龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：西安电子科技大学
摘要：本发明公开一种基于GPU端模糊C均值聚类的雷达信号分选方法，其实现步骤是：1、对每部雷达接收的回波信号进行脉冲检测，得到该部雷达发射的脉冲描述字PDW；2、在CPU端初始化聚类划分；3、在GPU端并行化更新当前每个分类聚类中心的PDW值；4、在GPU端并行化更新当前每个PDW的隶属度；5、迭代更新所有聚类中心PDW值、隶属度矩阵U；6、在CPU端对更新后的雷达脉冲数据集D进行聚类划分。本发明相比传统的串行聚类算法更加高效，更好地满足了雷达信号分选的实时性需求，而且雷达信号分选的准确率更高。
主权项：1.一种基于GPU端模糊C均值聚类算法的雷达信号分选方法，其特征在于，在图像处理单元GPU端并行化更新每个分类聚类中心的PDW值和隶属度，该方法的步骤包括如下：步骤1，对每部雷达接收的回波信号进行脉冲检测，得到该部雷达发射的脉冲描述字PDW，将所有雷达的PDW组成数据集D；步骤2，在CPU端初始化聚类划分：将数据集D平均分为k类，保证每一个类中的PDW数量相等，在每一个类中随机选取一个PDW作为该类的聚类中心，每一个类中只包含一个聚类中心，k的值为雷达部数；步骤3，在GPU端并行化更新当前每个分类聚类中心的PDW值：利用GPU端内存空间开辟好的线程，让每一个线程更新一次每个聚类中心的PDW值，多线程同时并行处理，得到数据集D中所有更新后的每个分类聚类中心的PDW值；步骤4，在GPU端并行化更新当前每个PDW的隶属度：利用开辟好的线程，更新每个线程对数据集D中当前迭代更新前的每个分类的聚类中心的隶属度，多线程同时并行处理，得到数据集D中所有当前迭代更新后的每个PDW在所有分类中更新后的隶属度；步骤5，判断GPU端模糊C均值聚类目标函数是否收敛；若是，则将当前并行化更新后的所有聚类中心PDW值、隶属度矩阵U拷贝到CPU端后执行步骤6，否则，执行步骤3；步骤6，在CPU端对更新后的雷达脉冲数据集D进行聚类划分：在CPU端取出更新完成后隶属度矩阵中每一列的最大值，将该最大值所在行的序号作为该PDW的所属类别标签，将类别标签相同的PDW放在同一个数组中。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于GPU端模糊C均值聚类算法的雷达信号分选方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号