一種海戰(zhàn)場目標電磁行為模式聚類算法

陳子原　程遠國

摘要：發(fā)現(xiàn)隱藏在大量偵察數(shù)據(jù)中的海戰(zhàn)場電子對抗偵察目標電磁行為模式，對于明確敵作戰(zhàn)意圖，采取針對性措施有重要意義。本文給出了包含作戰(zhàn)平臺、作戰(zhàn)動作和信號制式等因素的電磁目標行為模式形式化定義，并在此基礎(chǔ)上設(shè)計了一種基于k均值算法的電磁行為模式聚類算法，仿真結(jié)果表明所提出的算法能夠滿足電磁行為模式聚類分析要求。

關(guān)鍵詞：數(shù)據(jù)挖掘;聚類;K均值算法;電磁行為模式

中圖分類號：TP393 ? ? ?文獻標識碼：A

文章編號：1009-3044（2019）13-0006-02

1引言

電磁行為模式是偵察到的敵電子對抗裝備的使用的一般規(guī)律。了解敵方電子對抗裝備的電磁行為，對于弄清其作戰(zhàn)意圖，采取針對性對抗措施有重要作用。目前，隨著各類海上目標聯(lián)合情報偵察監(jiān)視系統(tǒng)的不斷完善，電子對抗偵察數(shù)據(jù)也日益增長和完善，需要采用數(shù)據(jù)挖掘、大數(shù)據(jù)分析等各種數(shù)據(jù)分析方法找出其中隱藏的包括電子對抗目標電磁行為模式在內(nèi)的大量的有用模式，將系統(tǒng)的“數(shù)據(jù)優(yōu)勢”及時轉(zhuǎn)化成“信息優(yōu)勢”，提高電子對抗偵察效果。另一方面，隨著海戰(zhàn)場各種新體制雷達、電子對抗偵察與干擾、艦（機）隱身性能與雷達反偵察等各種技術(shù)的不斷進步，目標電磁行為模式的復(fù)雜程度呈現(xiàn)爆炸式增長，對數(shù)據(jù)處理和分析也提出更高要求。

文獻[1] 梳理了電磁行為模式分析的相關(guān)概念、研究了電磁行為模式分析的內(nèi)在邏輯關(guān)系、電磁行為模式與作戰(zhàn)意圖等問題。向量空間中的向量聚類挖掘是一個經(jīng)典而又富有創(chuàng)造性的課題。具體到電子對抗偵察目標電磁行為的聚類挖掘問題，由于目標電磁行為的復(fù)雜多變、電磁行為模式多維參數(shù)空間結(jié)構(gòu)復(fù)雜等原因，準確定義電磁行為模式比較困難，也增加了設(shè)計相關(guān)聚類算法的復(fù)雜性。目前未見有文獻定義電子對抗偵察目標電磁行為模式并提出相應(yīng)聚類算法。

針對海戰(zhàn)場電磁行為模式聚類挖掘?qū)嶋H需求，由于聚類目標型號的數(shù)量既不能預(yù)知、聚類目標的空間結(jié)構(gòu)比較復(fù)雜等原因，電磁行為模式識別并不適合SVM等算法。相比之下[K]均值聚類算法具有簡單、易并行計算、實時性好等特點，本文以[K]均值聚類算法作為基礎(chǔ)研究目標電磁行為模式的聚類挖掘計算。

仿真實驗結(jié)果顯示電磁行為可根據(jù)[S]，[U]，[V]大致分為兩類，其中實心點為類別1，空心點為類別2。由仿真圖可以得出K均值聚類結(jié)果比較準確，基本滿足電磁行為聚類分析要求。

5結(jié)束語

論文從平臺屬性、信號屬性和動作三個方面定義了一種目標電磁行為模式并提出了相應(yīng)的聚類算法。后續(xù)的研究可以結(jié)合實際，修改完善電磁行為模式。另外，由于K均值聚類算法易受異常點影響，改進的聚類算法可以考慮采用模糊C均值聚類、粗糙集聚類等優(yōu)化樣本聚類中心或者直接通過樣本特征分析結(jié)果的算法。

參考文獻：

[1] 袁鍵. 海戰(zhàn)場目標電磁行為模式的分析與應(yīng)用[C].學(xué)術(shù)研討會論文集（武漢），2017（12）.

[2] 范明，孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)[M].機械工業(yè)出版社，2017：156-159.

[3] 楊建兵，肖丹，郭霞.面向信息化戰(zhàn)爭的數(shù)據(jù)挖掘探究[J].網(wǎng)絡(luò)與信息工程，2015（03）：96-99.

[4] 郭繼光，黃勝.基于大數(shù)據(jù)的軍事情報分析與服務(wù)系統(tǒng)架構(gòu)研究[J].中國電子科學(xué)研究院學(xué)報，22017，12（4）： 389-393，413.

[5] Agrawal R， Imielinski T， Wwami A. Mining association rules between sets of items in large databases[J]. ACM sigmod record， 1993，22（2）：201-216.

[6] Ying Gao， Qi Zhang， Lijie Chen，etal. Research on application of FP tree based association rule mining on test sequence in train control system[C].Procccdings of the 36th Chinese Control Conference，2017：26-28：9993-9997.

[7] 劉毓，李莎.一種基于權(quán)重的Apriori改進算法[J].西安郵電大學(xué)學(xué)報，2017，22（4）： 95-100.

[8] 黃坤，吳玉佳.一種垂直結(jié)構(gòu)的高效用項集挖掘算法[J].大連理工大學(xué)學(xué)報，2017，57（5）：524-530。

[9] Liu Yaolin， Xie Peng， He Qingsong， etal. A new method based on association rules mining and geo-filter for mining spatial association Knowledge[J]. Chinese Geographical Science， 2017，27（3）： 389-401.

[10] 裴澤霖，金培進，張順健.雷達對抗偵察數(shù)據(jù)關(guān)聯(lián)規(guī)律挖掘模型研究[J].航天電子對抗，2007，24（4）：35-37.

【通聯(lián)編輯：光文玲】