雷达辐射源信号分选是雷达信号侦察的关键技术之一，同时也是战场态势感知的重要环节。随着电磁环境的日益复杂，传统的雷达辐射源信号分选手段在实时性等方面正遭受巨大的性能挑战。本书创新性地将数据流聚类思想引入雷达辐射源信号分选领域，较为完整地构建了基于数据流聚类的雷达辐射源在线分选理论统一框架，实现了雷达辐射源信号的在线无监督分选。 本书系统阐述了作者多年基于数据流聚类的雷达辐射源在线分选的研究成果，共分为5章，内容包括绪论、基于数据流聚类的雷达辐射源在线分选统一框架、基于PDW参数的雷达辐射源在线分选、基于脉内信息的雷达辐射源在线分选、类不均衡条件下基于脉内信息的雷达辐射源在线分选。 本书可以作为高等院校相关专业研究生学习雷达信号处理以及数据流挖掘的参考书，对雷达与电子对抗领域的科技工作者和工程技术人员也具有较大的参考价值。

第1章 绪论
1.1 研究背景和意义
1.1.1 复杂电磁环境给雷达辐射源分选带来的挑战
1.1.2 基于数据流聚类的雷达辐射源在线分选方法的研究意义
1.2 国内外研究现状
1.2.1 雷达辐射源分选研究现状
1.2.2 数据流聚类技术研究现状
1.3 基于数据流聚类的雷达辐射源在线分选的关键问题
1.4 本书主要工作及内容安排
第2章 基于数据流聚类的雷达辐射源在线分选统一框架
2.1 引言
2.2 雷达辐射源在线分选问题抽象与建模
2.3 数据流聚类算法与静态聚类算法
2.3.1 静态聚类算法
2.3.2 数据流聚类算法
2.3.3 数据流聚类算法与静态聚类算法的区别
2.4 基于数据流聚类的信号在线分选框架
本章小结
第3章 基于PDW参数的雷达辐射源在线分选
3.1 引言
3.2 问题分析与建模
3.3 基于I-STRAP的雷达辐射源在线分选算法
3.3.1 I-STRAP概要
3.3.2 I-STRAP概要初始化及更新
3.3.3 I-STRAP演化检测
3.3.4 算法参数敏感度分析
3.3.5 I-STRAP算法框架
3.4 仿真实验与分析
3.4.1 数据集介绍
3.4.2 实验结果及分析
本章小结
第4章 基于脉内信息的雷达辐射源在线分选
4.1 引言
4.2 问题分析与建模
4.2.1 高维数据的聚类分析
4.2.2 在线子空间聚类问题的数学模型
4.3 基于EDSSC的雷达辐射源在线分选算法
4.3.1 基于子空间聚类的静态学习
4.3.2 基于稀疏表示的动态聚类
4.3.3 子空间演化的在线检测
4.3.4 算法流程与复杂度分析
4.4 仿真实验与分析
4.4.1 数据集及实验设置
4.4.2 参数敏感度分析
4.4.3 具有演化性质的雷达辐射源数据流的在线子空间聚类
4.4.4 具有演化性质的面部数据流的在线子空间聚类
4.4.5 具有演化性质的手写数字和字母数据流的在线子空间聚类
4.4.6 对MNIST30K数据流的子空间个数的实时监测
本章小结
第5章 类不均衡条件下基于脉内信息的雷达辐射源在线分选
5.1 引言
5.2 问题分析与建模
5.2.1 雷达辐射源非均衡演化脉冲流在线分选问题建模
5.2.2 雷达辐射源非均衡演化脉冲流在线分选问题分析
5.3 面向非均衡数据的静态聚类算法——ESC算法
5.4 基于DI-ESC的雷达辐射源在线分选算法
5.4.1 Improved ESC算法
5.4.2 Dynamic Improved ESC算法
5.5 仿真实验与分析
5.5.1 数据集及实验设置
5.5.2 I-ESC算法性能验证与分析
5.5.3 DI-ESC算法性能验证与分析
5.5.4 DI-ESC算法参数敏感度分析
本章小结
参考文献