-
题名基于自适应流聚类的多站时差协同信号分选方法
- 1
-
-
作者
李松炜
杨松岩
邓志安
司伟建
-
机构
哈尔滨工程大学信息与通信工程学院
中电防务科技有限公司
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
-
出处
《信号处理》
CSCD
北大核心
2024年第4期682-694,共13页
-
基金
国家自然科学基金(62371152)。
-
文摘
多站时差协同信号分选是解决脉间波形捷变雷达信号分选的有效方法。已有批处理多站时差协同信号分选方法实时性不足,且存在无法有效挖掘雷达脉冲流动态变化特性的问题,该文提出一种基于自适应流聚类的多站时差协同信号分选方法。针对已有流聚类算法在雷达信号样本密度不平衡的情况下存在容易增批分选的问题,提出利用多站时差测量误差估计量对流聚类生成簇进行自适应检测与合并,有效抑制雷达簇增批现象的发生,以解决分选增批的问题。同时,通过利用多站时差测量误差估计量实现在线聚类阈值自适应设置,提高脉冲归属正确雷达簇的概率,减少在线聚类算法迭代次数。使用基于时间衰减窗口模型的未知簇检测,提高聚类概要的更新速度,避免了有效样本数过少而导致的聚类失败,提高了分选算法的环境适应性。仿真结果表明,与现有分选算法相比,面对不平衡复杂脉间波形捷变信号,该算法能够进行抑制增批,有效分选出正确雷达结果;面对多部雷达的出现/失活/复活演化过程,该算法可精准检测并展示动态演化特性;面对多部复杂脉间波形捷变信号,对比已有算法的算法复杂度大幅降低,特别在脉冲样本数密集情况下,能更好的保证分选处理的实时性;面对较大的多站时差测量误差和脉冲丢失率情况下,具有较高的分选正确率。
-
关键词
电子侦察
时差分选
自适应流聚类
-
Keywords
electronic reconnaissance
time difference of arrival sorting
adaptive stream clustering
-
分类号
TN971
[电子电信—信号与信息处理]
-
-
题名工业物联网数据流自适应聚类方法
被引量：2
- 2
-
-
作者
朱维富
曾智霞
肖如良
-
机构
福建师范大学计算机与网络空间安全学院
福建省应用数学中心(福建师范大学)
福建师范大学数字福建环境监测物联网实验室
福建师范大学福建省网络安全与密码技术重点实验室
-
出处
《计算机系统应用》
2022年第3期169-177,共9页
-
基金
国家自然科学基金(61772004)
福建省科技计划重大项目(2020H6011)
福建省自然科学基金(2020J01161)。
-
文摘
5G通讯技术的迅猛发展使工业物联网得到了全面提升,工业物联网数据规模将越来越大、数据维度也越来越高,如何高效利用流聚类进行工业物联网数据挖掘工作是一个亟需解决的问题.提出了一种基于工业物联网数据流自适应聚类方法.该算法利用微簇之间的高密性,计算各微簇节点的局部密度峰值以自适应产生宏簇数;采用引力能量函数对微集群进行递归在线更新;并且去除边缘相交微簇之间的计算以达到降低维护宏簇所需的计算量.理论分析和实验对比表明所提出的方法跟当前主流的流聚类算法相比有着更高质量的聚类效果.
-
关键词
工业物联网
流数据
自适应流聚类
微簇
-
Keywords
industrial IoT(IIoT)
stream data
adaptive stream clustering
micro-cluster
-
分类号
TP391.44
[自动化与计算机技术—计算机应用技术]
TN929.5
[自动化与计算机技术—计算机科学与技术]
-
