邱磊，杨承志，何佃伟

(空军航空大学，吉林长春 130022)

0 引言

雷达信号分选是电子对抗情报侦察系统的重要组成部分，在当今战场中起着重要作用。近几年，随着雷达信号环境日益复杂，许多学者将数据挖掘技术中的聚类分析方法引入到雷达信号分选领域［1-4］。聚类分选算法可以分为基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类以及基于模型的算法等［5-6］。基于网格的聚类算法具有处理速度快、对输入数据顺序不敏感，可以发现任意形状类的优点［7］，是一种有效的信号预分选算法。

现有的基于网格聚类的预分选算法存在的主要问题有:①网格划分数和密度阈值需要人为设定，②聚类边界被当作噪声点丢弃导致聚类精度不高。针对这2个问题，很多学者对算法进行了改进。其中文献［8］提出了先移除孤立点和噪声再进行聚类的方法，但它要计算所有脉冲之间的距离，算法复杂度高，难以满足实时性要求;文献［9］提出了一种动态网格聚类预分选算法，算法复杂度较低，但边界处理效果较差。本文提出了一种新的基于网格聚类的预分选算法。提出了网格数据压缩率概念，首先根据雷达脉冲数和网格数据压缩率，自适应确定网格划分和密度阈值，减少了人为因素的影响;其次利用密度阈值去除孤立点和噪声，对低密度网格进行边界提取，提高聚类精度。

1 一种新的网格聚类预分选算法

1.1 网格聚类概念

给定d维空间D中的一个点，其属性(D1，D2，…，Dd)都是有界的，设第 i维的值在区间［li，hi］中，其中 i=1，2，…，d。……