文摘在缺乏先验信息的复杂电磁环境中,传统的监督型算法难以满足战场的即时性需求,雷达辐射源个体的精确识别任务面临显著挑战。为此,提出了一种在全盲标签条件下,采用基于典型相关分析(canonical correlation analysis,CCA)的多域特征融合技术和相关系数的特征选取方法,并结合自适应基于密度的带噪声空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)实现雷达辐射源个体的盲聚类。鉴于不同特征在时域结构上存在的显著差异,采取时域对齐方法处理雷达信号的包络上升沿,进而从对齐后的信号中提取多维度的时域及时频域特征。针对多域特征在空间结构上的差异性,提出了一种基于相关系数的特征选取策略,以优化后续处理流程。为了有效发挥CCA算法在多域互补特征融合的作用,进而突出多域互补特征在基于数据密度类聚类算法的适应性,在后端引入了DBSCAN聚类算法。鉴于无监督聚类算法DBSCAN对参数设置的敏感性,引入了一种自适应参数优化方法,以实现聚类效果的最优化。最后,实验验证了所提融合特征盲聚类方法的有效性。
