基于聚类算法与多模融合的雷达信号分选仿真系统

资 源 简 介

本项目开发一套完整的MATLAB仿真系统，旨在解决复杂电磁环境下的雷达信号分选（去交错）问题。系统首先接收交错混叠的雷达脉冲描述字（PDW）流，利用无监督聚类算法（如改进的K-Means或DBSCAN）根据载频（RF）、脉宽（PW）、到达角（DOA）等特征参数实现对未知雷达信号的初步聚类与分选。为了解决聚类过程中可能产生的过分选（Over-segmentation）问题，系统引入相似系数计算模块，定量评估不同聚类簇之间的相关性，从而实现多假设类的逻辑合并，还原属于同一物理辐射源的信号集合。在此基础上，利用时间关联分析技术深入挖掘脉冲序列的时间特性，专门针对具有频率捷变、重频参差或多工作模式（Multi-mode）的复杂体制雷达进行模式融合，将不同时段或不同参数模式下的信号归并为统一的辐射源实体，最终实现高精度的电子战信号情报分析。

详 情 说 明

基于聚类算法与多模融合的雷达信号分选仿真系统

项目介绍

本项目是一个完整的MATLAB仿真系统，专注于解决复杂电磁环境下的雷达信号分选（去交错）问题。系统模拟了包含固定重频、参差重频以及频率捷变/抖动重频等多种体制的雷达信号流，并通过无监督聚类算法（DBSCAN）结合序列差值直方图（SDIF）与多模态融合逻辑，实现了对混合脉冲描述字（PDW）流的高效分选与辐射源参数还原。

该仿真主要针对频率捷变雷达在传统聚类中容易产生的“过分选”问题，设计了特定的特征加权与融合机制，能够将物理上属于同一辐射源但参数跳变的信号簇重新归并。

主要功能特性

• 复杂电磁环境仿真：能够生成包含测量噪声（RF, PW, DOA, TOA）的多辐射源交错PDW流。支持固定重频（Fixed）、参差重频（Stagger）和频率捷变+抖动重频（Agility+Jitter）等复杂体制。
• 特征工程与预处理：对PDW特征（射频、脉宽、到达角）进行Z-Score标准化，并引入非均匀加权机制，增强对空间位置（DOA）的敏感度，降低频率捷变带来的聚类分离度。
• 密度聚类分选：内置自定义实现的DBSCAN算法，基于加权欧氏距离自动识别脉冲簇，无需预先指定辐射源数量，有效处理噪声数据。
• 时域参数估计：利用SDIF（序列差值直方图）算法对分选后的脉冲簇进行PRI（脉冲重复间隔）分析，识别信号调制类型。
• 多模态逻辑融合：针对频率捷变造成的过分选问题，通过相似度评估与时域互斥性分析，将多个逻辑簇合并为物理辐射源。
• 多维可视化：提供原始数据分布、聚类结果空间分布（3D）、以及分选后的RF/DOA时序图和PRI直方图。

系统要求

• MATLAB R2016b 或更高版本
• Signal Processing Toolbox（推荐，用于部分统计函数）
• Statistics and Machine Learning Toolbox（用于基础距离计算等，代码中已包含自定义DBSCAN实现，降低了对工具箱的依赖）

使用方法

直接并在MATLAB中运行主脚本即可启动仿真。程序将自动执行以下流程：

1. 初始化仿真参数与辐射源配置。
2. 生成交错混叠的PDW数据流。
3. 执行特征提取、加权与DBSCAN聚类。
4. 进行簇内SDIF分析与多模融合。
5. 输出控制台统计报告，并弹出可视化图表。

详细实现逻辑分析

系统核心逻辑严格遵循 main.m 代码实现，主要包含以下五个阶段：

1. 场景仿真与数据生成

系统预设了0.5秒的仿真时长，并定义了三个典型的辐射源模型以测试分选能力：

• 辐射源1：常规雷达，特征为固定重频（1ms）、固定载频（3GHz）、固定脉宽。
• 辐射源2：复杂体制雷达，特征为三级参差重频、固定载频（5.5GHz）。
• 辐射源3：现代敏捷雷达，特征为频率捷变（带宽500MHz内随机跳变）叠加20%的重频抖动。此类信号极易在常规聚类中被误判为多个辐射源。

数据生成器按照时间顺序合成PDW流，并向TOA、RF、PW和DOA中添加了高斯白噪声以模拟真实接收机的测量误差。

2. 数据预处理与无监督聚类

这是分选的核心环节：

• 特征选择：选取RF（载频）、PW（脉宽）、DOA（到达角）作为聚类特征向量。
• 标准化：由于各特征量纲差异巨大（如频率为MHz级，脉宽为us级），代码采用Z-Score方法将数据映射到统一分布空间。
• 特征加权：代码中实施了关键的加权策略 [RF:0.5, PW:1.0, DOA:2.0]。降低RF的权重是为了容忍频率捷变雷达的频段跳变，防止其被过度切分；提高DOA权重利用了雷达空间位置相对固定的特性。
• DBSCAN执行：使用自定义的DBSCAN函数，设置邻域半径 epsilon=0.4 和最小点数 MinPts=10。该算法基于密度连接性，能自动过滤孤立噪声点并识别任意形状的簇。

3. 簇内参数估计 (SDIF)

对聚类产生的每个簇进行时域分析：

• 中心统计：计算每个簇的RF、PW、DOA的均值和标准差。
• SDIF算法：通过构建脉冲到达时间（TOA）的多阶差分直方图（最高5阶），统计最显著的时间间隔峰值，从而估计信号的PRI（脉冲重复间隔）。
• 调制识别：根据直方图峰值的分布情况，初步判断信号是固定重频、参差重频还是抖动/随机重频。

4. 相似度计算与过分选融合

代码通过逻辑判断模块解决过分选问题。针对被DBSCAN切分为多个子簇的频率捷变信号（如辐射源3），系统评估各簇之间的相似性。主要逻辑基于：若不同簇的DOA和PW高度一致，且在时域上具有互补性或连续性，系统将其判定为同一物理辐射源的不同工作模式，并进行逻辑合并。

5. 结果可视化与评估

系统通过四个子图全方位展示分选效果：

• 聚类特征空间：RF-PW-DOA三维散点图，直观展示DBSCAN的聚类边界。
• RF vs Time：展示分选后的频率捷变特性与时序规律，不同颜色代表不同辐射源。
• DOA vs Time：验证分选结果在空间域的一致性。
• PRI直方图：展示特定辐射源的脉冲其重复间隔分布特征。

同时，控制台会输出详细的文本报告，对比真实辐射源数量与算法输出数量，并列出每个最终辐射源的中心参数（DOA, PW, RF）与类型。

关键算法细节

• 自定义 DBSCAN：代码未直接调用工具箱函数，而是完整实现了基于距离矩阵的DBSCAN算法。通过计算点与点之间的欧氏距离，判断核心点与边界点，通过递归或迭代方式扩展簇，最终输出聚类标签（-1表示噪声）。
• 加权距离度量：在计算聚类距离前，特征向量被显式地乘以权重向量 weights。这一步骤通过降低频率维度的距离贡献，人为地“拉近”了频率跳变信号在特征空间中的距离，是处理捷变频信号的关键技巧。
• SDIF (序列差值直方图)：用于PRI估计。代码通过计算TOA序列的一阶至五阶差分，构建直方图并寻找显著峰值。如果存在单一显著峰值则为固定重频；若无显著峰值则判定为抖动或随机信号。