辐射源信号的半监督聚类处理是指利用数据挖掘中的半监督聚类方法,在无监督聚类的基础上充分利用电子情报侦察领域中可获得的先验信息对信号聚类结果进行优化,在迅速挖掘信号集内部潜在结构的基础上克服了无监督聚类的盲目性,已经逐渐成为电子情报侦察中不可或缺的信号分析手段。半监督聚类算法中常用的先验信息通常有独立类标签和成对约束信息两种形式,而在辐射源信号处理中,这两种先验信息的获取存在一定困难,同时先验信息的描述形式及其对聚类算法指导方式都存在一定的局限性。因此如何结合电子情报侦察领域的特点,研究先验信息更为直观、显性的描述方式和监督方法是辐射源信号半监督聚类处理中的关键问题。电子情报侦察中可得的先验信息更多的是信号侦察接收设备的测量误差模型以及情报分析人员的聚类期望等,针对这一特点,本文从聚类算法在工程应用中的直观性和显性两方面着手,提出一种新的先验信息描述方法,同时提出基于该先验信息描述方法的半监督聚类算法,并在辐射源信号聚类处理中得到应用。论文主要工作和研究成果如下:(1)针对半监督SAP算法聚类结果中可能出现违反约束信息的情况,提出了改进的SAP算法(I-SAP算法)。该算法在SAP算法聚类过程中约束样本点的划分,在调整样本点相似性矩阵的基础上,再次充分利用约束信息所能提供的指导作用,实现聚类结果的优化。(2)基于样本点的独立类标签信息,提出了基于种子集的半监督AP算法SeedAP算法。该算法通过给定的种子集信息,给各个样本点赋予不同的参考度并输入AP算法实现先验信息的监督指导作用。与SAP算法相比较,Seed-AP聚类算法监督手段更加直接,聚类效果更好。(3)针对传统先验信息描述方式的局限性,提出了一种新的先验信息描述方法—人为构造样本。结合电子情报侦察领域中特有的先验信息以及情报分析人员的聚类期望人为构造相应的样本集,将先验信息以一种更加直观的方式描述为所有聚类算法都可以接受并直接使用的形式,同时也避免了传统描述方式作用于不同算法时需要时刻调整其表现形式的复杂性,为实现辐射源信号聚类处理监督作用提供一种新的思路。(4)基于新的先验信息描述方式,提出了基于“卧底”样本的半监督聚类算法。该算法首先人为构造满足先验信息及情报分析人员聚类期望的“卧底”样本,然后将“卧底”样本与待聚类样本集同时送入无监督聚类算法中,最后通过“卧底”样本聚类结果的反馈,从而判断待聚类样本集的聚类效果并调整算法参数实现聚类结果的优化。仿真结果表明本文所提出基于“卧底”样本的半监督聚类算法满足辐射源信号半监督聚类处理中所需的直观性和显性要求,克服了传统先验信息指导聚类算法时的盲目性,打破算法封闭性,并且具有良好的工程可实现性。