买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利基于动态修正混沌粒子群优化的雷达信号分选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113866735B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110682277.7，技术领域涉及：G01S7/41；该发明授权基于动态修正混沌粒子群优化的雷达信号分选方法是由傅雄军;王晓妍;谢民;马志峰;卢继华;姜嘉环设计研发完成，并于2021-06-20向国家知识产权局提交的专利申请。

本基于动态修正混沌粒子群优化的雷达信号分选方法在说明书摘要公布了：本发明涉及基于动态修正混沌粒子群优化的雷达信号分选方法，属于种群进化以及信号分类技术领域。针对复杂电磁环境下辐射源信号脉冲流密度大、特征参数交叠程度严重的问题，采用基于动态修正混沌粒子群优化的雷达信号分选方法，改善传统聚类分选算法难以正确分类以及粒子群算法寻优能力不足的缺陷。采用混沌搜索增加种群后期迭代的多样性；采用自适应调整的参数使得粒子的更新根据种群的状态实时变化；使用新的适应度函数并对粒子位置进行动态修正，让种群的寻优更加准确。所述方法在几种常见并较新的分选指标下相较于其他优化方法都有着较大优势，其收敛速度，稳定性和鲁棒性具有更好的分选效果，能更好的适应复杂的电磁环境。

本发明授权基于动态修正混沌粒子群优化的雷达信号分选方法在权利要求书中公布了：1.一种基于动态修正混沌粒子群雷达信号分选方法，其特征在于：包括以下步骤： 步骤1、对雷达脉冲PDW流数据进行预处理，构造雷达数据集并生成修订后的待分选数据； 步骤1具体包括如下子步骤： 步骤1.1构造雷达数据集； 其中，构造的雷达数据集的维度为D； 步骤1.1中的雷达数据集中雷达信号的种类为M类； 步骤1.2从步骤1.1中构造的雷达数据集中采集待分选数据，并将待分选数据总数记为S； 步骤1.3修订待分选数据，即将待分选数据中的不同脉冲信号数据均变成相同的尺度范围内，生成修订后的待分选数据； 其中，待分选数据的最大值，记为Mmax，待分选数据的最小值，记为Mmin； 步骤2、雷达信号分选并产生雷达信号分选的聚类中心，即分选后的结果，包括如下子步骤： 步骤2.1初始化粒子群优化方法的各项参数； 其中，各项参数包括种群数量、最大迭代次数、粒子速度、粒子的最大运动速度以及粒子的历史最高适应度函数值； 其中，种群数量记为N，且N的取值范围为10到20；最大迭代次数的取值范围为50到200，记为Tmax；粒子速度为M×D×N维的速度矩阵，该速度矩阵中的每一个元素为取值在0到1范围内的随机数，且该速度矩阵中的最大值在0.5到1.0之间；粒子的历史最高适应度函数值被初始化为0； 步骤2.2用Maxmin距离原则对M×D维的粒子位置进行初始化，得到种群的初始聚类中心； 步骤2.3设置迭代循环变量t，初始循环变量设置为t=1； 其中，迭代循环变量t代表t时刻； 步骤2.4计算t时刻的数据集的聚类划分并计算粒子位置，具体为：将数据集中的所有样本按照与粒子位置的欧式距离最小原则进行划分，并按照划分后的结果对每一类簇中的样本计算平均值作为新的粒子位置； 步骤2.5计算每个粒子的适应度函数值； 步骤2.6对每个粒子，根据步骤2.5得到t时刻的适应度函数值，比较该适应度函数值和它经历过的t-1时刻的最优位置的适应度函数值的大小，如果更好，即适应度函数值更大，则更新粒子的最优位置，并对该粒子位置根据重心指数进行修正，得到修正后的粒子位置；如果t时刻的适应度函数值不大于t-1时刻的适应度函数值，则不更新粒子的最优位置，继续保持上一时刻即t-1时刻经历过的最优位置； 其中，对粒子位置根据重心指数进行修正，包括如下子步骤： 步骤2.6A计算所有样本点之间的距离总和，记为d； 步骤2.6B计算样本的邻域半径，记为r，具体为：将步骤2.6A得到的距离总和d与S的a次方以及S-1的a次方相除； 其中，a的取值范围为0到1； 步骤2.6C计算样本与其相距r的邻居的集合，即得到每个类内样本的重心指数； 步骤2.6D比较类内样本包括粒子位置的重心指数值的大小，选取重心指数最大的作为修正后的粒子位置； 步骤2.6E对每一个聚类簇内部进行类的分离，具体为：如果两样本之间的距离大于某个阈值，记为g，并且两者的重心指数位于前h内，则将此两者作为新的聚类重心，即为新的粒子位置； 其中，g的取值范围为r的2到4倍，h的取值范围为20%到40%； 步骤2.6F对步骤2.6E找到的所有的聚类中心进行合并，具体为：如果距离最近的两个聚类中心进行合并，合并之后新的聚类中心为两者的均值；重复步骤2.6F，直到达到M个聚类中心，即为修正后的粒子位置； 步骤2.7将数据集中的所有样本按照与得到的修正后的粒子位置的欧式距离最小原则进行划分； 步骤2.8执行步骤2.5，重新计算每个修正后的粒子的适应度函数值； 步骤2.9计算当前t时刻粒子群的全局最优值gbest，具体为：选取适应度函数值最大的全局最优粒子，其对应的位置为全局最优值gbest； 步骤2.10使用Tent混沌搜索对粒子位置进行随机扰动，生成混沌序列，并依据生成的混沌序列产生新的粒子，具体包括如下子步骤： 步骤2.10A将步骤2.9得到的全局最优值gbest由优化变量取值区间[Mmin，Mmax]归一化到混沌变量的取值区间[0,1]； 步骤2.10B对全局最优值gbest进行J次混沌扰动，生成混沌序列，具体为：当混沌变量的取值小于y时，生成的混沌序列为原来混沌变量的两倍，当混沌变量的取值大于y时，生成的混沌序列为2减去原来混沌变量的两倍； 步骤2.10C根据生成的混沌序列产生新的粒子，该粒子等于全局最优值gbest加上混沌变量的k倍，k的取值为1%到10%； 步骤2.11对依据混沌序列产生的新的粒子根据步骤2.5计算适应度函数值，选取适应度函数值最大的混沌序列替代当前粒子群中个体最优不变且不为全局最优的粒子个体； 步骤2.12更新粒子群的加速度系数c1、c2，具体为：计算当前迭代t时刻与最大迭代次数Tmax之间的比值，将该比值求逆指数并进行两倍的运算得到加速度系数c1，将该比值求指数运算得到加速度系数c2； 步骤2.13更新粒子群的惯性权重w，具体为：计算当前t时刻粒子的适应度函数值与全局最优适应度函数值的比值，将该比值求逆指数运算得到惯性权重w； 步骤2.14更新粒子群的速度和位置，产生新的粒子群体；更新方式具体如下步骤： 步骤2.14A更新粒子群的速度，具体为：将粒子的惯性记忆项、自身认知项以及群体认知项相加； 其中，惯性记忆项是由惯性权重w与t-1时刻粒子的速度相乘得到的；自身认知项是由t-1时刻粒子位置点指向粒子自身最好位置点pbest计算得到的矢量，并与加速度系数c1以及一个0到1范围内的随机数相乘得到的；群体认知项是由t-1时刻粒子位置点指向种群最好位置点，即全局最优值gbest计算得到的矢量，并与加速度系数c2以及一个0到1范围内的随机数相乘得到的； 其中，如果粒子更新的速度大于由步骤2.1得到的粒子的最大速度时，就将当前t时刻更新的速度取值为最大速度值；如果粒子更新的速度小于由步骤2.1得到的粒子的最大速度的负值时，就将当前t时刻更新的速度取值为最大速度值的负值； 步骤2.14B更新粒子群的位置，更新方式具体为：将t-1时刻粒子的位置与当前t时刻粒子的速度相加，得到将t时刻粒子的位置；判断此t时刻粒子的位置是否大于位置的最大值Mmax，若是，将最大值Mmax作为t时刻粒子的位置；否则，若t时刻粒子的位置小于位置的最小值Mmin，就将最小值Mmin作为t时刻粒子的位置； 步骤2.15计算种群适应度函数值的方差； 步骤2.16判断是否达到迭代终止条件，具体为：比较方差是否小于某个阈值v，或者比较时刻t大于最大迭代次数Tmax； 如果这两个条件满足一个或两个条件都满足，将t时刻粒子的位置作为雷达信号分选的聚类中心；如果两者都不满足，更新t：t=t+1，跳转到步骤2.4； 步骤3、对步骤2得到的聚类结果基于评价指标进行评价； 其中，评价指标包括聚类质量、调整兰德指数、归一化互信息、质心指数、戴维森堡丁指数以及轮廓指数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。