张悦 司伟建

（1.哈尔滨工程大学信息与通信工程学院，哈尔滨 150001；2.哈尔滨工程大学先进船舶通信与信息技术工业和信息化部重点实验室，哈尔滨 150001）

引 言

雷达信号分选是雷达对抗系统的关键处理过程，也是雷达对抗信息处理的核心内容，分选水平是衡量雷达对抗系统和信息处理技术先进程度的重要标志[1].信号分选方法可分为三类：基于脉间参数特征的分选方法、基于脉内细微特征的分选方法、基于波形匹配的分选方法.其中基于脉间参数特征的分选方法又可分为基于雷达脉冲重复间隔(pulse repetition interval，PRI)的分选方法与基于多参数联合的分选方法[2].由于现代电子对抗环境复杂，信号密度越来越大，信号时域交叠严重[3]，这使得传统的基于PRI的信号分选方法已无法适应现代电子对抗环境.同时有学者针对如何提高脉冲丢失，降低信号被正确分选的概率进行研究[4–6].因此发展出了多参数联合的信号分选方法，其中聚类分选方法是一种基于脉冲信号之间相似性的无监督学习方法，由于其无需先验信息，适用于未知信号环境中进行信号分选，成为学者们的研究热点.

众多学者都对聚类分选算法进行了研究.Gao Li-peng等人提出了基于K-Means动态聚类与子线性时间算法相结合的分选算法，通过K-Means对数据动态聚类后，定时对每类数据使用子线性时间算法进行分析得到PRI信息，由PRI信息对各类数据进行进一步分类，完成信号分选.该方法计算量小，具有很好的实……