一种基于k-means算法的频域陷波抗射频干扰方法与流程

本发明涉及雷达抗干扰领域，尤其涉及一种基于k-means算法的频域陷波抗射频干扰方法。

背景技术：

1、对于雷达来说，除携带目标信息的有用信号外，其他各种信号都是rfi；rfi(radiofrequency interference，雷达射频干扰)是指影响雷达的干扰信号。由于rfi的高功率，会降低雷达的灵敏度，将对目标的检测和识别造成严重的困难。目前rfi的抑制思路大致可以分为：基于陷波法、基于干扰估计抵消法、基于子空间分解法等干扰抑制思路，随着理论的发展，也出现了一些基于模态分解、基于图像、和基于压缩感知理论等新的rfi抑制思路。

技术实现思路

1、本发明的目的是提供一种基于k-means的频域陷波抗射频干扰方法，具有消除干扰的影响，提高系统的灵敏度的优点。

2、为实现上述目的，本发明提供一种基于k-means算法的频域陷波抗射频干扰方法，用于分析接收到的回波信号st的信号点，进行干扰信号判别与优化；所述方法包括：步骤s1，对回波信号st进行预处理得到包含频谱sf的模值sabs；步骤s2，确定k-means算法中对模值sabs进行聚类域划分的聚类数m的上限值n，m＝2、3……n；步骤s3，令m＝2，标记对应的运算次数x，x＝1，采用k-means算法对模值sabs从m＝2到m＝n逐次进行聚类域划分，获得所有聚类域集合：步骤s4，对所有聚类域集合逐个进行误差平方δx计算，求解最大误差平方差值δδx下的最优聚类数bestm，并输出最优聚类域步骤s5，分析最优聚类域消除干扰信号的影响。

3、优选地，所述步骤s1包括：步骤s11，对接收到的回波信号st进行傅里叶变换得到信号的频谱sf，即：

4、sf＝fft(st)

5、步骤s12，对频谱sf进行取模得到模值sabs：

6、sabs＝|sf|

7、其中，模值sabs代表所有信号点的模值集合。

8、优选地，所述步骤s3包括：步骤s31，确定初始值：聚类数m＝2，对应的运算次数x＝1；步骤s32，进行第x次运算，确定m个拟聚类中心c1(x)～cm(x)，根据最小距离原则通过拟聚类中心c1(x)～cm(x)将模值sabs拟分为拟聚类域ktemp1～ktempm；步骤s33，根据最小距离原则对逐个聚类中心c1(x)～cm(x)进行迭代优化，获取最优聚类中心cbest1(x)～cbestm(x)，并输出最优聚类中心cbest1(x)～cbestm(x)对应的聚类域集合的kall(x)＝{k1,……,km}；步骤s34，判断m≥n，若是，整理获得所有聚类域集合进入步骤s4；若否，则令m＝m+1，x＝x+1，并返回步骤s32。

9、优选地，所述步骤s32中包括：按照顺序选取信号点拟聚类中心c1(x)～cm(x)或采用随机数生成的方式选取信号点作为拟聚类中心c1(x)～cm(x)。

10、优选地，所述最小距离原则包括：提取对被选取为拟聚类中心c1(x)～cm(x)以外的属于膜值sabs的信号点，逐个计算每个信号点分别与拟聚类中心c1(x)～cm(x)的信号距离，选取该信号点所得到的信号距离最小的拟聚类中心所对应的拟聚类域加入；进而形成与拟聚类中心c1(x)～cm(x)对应的拟聚类域ktemp1～ktempm。

11、优选地，步骤s33包括：步骤s331，根据最小距离原则逐个对拟聚类域ktemp1～ktempm进行新聚类中心cnew1(x)～cnewm(x)的计算；

12、

13、其中，sabs(i)表示单个属于模值sabs中拟聚类域的信号点，sabs(j)表示单个属于模值sabs中拟聚类域的信号点，且sabs(i)与sabs(j)所对应的信号点为属于同一拟聚类域中的不同信号点；步骤s332，判断新聚类中心cnew1(x)～cnewm(x)是否与拟聚类中心c1(x)～cm(x)一致，若不一致，则令c1(x)＝cnew1(x)～cm(x)＝cnewm，返回步骤s32；若一致，则输出将新聚类中心cnew1(x)～cnewm(x)计为最优聚类中心cbest1(x)～cbestm(x)输出，并输出对应最优聚类中心cbest1(x)～cbestm(x)的聚类域集合的kall(x)＝{k1,……,km}。

14、优选地，所述步骤s4包括：

15、步骤s41，对所有聚类域集合逐一进行误差平方δx计算，得到对应的误差平方δ1～δn-1：

16、

17、步骤s42，对误差平方δ1～δn-1中彼此相邻的值作差，寻找最大误差平方差值δδx，δδx＝max(|δx-1-δx|)，最大误差平方差值δδx的x对应下的m为最佳聚类数bestm，并输出最优聚类域

18、优选地，所述步骤s5包括：步骤s51，标记最优聚类域中信号点最少的单个聚类域为干扰信号；步骤s52，对干扰信号的信号点进行消除或均值变动，消除干扰信号对回波信号st的影响。

19、优选地，所述步骤s52包括：所述消除为将干扰信号的信号强度置为0；所述均值变动为将干扰信号将其数值人工变为正常信号。

20、优选地，所述步骤s1包括：若预处理得到包含频谱sf的模值sabs只有一种特征分类，则结束运算。

21、综上所述，与现有技术相比，本发明提供的一种基于k-means的频域陷波抗射频干扰方法，具有如下有益效果：

22、第一，本发明能够对信号频谱进行分类处理。

23、第二，本发明通过k-means的方法能够对异常分类的频谱进行抑制，从而提高系统的灵敏度。

24、第三，本发明的k-means算法的频域陷波抗射频干扰方法，不需要设置干扰抑制门限；具有干扰抑制方法简单、抑制效果明显等优点。

技术特征：

1.一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，用于分析接收到的回波信号st的信号点，进行干扰信号判别与优化；

2.根据权利要求1所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s1包括：

3.根据权利要求2所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s3包括：

4.根据权利要求3所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s32中包括：按照顺序选取信号点拟聚类中心c1(x)～cm(x)或采用随机数生成的方式选取信号点作为拟聚类中心c1(x)～cm(x)。

5.根据权利要求4所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述最小距离原则包括：提取对被选取为拟聚类中心c1(x)～cm(x)以外的属于膜值sabs的信号点，逐个计算每个信号点分别与拟聚类中心c1(x)～cm(x)的信号距离，选取该信号点所得到的信号距离最小的拟聚类中心所对应的拟聚类域加入；进而形成与拟聚类中心c1(x)～cm(x)对应的拟聚类域ktemp1～ktempm。

6.根据权利要求5所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，步骤s33包括：

7.根据权利要求6所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s4包括：

8.根据权利要求7所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s5包括：

9.根据权利要求8所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s52包括：所述消除为将干扰信号的信号强度置为0；所述均值变动为将干扰信号将其数值人工变为正常信号。

10.根据权利要求1～9任一所述的一种基于k-means算法的频域陷波抗射频干扰方法，其特征在于，所述步骤s1包括：若预处理得到包含频谱sf的模值sabs只有一种特征分类，则结束运算。

技术总结
本发明公开一种基于k‑means算法的频域陷波抗射频干扰方法，用于分析接收到的回波信号S<subgt;t</subgt;的信号点，进行干扰信号判别与优化；所述方法包括：步骤S1，对回波信号S<subgt;t</subgt;进行预处理得到包含频谱S<subgt;f</subgt;的模值S<subgt;abs</subgt;；步骤S2，确定k‑means算法中对模值S<subgt;abs</subgt;进行聚类域划分的聚类数的上限值N，步骤S3，逐次进行聚类域划分，获得所有聚类域集合；步骤S4，对所有聚类域集合逐个进行误差平方δ<subgt;x</subgt;计算，输出最优聚类域步骤S5，分析最优聚类域消除干扰信号的影响。本发明通过k‑means算法的方式，能够对回波信号频谱进行分类处理，从而提高系统的灵敏度。本发明不需要设置干扰抑制门限，具有干扰抑制方法简单、抑制效果明显等优点。

技术研发人员：杨明远,孙晓镒,顾泽凌,李鸿志,焦美敬,江利中
受保护的技术使用者：上海无线电设备研究所
技术研发日：
技术公布日：2024/10/14