雷达信号分选

雷达信号分选的方法 在整个的发展的过程当中，可以分为三种

1. 基于通道时间TOA的重频分选（PRI）方法

a.  PRI 、PW 时域多参数分选；

b.  PRI 、PW 加 RF 多参数综合分选；

c.  PRI 、PW 加 DOA 多参数综合分选；

d.  PRI 、PW 加 RF 、DOA 多参数综合分选；

e.PRI 时域单参数分选；

2. 基于核心参数的聚类方式

聚类分析是一种基于数据对象之间相似性的无监督学习方法，将数据分成若干类，被划分在同一类内的数据间相似度很高，分属于不同类的数据间差异度较大，适用于在缺少先验知识条件下的雷达信号分选方法。基于聚类分析的分选算法提取信号中具有强类内聚集性和类间分离性的特征，尽可能地把单部雷达所发射的信号划归成一类。聚类算法是根据人工的习惯进行判断，实现有效分选。聚类算法可以分为 6 类: 划分法、层次法、模糊聚类法、基于密度的方法、基于网络的方法和基于模型的方法。

3.  基于神经网络的分选方式

基于人工神经网络的分选算法开始于 20 世纪90 年代，在复杂电磁环境下，它具有并行处理和容错的优势，提高信号分选的效率。神经网络分类器的类型有: BP 神经网络、Kohonen 神经网络、RBF神经网络等