思想引入雷达辐射源信号分选领域，较为完整地构建了基于数据流聚类的雷达辐射源在线分选理论统一框架，系统介绍了作者近年来围绕雷达辐射源信号无监督在线分选所取得的相关研

究成果。

本书共分为 5 章，内容包括：绪论、基于数据流聚类的雷达辐射源在线分选统一框架、基于 PDW 参数的雷达辐射源在线分选、基于脉内信息的雷达辐射源在线分选、类不均衡条件下基于脉内信息的雷达辐射源在线分选。

本书可以作为高等院校相关专业研究生学习雷达信号处理以及数据流挖掘的参考书，对从事雷达与电子对抗领域研究的科技工作者和工程技术人员也具有较大的参考价值。

隋金坪，男，博士，海军大连舰艇学院助理研究员，国防科技大学2022年度优秀博士学位论文获得者，2017-2019年受国家留学基金委资助赴芬兰阿尔托大学计算机科学系进行博士联合培养。以第一/通信作者发表学术论文13篇（SCI检索4篇，EI检索9篇），已获批国家发明专利2项。主要研究方向为雷达信号分选、数据流挖掘、智能辅助决策等。

刘振，国防科技大学教授，副系主任。研究方向：研究方向为雷达目标识别与对抗，主要涉及雷达成像与识别、雷达有源对抗、模式识别与机器学习等研究领域。国防科技大学领军人才培养对象，国家自然科学基金优秀青年科学基金获得者。2006年获浙江大学工学学士学位，2008年和2013年分别获国防科技大学工学硕士和工学博士学位。先后主持/承担国家自然科学基金青年项目/优青项目、武器装备型号项目/预研项目等20余项，担任军委科技委某重点项目总体组成员、173计划重点项目专家组成员。出版学术专著2部，发表学术论文60多篇（其中IEEE/IET期刊论文20余篇），授权/受理专利10余项。获国家科技进步二等奖1项（排名4）、军队科技进步一等奖1项（排名8）。

黎湘，国防科技大学教授，校长，中国科学院院士。研究方向：雷达目标识别。长期从事空天目标识别方向的科研工作，提出雷达目标微动特征反演与识别理论方法，在我国中段反导和导弹突防两类重大任务中研制了核心装备，取得系统性、创造性成果。获国家科技奖励3项，包括国家技术发明二等奖1项、国家科技进步二等奖2项，省部级科技一等奖励6项，在IEEE汇刊、中国科学等期刊发表学术论文300余篇，出版专著6部，授权发明专利100余项。国家杰青、长江学者特聘教授、国家自然科学基金委创新群体带头人、国防973项目技术首席。

在现代战争中，雷达辐射源信号分选是雷达电子侦察的关键环节，是感知电子战场态势的核心步骤之一，直接关系到对战场态势的认知判断以及对抗作战的决策指挥。因此，雷达辐射源信号分选始终是该领域研究人员重点关注的课题。近年来，电磁信号环境持续复杂恶化； 同时，在敏捷快速作战的客观要求下，战场对雷达辐射源信号分选的实时性要求也持续增强，这些因素迫切需要实现在线式雷达辐射源信号分选。

多年来，我们以解决雷达辐射源信号在线分选为核心研究课题，率先将数据流聚类思想成功引入雷达辐射源信号分选领域，并且首次较为完整地构建了基于数据流聚类思想的雷达辐射源在线分选理论统一框架，取得了一系列具有一定开创性的代表性成果。为了更加深入系统地反映我们对该课题的研究成果，以作者多年围绕雷达辐射源在线分选的研究工作和原始论文为基础，著成本书。

本书全面介绍了基于数据流聚类理论的雷达辐射源在线分选工作最新研究成果，全书共分为5章。第1章阐述挖掘数据流聚类理论和雷达辐射源分选之间的内在联系，并总结相关发展现状及趋势； 第2章详细阐述基于数据流聚类的雷达辐射源在线分选框架，为后续章节相关算法的提出给予合理的底层架构支撑； 第3章针对可获取或脉内特征维度较低的情况提出ISTRAP(Improved Stream Affinity Propagation)算法，在低维空间实现对雷达辐射源信号的在线分选； 第4章针对脉内特征维度较高，从而导致大部分基于传统距离度量的数据流聚类算法失效的情况提出EDSSC(Evolutionary Dynamic Sparse Subspace Clustering)算法，在高维空间实现对脉冲流的分选； 第5章针对现实中普遍存在的非均衡脉冲流，提出可实现类不均衡条件下雷达辐射源信号在线分选的DIESC(Dynamic Improved Exemplarbased Subspace Clustering)算法。

本书同时涉及雷达信号在线分选和数据流聚类两个研究领域。一方面，研究成果以无监督、在线式处理方式成功对雷达辐射源信号实现在线分选，较为完整地构建了一种新的雷达辐射源信号在线分选理论体系； 另一方面，研究成果也是对数据流聚类算法理论的丰富与完善，从一定程度上突破了目前无法对高维数据流、不均衡数据流的在线处理难题，促进了数据流聚类理论研究自身的发展。希望本书的出版能促进我国雷达信号在线分选及数据流聚类理论研究。

感谢海军大连舰艇学院对本书出版的资助支持(2021年度学院科研发展基金)，同时感谢国家自然科学基金优秀青年科学基金（NSFC 62022091）对本书相关内容研究提供的支持。衷心感谢海军大连舰艇学院王义涛研究员、史红权研究员、马政伟研究员、孙永侃研究员、陈行军副研究员、苏琦助理研究员、徐建志助理研究员、张浩助理研究员，国防科技大学刘丽研究员，芬兰阿尔托大学Alex Jung助理教授对本书的帮助与建议，特别感谢清华大学出版社文怡编辑促成本书的问世，感谢所有在本书编著过程中给予帮助和支持的专家学者！

还要感谢妻子刘天雯与（岳）父母隋刚勋、刘加红、代相霞、刘延江对我科研工作的长期支持与鼓励。

由于作者视野和水平有限，疏漏和不妥之处在所难免，恳请广大读者批评指正。

隋金坪2022年3月

第1章绪论

1.1研究背景和意义

1.1.1复杂电磁环境给雷达辐射源分选带来的挑战

1.1.2基于数据流聚类的雷达辐射源在线分选方法的研究意义

1.2国内外研究现状

1.2.1雷达辐射源分选研究现状

1.2.2数据流聚类技术研究现状

1.3基于数据流聚类的雷达辐射源在线分选的关键问题

1.4本书主要工作及内容安排

第2章基于数据流聚类的雷达辐射源在线分选统一框架

2.1引言

2.2雷达辐射源在线分选问题抽象与建模

2.3数据流聚类算法与静态聚类算法

2.3.1静态聚类算法

2.3.2数据流聚类算法

2.3.3数据流聚类算法与静态聚类算法的区别

2.4基于数据流聚类的信号在线分选框架

本章小结

第3章基于PDW参数的雷达辐射源在线分选

3.1引言

3.2问题分析与建模

3.3基于ISTRAP的雷达辐射源在线分选算法

3.3.1ISTRAP概要

3.3.2ISTRAP概要初始化及更新

3.3.3ISTRAP演化检测

3.3.4算法参数敏感度分析

3.3.5ISTRAP算法框架

3.4仿真实验与分析

3.4.1数据集介绍

3.4.2实验结果及分析

本章小结

第4章基于脉内信息的雷达辐射源在线分选

4.1引言

4.2问题分析与建模

4.2.1高维数据的聚类分析

4.2.2在线子空间聚类问题的数学模型

4.3基于EDSSC的雷达辐射源在线分选算法

4.3.1基于子空间聚类的静态学习

4.3.2基于稀疏表示的动态聚类

4.3.3子空间演化的在线检测

4.3.4算法流程与复杂度分析

4.4仿真实验与分析

4.4.1数据集及实验设置

4.4.2参数敏感度分析

4.4.3具有演化性质的雷达辐射源数据流的在线子空间聚类

4.4.4具有演化性质的面部数据流的在线子空间聚类

4.4.5具有演化性质的手写数字和字母数据流的在线子空间聚类

4.4.6对MNIST30K数据流的子空间个数的实时监测

本章小结

第5章类不均衡条件下基于脉内信息的雷达辐射源在线分选

5.1引言

5.2问题分析与建模

5.2.1雷达辐射源非均衡演化脉冲流在线分选问题建模

5.2.2雷达辐射源非均衡演化脉冲流在线分选问题分析

5.3面向非均衡数据的静态聚类算法——ESC算法

5.4基于DIESC的雷达辐射源在线分选算法

5.4.1Improved ESC算法

5.4.2Dynamic Improved ESC算法

5.5仿真实验与分析

5.5.1数据集及实验设置

5.5.2IESC算法性能验证与分析

5.5.3DIESC算法性能验证与分析

5.5.4DIESC算法参数敏感度分析

本章小结

参考文献