三、数据关联和检验
数据关联是将备选观测y1, y2,…, yn 按照某种标准分类形成c1, c2,…, cn的聚类过程。本文采用谱系聚类法［5］。谱系聚类法首先视各观测自成一类，然后把最相似（关联度量最小）的观测聚为小类，再将已聚合的小类按其相似性再聚合，随着相似性的减弱，最后将一切子类聚合成为一大类，从而得到一个按相似性大小聚结起来的一个谱系图。其中，由多个特征参量组的关联度量构成关联矩阵，由先验数据设定关联门限。最后是确定分类，这里根据谱系的直观分布或经验值确定一个临界相似性尺度，用以分割谱线图而得到观测的分类c1, c2,…, cn。类的划分是否合理，需要作统计检验，这里采用r2统计量［5］。
差平方和t中占的比例，在实际聚类过程中通过r2值的差分来检验分类是否合理。
具体应用中的检验准则为：如果第k次的分类结果的r2值与第k－1次的分类结果的r2值相比变化较大，则第k次的分类结果为合理。
四、计算机仿真实验及结果分析
辐射源数据关联采用半实物数据进行关联仿真分析，即采用不同的传感器所采集到的 mark x应答信号的细微特征统计参数进行数据关联分析，所提取的特征项依次为：脉宽（pw）、频率差（fc）、频率(f)、上升沿(prt)、下降沿(pdt)、数据预处理得各参量的均值和方差。获取的是三类辐射源数据的60组特征参量，预处理后得6组均值和方差，现用新的关联度量计算结果与基于均值距离度量、基于方差距离度量及gower系数作为关联度量的计算结果进行比较。数据关联的效果如图2 (a)~(d) 所示 ，图中纵轴表示每两组观测之间的相似度，如h12表示第一组特征向量与第二组特征向量之间的距离，其值越小表示相似性越大，横轴为等间隔的标度。各种方法的辐射源关联结果及检验结果比较见表1。
根据检验准则：如果第k次的分类结果的r2值与第k－1次的分类结果的r2值相比变化较大，则第k次的分类结果为合理。由差分计算结果可知，分为三类时的r2统计量与分为两类时的r2统计量相比变化较小，而分为三类时的r2统计量与分为四类时的r2统计量相比变化较大，这说明分为三类较为合理，这与实际仿真源确实是三类辐射源数据相符合，这说明对于特征参量数据关联采用本文中新的关联度量是有效的。
五、结束语
本文提出了一种新的多特征参量的统计关联度量，并给出了辐射源数据关联和关联效果的统计检验。该关联度量能反映数据分布结构的相似性，仿真表明此度量用于目标多特征参量关联有较好的效果。而门限设定和各特征参量的相对重要性即权重的合理选取，我们将作进一步的研究。
参考文献
［1］赵中贵数据融合方法概论［ｍ］.电子工业部第二十八研究所,1998.
［2］程洪玮，周一宇，孙仲康.多目标跟踪关联中的多特征数据融合方法［ｊ］.电子学报，1999，27(3): 136~139.
［3］何友，王国宏，陆大琻，等.多传感器信息融合及应用［ｍ］.北京：电子工业出版社，2000.
［4］黄知涛，卢启中，等.基于双门限检测的辐射源识别方法［ｊ］.系统工程与电子技术，2001,23(11): 62~66.
［5］范金城，梅长林.数据分析［ｍ］.北京:科学出版社，2002
通信电源的运行管理与应用研究
PIC单片机开发的若干问题