郑子扬，陈永游，张 君，史 敏，贺 刚

（中国航天科工集团8511研究所，江苏 南京210007）

0 引言

在对雷达信号分选主处理之前，对脉冲进行充分合理分流和稀释的过程通常被称之为信号分选预处理。目前应用各种聚类算法，如神经网络聚类［1-2］、自适应仿射传播聚类［3］、K-均值聚类［4］和SVM聚类等进行分选预处理已经成为国内外的研究热点。

SOFM 神经网络因其强大的并行处理机制、任意函数逼近和学习能力，以及自组织和自适应等能力，在数学建模、数据挖掘、预测和控制等领域得到广泛应用。近年来也有国内外学者对其在信号分选领域的应用进行了深入研究［5-7］。但是，由于侦测环境中存在大量噪声，导致网络的聚类数量增加，聚类精度也随之下降。此外，在有效特征参数不多的情况下，对于捷变频雷达的聚类预处理效果也不是很理想。本文提出基于SOFM 网络对特征空间中的脉冲参数向量进行无监督的自组织聚类，然后根据距离特征将大部分噪声滤除，最后再依据捷变频雷达的参数分布和密度可分性，将雷达信号相互分离，并实现各自再聚合，达到了良好的预处理效果。

1 改进的SOFM 网络预处理

接收机观测到的同一目标辐射源发射的脉冲信号，由于物理来源相同而在其构成的特征参数空间中具有某种相似性。而预处理的原理就是依据雷达信号特征的一般先验知识库，按照这种相似特征将接收到的脉冲描述字（PDW）流从空域、频域和时域等特征参数域进行划分。……