论文部分内容阅读
从最初仅用于军用用途,比如电子战等,到如今民用用途的普及,比如智能交通测速等,近年来,雷达技术应用越来越普及。然而,随着雷达的广泛应用,雷达电磁信号环境从最初的雷达辐射源数目少、脉冲信号密度低、信号简单发展到如今辐射源数目多,脉冲信号密度高、信号复杂的场景,使得传统的雷达脉冲信号分选方法在分选的实时性、吞吐量和性能方面很难满足实际的应用需求。针对雷达脉冲信号密集的场景,本文借鉴当今流行的大数据处理并行计算技术中的批处理处理技术和流式处理技术,以及数据处理方法中的数据聚类算法,设计并实现了一套适用于大规模数据场景的雷达信号分选系统,为大规模雷达脉冲信号分选场景提供了技术支持。本文的主要贡献如下:1)针对雷达脉冲信号密集度越来越大,导致分选实时性和吞吐量越来越难达到要求的问题,本文借鉴了当今热门的流式计算框架storm和flink的设计思想,通过c++编程语言设计并实现了一个轻量级的并行计算框架。该计算框架的核心是借鉴了滑动窗口和可调缓冲的思想,用户能够通过系统的编程接口,自定义构建业务作业,并运行于本框架之中。通过对滑动窗口和可调缓冲的调节,用户能够获得实时性和吞吐量之间的需求平衡。2)针对雷达脉冲信号复杂度越来越高,导致传统的分选算法很难满足分选效果的问题,本文借鉴密度网格聚类算法,基于并行计算中的微批次处理计算模式,设计并提出了分布式密度网格聚类算法。该算法通过滑动窗口机制,实现了流式聚类算法模型,对于密集的雷达脉冲信号,流式聚类模型能够适应微批次的计算模式,使得分选效果获得了更好的实时性;另外,通过在数据量与数据空间维度的切分,该算法实现了良好的并行计算效果,使得分选效果获得了更大的吞吐量。结合上述的轻量级并行计算框架和分布式密度网格聚类算法,本文设计并实现了一套应用于大规模数据场景下的雷达信号分选系统。测试结果显示,本文所设计的大规模雷达脉冲信号分选系统在雷达脉冲分选精度上相比于单机算法没有损失,但是分选的延迟可以达到毫秒级,吞吐量方面也明显由于现有的单机雷达信号分选算法。