前言

在现代战争中，雷达辐射源信号分选是雷达电子侦察的关键环节，是感知电子战场态势的核心步骤之一，直接关系到对战场态势的认知判断以及对抗作战的决策指挥。因此，雷达辐射源信号分选始终是该领域研究人员重点关注的课题。近年来，电磁信号环境持续复杂恶化； 同时，在敏捷快速作战的客观要求下，战场对雷达辐射源信号分选的实时性要求也持续增强，这些因素迫切需要实现在线式雷达辐射源信号分选。

多年来，我们以解决雷达辐射源信号在线分选为核心研究课题，率先将数据流聚类思想成功引入雷达辐射源信号分选领域，并且首次较为完整地构建了基于数据流聚类思想的雷达辐射源在线分选理论统一框架，取得了一系列具有一定开创性的代表性成果。为了更加深入系统地反映我们对该课题的研究成果，以作者多年围绕雷达辐射源在线分选的研究工作和原始论文为基础，著成本书。

本书全面介绍了基于数据流聚类理论的雷达辐射源在线分选工作最新研究成果，全书共分为5章。第1章阐述挖掘数据流聚类理论和雷达辐射源分选之间的内在联系，并总结相关发展现状及趋势； 第2章详细阐述基于数据流聚类的雷达辐射源在线分选框架，为后续章节相关算法的提出给予合理的底层架构支撑； 第3章针对可获取或脉内特征维度较低的情况提出ISTRAP(Improved Stream Affinity Propagation)算法，在低维空间实现对雷达辐射源信号的在线分选； 第4章针对脉内特征维度较高，从而导致大部分基于传统距离度量的数据流聚类算法失效的情况提出EDSSC(Evolutionary Dynamic Sparse Subspace Clustering)算法，在高维空间实现对脉冲流的分选； 第5章针对现实中普遍存在的非均衡脉冲流，提出可实现类不均衡条件下雷达辐射源信号在线分选的DIESC(Dynamic Improved Exemplarbased Subspace Clustering)算法。

本书同时涉及雷达信号在线分选和数据流聚类两个研究领域。一方面，研究成果以无监督、在线式处理方式成功对雷达辐射源信号实现在线分选，较为完整地构建了一种新的雷达辐射源信号在线分选理论体系； 另一方面，研究成果也是对数据流聚类算法理论的丰富与完善，从一定程度上突破了目前无法对高维数据流、不均衡数据流的在线处理难题，促进了数据流聚类理论研究自身的发展。希望本书的出版能促进我国雷达信号在线分选及数据流聚类理论研究。

感谢海军大连舰艇学院对本书出版的资助支持(2021年度学院科研发展基金)，同时感谢国家自然科学基金优秀青年科学基金（NSFC 62022091）对本书相关内容研究提供的支持。衷心感谢海军大连舰艇学院王义涛研究员、史红权研究员、马政伟研究员、孙永侃研究员、陈行军副研究员、苏琦助理研究员、徐建志助理研究员、张浩助理研究员，国防科技大学刘丽研究员，芬兰阿尔托大学Alex Jung助理教授对本书的帮助与建议，特别感谢清华大学出版社文怡编辑促成本书的问世，感谢所有在本书编著过程中给予帮助和支持的专家学者！

还要感谢妻子刘天雯与（岳）父母隋刚勋、刘加红、代相霞、刘延江对我科研工作的长期支持与鼓励。

由于作者视野和水平有限，疏漏和不妥之处在所难免，恳请广大读者批评指正。

隋金坪2022年3月