简介：面向雷达信号处理与电子侦察领域的MATLAB代码包，围绕雷达辐射源在线核聚类分选任务，解决复杂电磁环境下多辐射源信号难以线性区分、需要实时分类识别的问题。代码借助径向基等核函数将低维信号映射到高维特征空间，再采用合适聚类策略完成在线分选与类别更新，适合雷达目标识别、信号分选方向的科研人员与工程师学习或直接复用。压缩包共包含七个文件，全部为可运行的脚本与函数，涵盖信号产生、数据预处理、核映射与聚类判决、类簇合并删除以及结果可视化等核心模块，整体仅有四KB，结构清晰、便于阅读和二次开发。目前已有1160人学习浏览；用户只需准备好雷达输入数据，即可调用主流程自动完成预处理、核映射、聚类分析和可视化输出，还可根据实际场景替换核函数或聚类策略，快速验证算法效果。代码同时提供了信号生成与测试用例，便于从零复现完整分选流程，是理解在线核聚类原理并开展实验对比的实用工具。 说实话，第一次拿到“雷达辐射源在线核聚类分选matlab代码”这个需求时，我心里是有点打鼓的。雷达辐射源分选这个活儿，做信号处理的人都不陌生，但“在线”两个字，加上“核聚类”这个组合，意味着它不再是跑完一批数据再慢慢聚类，而是脉冲一个接一个进来，必须立刻判断它属于哪部雷达、值不值得开新类。这个场景在真实电子侦察里太常见了：脉冲流是连续不断的，你不可能等把所有脉冲都截获完了再离线分析。这篇文章就把我自己实现这套算法的思路、代码结构、以及调试中踩过的坑一起整理出来，希望能给正在做类似工作的朋友一个可落地的参考。
1. 为什么雷达辐射源分选偏偏要用“在线核聚类”
1.1 传统分选算法的瓶颈在哪里
雷达辐射源分选，本质上是对截获的脉冲描述字（PDW）进行聚类。每个脉冲经过前端侦察接收机处理后，会提取出一组参数，最常见的就是载频（RF）、脉宽（PW）、到达角（DOA）、脉幅（PA），如果再结合到达时间（TOA）做差分，还能得到脉冲重复间隔（PRI）。
传统做法里，直方图法、序列搜索法、离线K-means聚类、DBSCAN聚类都有自己的问题。直方图法对PRI捷变、抖动严重的雷达容易失效；离线K-means要求预先知道辐射源数量，这在复杂电磁环境下根本做不到，因为空域里到底有多少部雷达、哪些是新开机的雷达，完全是未知的；DBSCAN对密度参数太敏感，而且也是批处理逻辑，数据一多内存就崩。
K-means这类传统聚类算法还有一个隐患：它们假设类别在特征空间里是线性可分的，用欧氏距离衡量样本间相似度。但在真实的PDW数据里，雷达参数经过调制、捷变、测量误差叠加后，类别边界往往是弯曲的、交叠的。比如载频在9.2GHz附近抖动、脉宽在1.0微秒附近抖动的雷达A，和载频在9.35GHz附近、脉宽在0.8微秒附近抖动的雷达B，在原始特征空间里可能互相“伸脚”到对方土里，线性划分效果很差。
1.2 在线核聚类要解决的核心问题
在线核聚类分选，是把“核方法”和“在线学习”结合在一起，解决三个问题：
第一，非线性可分问题。核技巧的核心思想是把低维特征空间里的数据通过一个隐式映射投到高维特征空间，在高维空间里原本弯弯曲曲的边界可以变成线性超平面。对于雷达信号这种参数交叠的场景，效果比欧氏距离好得多。
第二，流式处理问题。脉冲是一帧一帧来的，算法必须在新脉冲到达后，只用常数级时间完成判断：属于哪个已有簇，还是应该新建一个簇。不能每次来一个脉冲就把所有历史数据重算一遍，那样实时性就彻底废了。
第三，辐射源数量未知且动态变化的问题。战场上雷达会随时开机、关机、变频，算法要有能力自动发现新类别，而不是死守一个固定的簇数。
2. 算法框架与核心公式：把核距离算明白
2.1 核技巧：在特征空间里重新审视脉冲距离
核方法的基本思想并不玄乎。假设原始脉冲参数向量是x，我们定义一个映射φ(x)把它送到高维特征空间。特征空间里的内积不用显式算出来，而是用核函数代替：
K(x, y) = <φ(x), φ(y)>
我最常用的核函数是高斯基函数（RBF核）：
K(x, y) = exp(-||x - y||² / (2σ²))
这里σ是核宽度参数。RBF核的好处是映射空间维度无穷大，而且值域在(0,1]之间，数值上比较稳定。关键是，两个样本在特征空间里的距离可以完全用核函数表达，不需要知道φ(x)的具体形式：
||φ(x) - φ(y)||² = K(x, x) + K(y, y) - 2K(x, y)
因为是RBF核，K(x, x) = 1，所以距离就变成2(1 - K(x, y))。这就是我们做聚类判断的基本度量。
2.2 在线核模糊聚类的分选逻辑
我在实现里采用的是在线核模糊聚类的思路，但为了工程落地，做了两个简化：第一，簇中心用簇内样本在特征空间的均值来表达，而不是维护一个独立的中心点；第二，模糊隶属度只在簇归属判定时使用，不参与迭代优化，避免在线场景下计算开销过大。
假设某个簇C当前包含n个脉冲样本，在特征空间里的中心是：
φ_c = (1/n) Σ φ(x_i)
当一个新脉冲x到来，它到该簇中心的核距离是：
d(x, C) = ||φ(x) - φ_c||² = K(x, x) + (1/n²)Σ_iΣ_j K(x_i, x_j) - (2/n)Σ_i K(x, x_i) = 1 + K_in(C) - 2 * mean_i K(x, x_i)
其中K_in(C) = (1/n²)Σ_iΣ_j K(x_i, x_j)是该簇内样本核值的平均值。这个公式是整段在线分选代码的地基。
2.3 新辐射源的自动发现与簇归属判定
每次新脉冲到达，把它到所有已有簇的核距离算一遍，找到最小值d_min。如果d_min小于阈值θ，就归入该簇；如果大于θ，就认为这可能是新辐射源，建一个新簇。
这个阈值θ就是“新类判定阈值”，它对分选质量极其关键。θ设大了，不同雷达会混在一起；θ设小了，一部雷达因为参数抖动也能被分裂成好几簇。我的做法是从初始批次脉冲的距离分布里自动估计θ，一般取初始簇内距离均值加上三倍标准差，后面再根据实时结果微调。
3. MATLAB代码实现：主流程与核心函数拆解
3.1 脉冲描述字数据预处理
数据预处理的重要性不亚于聚类算法本身。PDW里不同参数的数量级差太远：载频是吉赫兹量级，脉宽是微秒量级，到达角是度。如果不归一化，核距离会被载频一项主导，整个聚类等于只用了RF一个维度。
我习惯用z-score归一化，代码很简单：
function X_norm = normalize_pdw(pdw) % pdw: N x 4，四列分别是RF、PW、DOA、PA mu = mean(pdw); sigma_std = std(pdw); X_norm = (pdw - mu) ./ (sigma_std + 1e-10); end注意加了1e-10是为了防止某些参数方差为0时除零报错。归一化的均值方差来自历史脉冲，但如果在线数据流变化很大，建议每隔一段时间用滑动窗口重新估计一次，不过那属于自适应预处理的范畴，后面再细说。
3.2 在线核聚类主循环
核心函数我写成了这样一个结构，直接传入归一化后的PDW矩阵、核宽度sigma、新类阈值theta和代表样本上限budget：
function labels = online_kernel_cluster(X, sigma, theta, budget) % X: N x d，归一化后的脉冲描述字 % sigma: RBF核宽度 % theta: 新类判定阈值 % budget: 每个簇保存的代表样本上限 N = size(X, 1); labels = zeros(N, 1); clusters = struct('n', {}, 'kin', {}, 'rep', {}); cluster_cnt = 0; for t = 1:N x = X(t, :); if cluster_cnt == 0 cluster_cnt = cluster_cnt + 1; clusters(1).n = 1; clusters(1).kin = 1; % RBF核下K(x,x)=1 clusters(1).rep = t; labels(t) = 1; continue; end % 计算新脉冲到每个簇中心的核距离 dists = zeros(cluster_cnt, 1); for j = 1:cluster_cnt rep_idx = clusters(j).rep; ksum = 0; for r = 1:length(rep_idx) ksum = ksum + rbf_kernel(x, X(rep_idx(r), :), sigma); end mean_k = ksum / length(rep_idx); dists(j) = 1 + clusters(j).kin - 2 * mean_k; end [dmin, c] = min(dists); if dmin > theta % 新辐射源 cluster_cnt = cluster_cnt + 1; clusters(cluster_cnt).n = 1; clusters(cluster_cnt).kin = 1; clusters(cluster_cnt).rep = t; labels(t) = cluster_cnt; else % 归入已有簇，并增量更新簇中心 n_old = clusters(c).n; rep_idx = clusters(c).rep; ksum = 0; for r = 1:length(rep_idx) ksum = ksum + rbf_kernel(x, X(rep_idx(r), :), sigma); end clusters(c).n = n_old + 1; clusters(c).kin = (n_old^2 * clusters(c).kin + 2 * ksum + 1) / ((n_old + 1)^2); % 代表样本集管理：未满就追加，满了随机替换 if length(rep_idx) < budget clusters(c).rep(end + 1) = t; else rr = randi(length(rep_idx)); clusters(c).rep(rr) = t; end labels(t) = c; end end end function k = rbf_kernel(a, b, sigma) k = exp(-sum((a - b).^2) / (2 * sigma^2)); end这里的关键点在第49行附近的增量更新公式。我维护了每个簇的n和kin，新样本归入后，不用重新对所有历史样本计算核矩阵，直接用旧kin、新样本到簇内代表样本的核值之和更新，复杂度是O(budget)，而不是O(n)。
3.3 分选结果后处理与评估
聚类做完不代表分选结束。工程上，还需要把每个簇的脉冲波形参数还原出来，做PRI谱分析和参数统计，才能给后端的威胁识别、态势分析提供输入。我一般会做三件事：
一是计算每个簇的中心参数。将所有簇内脉冲按原始量纲求均值，得到RF、PW、DOA的标准值。
二是用TOA序列做PRI谱分析。对每个簇的到达时间序列做差分直方图，如果谱峰清晰，说明分选质量高；如果谱峰杂乱，说明该簇可能混入了多个辐射源。
三是用调整兰德指数（ARI）或分选纯度做量化评估。如果仿真时已知真实标签，可以用ARI评估；如果没有真值，就用簇内紧密度和簇间分离度来观察。
4. 工程化注意点：内存、阈值与参数整定
4.1 别傻乎乎存全核矩阵
很多人第一次写核聚类，会先算一个N×N的核矩阵，然后在上面做特征分解、矩阵变换。这在离线小样本上没问题，但雷达脉冲流每秒可能有几十万脉冲，N一旦涨上去，核矩阵内存是灾难性的。
我的做法是budget控制。每个簇最多保留budget个代表样本，新脉冲如果归入该簇，就随机替换掉一个旧代表样本。用代表样本集合的均值来近似簇中心，内存占用从O(N²)降到O(sum(budget))，实时性也能保证。我实测下来，budget取15到30就够用，继续增大对聚类准确率的提升非常有限。
不过随机替换有个隐患：如果替换掉的是边界样本，簇的形状可能缓慢漂移。想要更稳健的替换策略，可以计算每个代表样本对当前簇核中心的贡献，替换贡献最小的那个，代价是每次替换多算一遍所有代表样本的核值，对性能有轻微影响。
4.2 核宽度sigma到底怎么选
sigma是RBF核最重要的参数。sigma太大，所有样本的核值都非常接近1，距离都趋近于0，聚类退化成“都是一类”；sigma太小，核值急剧衰减，参数稍微抖动就成了新类，一个辐射源会被切得七零八落。
我常用的经验法则是中值启发式：随机抽一部分样本，计算两两欧氏距离的中位数median_dist，然后令sigma = median_dist / sqrt(2)。这个经验在大多数雷达PDW数据上都能给出不差的初始值，后续再根据分选纯度微调。
另外要注意，sigma、theta和特征维度d是耦合的。特征维度越高，样本间距离越大，想要同等大小的核值，sigma也得相应增大。所以如果PDW里加入了新的特征维度，sigma一定要重新调。
4.3 阈值θ、模糊指数与遗忘因子
新类判定阈值θ的选取直接影响分选结果。我推荐的做法是：先用前M个脉冲做一次离线核K-means初始化，统计每个簇内样本到簇中心核距离的均值和标准差，θ取均值加3倍标准差。这样θ能自适应数据噪声水平，而不是拍脑袋定一个常数。
如果还想处理数据漂移，可以在更新kin时引入遗忘因子λ。比如kin更新变成：
kin_new = λ * kin_old + (1 - λ) * current_estimate
λ接近1时算法记住更多历史信息，λ偏小则更关注近期脉冲。对参数捷变雷达，可以把λ调到0.95左右，让簇中心缓慢跟随。
5. 仿真验证与踩坑记录
5.1 三辐射源混合脉冲流的仿真效果
为了验证代码，我生成了三组仿真脉冲流：雷达A载频9.2GHz、脉宽1.0微秒、方位30度；雷达B载频9.4GHz、脉宽1.5微秒、方位60度；雷达C载频9.3GHz、脉宽0.8微秒、方位45度。每个参数都叠加随机抖动，载频抖动±20MHz，脉宽抖动±0.05微秒，方位抖动±2度，另外混入20%的随机噪声脉冲。
把PDW归一化后，设sigma=0.5，budget=20，θ用前100个脉冲初始化估计。跑完整个数据流之后，三组脉冲被正确分成三个簇，ARI在0.93左右。C雷达因为参数夹在A和B之间，边界上混进去少量脉冲，但整体分选纯度很高。
5.2 两个典型的坑
第一个坑是参数归一化导致核距离失真。一开始我用min-max归一化，结果一群噪声脉冲因为某个参数大就被硬拉到远处，聚类效果很不稳定。后来换z-score归一化，问题明显改善。对于有离群噪声的PDW数据，z-score比min-max稳得多。
第二个坑是初始簇太少导致新类误判。如果算法前几个脉冲正好来自同一部雷达，后面另一部雷达的脉冲进来时，距离可能被判断为“噪声”而误并进已有簇。解决方法是热启动：先用前50到100个脉冲做一次离线K-means（簇数设3到5），把初始化做好，再进入在线循环。这个过程只多花几十毫秒，对整体实时性影响很小。
5.3 这套代码后续还能怎么扩展
目前这套在线核聚类的框架不仅适用于PDW分选，稍微改改特征输入，就可以用于其他流式聚类场景，比如网络入侵检测里的流量分簇、机械振动信号的故障在线分类。核心逻辑都是：核距离度量加增量簇更新加自适应新类判定。
如果想把分选性能再往上推一层，可以考虑把PRI差分特征直接拼进PDW向量，用滑窗方式实时计算PRI候选值，再一起送进核聚类。这样分选不只看RF、PW、DOA，还结合了时域的重频规律，对复杂参数雷达的识别会更鲁棒。
我在实际项目里最深的体会是：不要把在线核聚类想得太玄，它的本质就是在快和准之间找一个工程平衡点。核距离给准头兜底，代表样本集和增量更新给速度兜底，theta和sigma是那个需要耐心调校的平衡旋钮。希望这套代码和踩坑经验能帮你少走几段弯路。
本文还有配套的精品资源，点击获取
