Skip to content
TheChatArchiveThe Chat Archive
Qwenqwen3-235b-a22b-no-thinking· Alibaba (Qwen)Hugging Face LMArena Human Preference 140K

采用matlab软件实现对指定PDW数据文件的分选,能够采用natlab打开数据文件,读取文件数据,基于数据开展雷达辐射源的自动分选,并给出分选后每一部雷达辐射源的PDW数据储存…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Geminigemini-2.5-flash-lite-preview-06-17-thinking’s answer.
  1. User

    采用matlab软件实现对指定PDW数据文件的分选,能够采用natlab打开数据文件,读取文件数据,基于数据开展雷达辐射源的自动分选,并给出分选后每一部雷达辐射源的PDW数据储存在另一个文件中。 数据格式如下: 第一行为脉冲数目 第二行开始每一列代表 方位 幅度 载频 脉宽 到达时间 带宽 脉内样式

  2. Qwen Assistant

    要在 MATLAB 中实现对指定 PDW(Pulse Descriptor Word)数据文件的 自动分选,我们可以按照以下步骤进行:


    🎯目标

    • 读取 PDW 数据文件;
    • 对雷达辐射源进行自动分选;
    • 将每个雷达辐射源的 PDW 数据分别保存为独立文件。

    📦数据格式说明

    每行数据包含如下字段:

    1. 方位(Azimuth)
    2. 幅度(Amplitude)
    3. 载频(RF frequency)
    4. 脉宽(Pulse Width)
    5. 到达时间(Time of Arrival, TOA)
    6. 带宽(Bandwidth)
    7. 脉内样式(Intra-pulse modulation)

    ✅分选思路

    雷达信号分选常用的方法有基于 载频(RF)、脉宽(PW)、到达时间间隔(PRI) 的聚类方法。本示例采用一种简化的 基于载频和脉宽的K-means聚类 方法进行分选。


    🧩MATLAB代码实现

    % 清除工作区
    clear; clc; close all;
    
    % 设置输入输出路径
    inputFile = 'pdw_data.txt';      % 输入PDW数据文件名
    outputPrefix = 'radar_source_';  % 输出文件前缀
    
    % Step 1: 读取数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 读取脉冲数目
    data = fscanf(fid, '%f', [7, inf]);   % 读取所有PDW数据
    fclose(fid);
    data = data'; % 转置成 N x 7 矩阵:每一行是一个脉冲的7个参数
    
    % 提取各列数据
    azimuth    = data(:, 1);
    amplitude  = data(:, 2);
    rf         = data(:, 3);
    pw         = data(:, 4);
    toa        = data(:, 5);
    bandwidth  = data(:, 6);
    intrapulse = data(:, 7);
    
    % Step 2: 特征选择与归一化
    features = [rf, pw];  % 使用载频和脉宽作为特征进行聚类
    features = zscore(features);  % 标准化
    
    % Step 3: 自动确定聚类数(可选),或手动设置
    numSources = round(sqrt(numPulses / 2));  % 简单估计初始聚类数
    fprintf('尝试将数据分为 %d 个雷达辐射源\n', numSources);
    
    % Step 4: K-means聚类
    [idx, ~] = kmeans(features, numSources, 'Distance', 'sqEuclidean', 'Replicates', 3);
    
    % Step 5: 分组存储
    for sourceID = 1:numSources
        % 提取属于当前雷达源的数据
        sourceData = data(idx == sourceID, :);
        
        if size(sourceData, 1) > 0
            outputFileName = sprintf('%s%d.mat', outputPrefix, sourceID);
            save(outputFileName, 'sourceData');
            fprintf('雷达源 #%d 数据已保存至:%s\n', sourceID, outputFileName);
        else
            fprintf('雷达源 #%d 没有匹配到任何脉冲。\n', sourceID);
        end
    end
    
    % 可视化聚类结果(可选)
    figure;
    gscatter(features(:,1), features(:,2), idx);
    title('雷达辐射源分选结果(载频 vs 脉宽)');
    xlabel('归一化载频');
    ylabel('归一化脉宽');
    grid on;
    

    📁输入文件格式样例(pdw_data.txt)

    6
    12.3  3.5  9.8e9  1.2e-6  1.0e-3  2.0e6  0
    12.5  3.4  9.8e9  1.2e-6  2.0e-3  2.0e6  0
    12.2  3.6  9.8e9  1.2e-6  3.0e-3  2.0e6  0
    23.1  4.5  10.2e9 1.5e-6  1.1e-3  2.0e6  1
    23.0  4.4  10.2e9 1.5e-6  2.1e-3  2.0e6  1
    23.2  4.6  10.2e9 1.5e-6  3.1e-3  2.0e6  1
    

    📂输出结果

    程序运行后,会在当前目录下生成多个 .mat 文件,例如:

    radar_source_1.mat
    radar_source_2.mat
    ...
    

    每个文件中包含一个变量 sourceData,其结构与原始 PDW 数据相同(N × 7)。


    🔧扩展建议

    • 加入 PRI(到达时间间隔)进行更精确的分选;
    • 使用 DBSCAN、Mean Shift 等无监督聚类算法处理非球形分布;
    • 添加 GUI 或 App Designer 构建图形界面;
    • 支持 CSV、Excel 等多种格式导入导出。

    如果你有具体的分选要求(比如使用 PRI、TOA 差值等),也可以告诉我,我可以为你定制更复杂的分选逻辑。需要我帮你写一个完整的 .m 文件模板吗?

  3. User

    门限阈值在哪里设置的?

  4. Qwen Assistant

    在上述 MATLAB 示例代码中,门限阈值(threshold)并没有显式设置,这是因为我们使用了 K-means 聚类算法 来进行雷达辐射源的自动分选,而 K-means 是一种基于距离的聚类方法,并不依赖于传统的“门限判断”方式。


    🔍 两种常见分选方法对比

    方法类型是否使用门限特点
    传统参数门限法(顺序差值法)✅ 是使用 PRI、PW、RF 等参数之间的差值是否小于某个门限来判断是否属于同一辐射源
    聚类分析法(如 K-means)❌ 否自动学习数据分布,不需要人工设定门限

    📌 如果你希望使用 门限法(Threshold-based Sorting)

    以下是一个简单的基于 载频(RF)、脉宽(PW)和到达时间间隔(TOA) 的门限分选逻辑示例:

    ✅ 设置门限的地方如下:

    % 设置分选门限
    rf_threshold = 50e6;    % 载频差异门限(Hz)
    pw_threshold = 0.2e-6;  % 脉宽差异门限(s)
    toa_threshold = 1e-3;   % 到达时间间隔门限(s)
    

    🧩 示例:基于门限的简单分选逻辑(伪代码)

    radarSources = {};        % 存储每个雷达源的数据
    numSources = 0;
    
    for i = 1:size(data, 1)
        currentPulse = data(i, :);
        
        assigned = false;
        for srcID = 1:numSources
            % 取出当前雷达源的参考参数(比如平均 RF 和 PW)
            refPulse = radarSources{srcID}(1, :);  % 或者取均值等
            
            % 计算差异
            if abs(currentPulse(3) - refPulse(3)) < rf_threshold && ...
               abs(currentPulse(4) - refPulse(4)) < pw_threshold
                
                % 如果满足门限条件,归为一类
                radarSources{srcID} = [radarSources{srcID}; currentPulse];
                assigned = true;
                break;
            end
        end
        
        % 如果未分配,则新建一个雷达源
        if ~assigned
            numSources = numSources + 1;
            radarSources{numSources} = currentPulse;
        end
    end
    

    📝 总结

    问题回答
    门限阈值在哪里设置?在 K-means 示例中没有设置;若采用传统门限法,则应在程序开头定义 rf_threshold、pw_threshold 等变量。
    如何修改成带门限的分选?需要替换分选逻辑,改用基于差值比较的方法,而不是聚类。

    如果你需要完整的 基于门限的雷达PDW分选MATLAB代码,我可以为你提供一整套实现,包括:

    • TOA 差值计算(PRI)
    • 多参数联合门限判断
    • 分组存储结果

    是否需要我帮你写一份这样的代码?

  5. User

    是

  6. Qwen Assistant

    好的!下面是一个完整的 MATLAB 程序示例,它使用 基于门限的雷达信号分选方法(顺序差值法) 对 PDW 数据进行自动分选。


    ✅ 基于门限的雷达辐射源分选程序(MATLAB)

    📌 功能说明:

    • 读取 PDW 数据文件;
    • 使用 载频(RF)、脉宽(PW)和到达时间间隔(TOA) 进行分选;
    • 设置门限阈值用于判断是否属于同一雷达辐射源;
    • 分组后将每个雷达源的数据保存为独立 .mat 文件。

    🧾 输入数据格式(pdw_data.txt 示例):

    6
    12.3  3.5  9.8e9   1.2e-6  1.0e-3  2.0e6  0
    12.5  3.4  9.8e9   1.2e-6  2.0e-3  2.0e6  0
    12.2  3.6  9.8e9   1.2e-6  3.0e-3  2.0e6  0
    23.1  4.5  10.2e9  1.5e-6  1.1e-3  2.0e6  1
    23.0  4.4  10.2e9  1.5e-6  2.1e-3  2.0e6  1
    23.2  4.6  10.2e9  1.5e-6  3.1e-3  2.0e6  1
    

    🧩 MATLAB 完整代码如下:

    % 清除工作区
    clear; clc;
    
    % 输入输出设置
    inputFile = 'pdw_data.txt';      % PDW数据文件名
    outputPrefix = 'radar_source_';  % 输出文件前缀
    
    % Step 1: 读取PDW数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 第一行是脉冲总数
    data = fscanf(fid, '%f', [7, inf]);   % 读取7列数据
    fclose(fid);
    data = data'; % 转置为 N x 7 矩阵
    
    % 提取各列参数(便于后续处理)
    azimuth    = data(:, 1);
    amplitude  = data(:, 2);
    rf         = data(:, 3);
    pw         = data(:, 4);
    toa        = data(:, 5);
    bandwidth  = data(:, 6);
    intrapulse = data(:, 7);
    
    % Step 2: 设置分选门限
    rf_threshold = 50e6;     % 载频差异门限 (Hz)
    pw_threshold = 0.2e-6;   % 脉宽差异门限 (s)
    toa_min      = 0.5e-3;   % PRI最小期望值 (s)
    toa_max      = 2.5e-3;   % PRI最大期望值 (s)
    
    % Step 3: 初始化雷达源列表
    radarSources = {};       % 存储每个雷达源的PDW数据
    sourceParams = [];       % 存储每个雷达源的参考参数 [RF, PW]
    numSources = 0;
    
    % Step 4: 按照门限进行分选
    for i = 1:numPulses
        currentRF = rf(i);
        currentPW = pw(i);
        currentTOA = toa(i);
        
        assigned = false;
        
        % 遍历已有雷达源
        for srcID = 1:numSources
            refRF = sourceParams(srcID, 1);
            refPW = sourceParams(srcID, 2);
            
            % 判断是否匹配当前雷达源
            if abs(currentRF - refRF) <= rf_threshold && ...
               abs(currentPW - refPW) <= pw_threshold
                
                % 计算与该雷达源中最近一个脉冲的 TOA 差值(PRI)
                srcData = radarSources{srcID};
                lastTOA = srcData(end, 5);
                priDiff = abs(currentTOA - lastTOA);
                
                % 如果符合PRI范围,则归类
                if priDiff >= toa_min && priDiff <= toa_max
                    radarSources{srcID} = [srcData; data(i, :)];
                    assigned = true;
                    
                    % 更新参考参数(平均值或最新脉冲)
                    sourceParams(srcID, 1) = mean(radarSources{srcID}(:, 3));
                    sourceParams(srcID, 2) = mean(radarSources{srcID}(:, 4));
                    break;
                end
            end
        end
        
        % 如果未分配到现有雷达源,则新建一个
        if ~assigned
            numSources = numSources + 1;
            radarSources{numSources} = data(i, :);
            sourceParams(numSources, :) = [currentRF, currentPW];
        end
    end
    
    % Step 5: 保存每个雷达源的数据到单独文件
    for srcID = 1:numSources
        sourceData = radarSources{srcID};
        fileName = sprintf('%s%d.mat', outputPrefix, srcID);
        save(fileName, 'sourceData');
        fprintf('雷达源 #%d 数据已保存至:%s,共 %d 个脉冲\n', srcID, fileName, size(sourceData, 1));
    end
    
    % Step 6: 可视化结果(可选)
    figure;
    hold on;
    colors = lines(numSources);
    for srcID = 1:numSources
        srcData = radarSources{srcID};
        scatter(srcData(:, 3), srcData(:, 4), 'filled', 'DisplayName', sprintf('雷达源 #%d', srcID), ...
            'MarkerFaceColor', colors(srcID, :));
    end
    title('基于门限的雷达辐射源分选结果(RF vs PW)');
    xlabel('载频(Hz)');
    ylabel('脉宽(s)');
    legend('show');
    grid on;
    hold off;
    

    📁 输出结果

    程序运行后会生成多个 .mat 文件,例如:

    radar_source_1.mat
    radar_source_2.mat
    ...
    

    每个文件中包含变量 sourceData,其结构为 N × 7 的 PDW 数据矩阵。


    🔧 参数说明(你可以根据实际需求修改)

    参数含义单位推荐值
    rf_threshold载频匹配门限Hz50e6
    pw_threshold脉宽匹配门限s0.2e-6
    toa_min最小PRI期望值s0.5e-3
    toa_max最大PRI期望值s2.5e-3

    🚀 如何运行?

    1. 将上述代码保存为 threshold_based_pdw_sorting.m;
    2. 准备好 PDW 数据文件 pdw_data.txt;
    3. 在 MATLAB 中运行脚本即可完成分选。

    如果你还需要:

    • 支持 CSV 或 Excel 格式导入导出
    • 加入脉内调制样式(Intra-pulse)辅助识别
    • 使用 PRI 差值稳定性进行更精确分选

    可以告诉我,我可以继续为你扩展功能!

    需要我帮你打包成一个完整的项目文件夹吗?

  7. User

    把分选结果按原来的格式放在一个文件里面

  8. Qwen Assistant

    好的!你现在希望将分选后的结果按原来的格式保存到一个文件中,而不是每个雷达源单独保存一个 .mat 文件。


    ✅ 目标说明

    • 输入:多个雷达辐射源的 PDW 数据(已分组);
    • 输出:一个文本文件(如 sorted_pdw_output.txt),其格式与原始输入一致:
      • 第一行为总脉冲数;
      • 接下来每一行是一个 PDW 脉冲数据;
      • 同一雷达源的数据连续排列。

    📦 示例输出文件结构:

    6
    12.3  3.5  9.8e9   1.2e-6  1.0e-3  2.0e6  0
    12.5  3.4  9.8e9   1.2e-6  2.0e-3  2.0e6  0
    12.2  3.6  9.8e9   1.2e-6  3.0e-3  2.0e6  0
    23.1  4.5  10.2e9  1.5e-6  1.1e-3  2.0e6  1
    23.0  4.4  10.2e9  1.5e-6  2.1e-3  2.0e6  1
    23.2  4.6  10.2e9  1.5e-6  3.1e-3  2.0e6  1
    

    ✅ 修改后的完整 MATLAB 代码如下:

    % 清除工作区
    clear; clc;
    
    % 输入输出设置
    inputFile = 'pdw_data.txt';          % PDW数据文件名
    outputFile = 'sorted_pdw_output.txt';% 分选后输出文件名
    
    % Step 1: 读取PDW数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 第一行是脉冲总数
    data = fscanf(fid, '%f', [7, inf]);   % 读取7列数据
    fclose(fid);
    data = data'; % 转置为 N x 7 矩阵
    
    % 提取各列参数(便于后续处理)
    rf = data(:, 3);
    pw = data(:, 4);
    toa = data(:, 5);
    
    % Step 2: 设置分选门限
    rf_threshold = 50e6;     % 载频差异门限 (Hz)
    pw_threshold = 0.2e-6;   % 脉宽差异门限 (s)
    toa_min      = 0.5e-3;   % PRI最小期望值 (s)
    toa_max      = 2.5e-3;   % PRI最大期望值 (s)
    
    % Step 3: 初始化雷达源列表
    radarSources = {};       % 存储每个雷达源的PDW数据
    sourceParams = [];       % 存储每个雷达源的参考参数 [RF, PW]
    numSources = 0;
    
    % Step 4: 按照门限进行分选
    for i = 1:numPulses
        currentRF = rf(i);
        currentPW = pw(i);
        currentTOA = toa(i);
        
        assigned = false;
        
        % 遍历已有雷达源
        for srcID = 1:numSources
            refRF = sourceParams(srcID, 1);
            refPW = sourceParams(srcID, 2);
            
            % 判断是否匹配当前雷达源
            if abs(currentRF - refRF) <= rf_threshold && ...
               abs(currentPW - refPW) <= pw_threshold
                
                % 计算与该雷达源中最近一个脉冲的 TOA 差值(PRI)
                srcData = radarSources{srcID};
                lastTOA = srcData(end, 5);
                priDiff = abs(currentTOA - lastTOA);
                
                % 如果符合PRI范围,则归类
                if priDiff >= toa_min && priDiff <= toa_max
                    radarSources{srcID} = [srcData; data(i, :)];
                    assigned = true;
                    
                    % 更新参考参数(平均值或最新脉冲)
                    sourceParams(srcID, 1) = mean(radarSources{srcID}(:, 3));
                    sourceParams(srcID, 2) = mean(radarSources{srcID}(:, 4));
                    break;
                end
            end
        end
        
        % 如果未分配到现有雷达源,则新建一个
        if ~assigned
            numSources = numSources + 1;
            radarSources{numSources} = data(i, :);
            sourceParams(numSources, :) = [currentRF, currentPW];
        end
    end
    
    % Step 5: 将所有分选后的数据合并成一个矩阵,并写入文件
    sortedData = [];
    for srcID = 1:numSources
        sortedData = [sortedData; radarSources{srcID}];
    end
    
    % 写入文件
    fid = fopen(outputFile, 'w');
    fprintf(fid, '%d\n', size(sortedData, 1));  % 写入总脉冲数
    
    % 格式化写入每行数据
    for i = 1:size(sortedData, 1)
        fprintf(fid, '%.1f %.1f %.1e %.1e %.1e %.1e %.0f\n', sortedData(i, :));
    end
    fclose(fid);
    
    disp(['分选结果已保存至文件:', outputFile]);
    

    📁 输出文件内容说明

    • 文件第一行为总的脉冲数;

    • 接下来的每一行都是一个完整的 PDW 数据,顺序为:

      方位 幅度 载频 脉宽 到达时间 带宽 脉内样式
      
    • 所有属于同一个雷达源的数据会连续排列在一起。


    📝 可视化建议(可选)

    你可以在程序最后加上绘图语句,查看不同雷达源在 RF-PW 平面上的分布情况(见上文示例)。


    🚀 如何运行?

    1. 将上面的代码保存为 threshold_based_pdw_sorting_save_one_file.m;
    2. 准备好 PDW 数据文件 pdw_data.txt;
    3. 在 MATLAB 中运行脚本;
    4. 输出文件 sorted_pdw_output.txt 会在当前目录下生成。

    如果你还希望:

    • 添加注释说明每个雷达源起始位置;
    • 输出 CSV 或 Excel 格式;
    • 支持 GUI 界面操作;

    可以继续告诉我,我可以帮你进一步扩展!

    需要我打包成 .m 文件并提供测试数据样例吗?

  9. User

    错误使用 fprintf 文件标识符无效。使用 fopen 生成有效的文件标识符。

    出错 untitled (第 82 行) fprintf(fid, '%d\n', size(sortedData, 1)); % 写入总脉冲数

  10. Qwen Assistant

    你遇到的错误:

    错误使用 fprintf
    文件标识符无效。使用 fopen 生成有效的文件标识符。
    
    出错 untitled (第 82 行)
    fprintf(fid, '%d\n', size(sortedData, 1));
    

    说明 MATLAB 无法打开输出文件,即 fopen 没有成功打开或创建文件。常见原因包括:


    ❗常见问题排查

    ✅ 1. 路径权限问题

    • 当前目录没有写入权限(比如系统盘根目录、只读目录等);
    • 尝试将 .m 文件和数据文件放在一个你有写权限的路径中,例如:
      C:\Users\你的用户名\Desktop\
      或
      D:\radar_data\
      

    ✅ 2. 文件被其他程序占用

    • 如果 sorted_pdw_output.txt 正在被其它程序(如记事本、Excel)打开,MATLAB 无法写入;
    • 关闭该文件后重新运行脚本即可。

    ✅ 3. fopen 调用失败未检查

    • 在调用 fopen 后应加入判断语句,避免后续操作失败。

    ✅ 修改后的安全写法(推荐)

    % 打开文件进行写入
    fid = fopen(outputFile, 'w');
    if fid == -1
        error('无法打开文件 "%s" 进行写入,请检查路径权限或文件是否被占用。', outputFile);
    end
    
    % 写入总脉冲数
    fprintf(fid, '%d\n', size(sortedData, 1));
    
    % 写入每一行数据
    for i = 1:size(sortedData, 1)
        fprintf(fid, '%.1f %.1f %.1e %.1e %.1e %.1e %.0f\n', sortedData(i, :));
    end
    
    fclose(fid);
    

    🧪 示例验证建议

    你可以先运行以下测试代码,确认当前目录是否有写权限:

    testFile = 'test_output.txt';
    fid = fopen(testFile, 'w');
    if fid == -1
        disp('当前目录无写权限或文件被占用!');
    else
        fprintf(fid, '测试内容\n');
        fclose(fid);
        delete(testFile);  % 删除测试文件
        disp('写入测试成功:当前目录可写');
    end
    

    ✅ 总结解决步骤

    步骤操作
    1️⃣确保 outputFile 路径是你有写权限的目录
    2️⃣确保 sorted_pdw_output.txt 没有被其它程序打开
    3️⃣在 fopen 后添加错误判断,避免继续执行无效操作
    4️⃣先运行测试代码,确认环境是否支持写入

    如果你需要,我可以帮你把这段代码打包成完整的 .m 文件,并附上测试数据样例,确保你直接可以运行通过。

    是否需要我为你提供完整可运行的项目包?

  11. User

    把七个数据充分利用,还是门限法

  12. Qwen Assistant

    非常好!你希望我们继续使用 门限法(Threshold-based Sorting),但这次要更充分地利用 PDW 中的 全部七个参数,而不仅仅是载频和脉宽。


    ✅ 目标回顾

    • 使用 门限法 对 PDW 数据进行雷达辐射源分选;
    • 充分利用 全部7个参数:
      1. 方位(Azimuth)
      2. 幅度(Amplitude)
      3. 载频(RF frequency)
      4. 脉宽(Pulse Width)
      5. 到达时间(Time of Arrival, TOA)
      6. 带宽(Bandwidth)
      7. 脉内样式(Intra-pulse modulation)

    🧠 分选策略设计

    我们将采用如下策略:

    参数分选逻辑
    RF(载频)差值小于设定门限
    PW(脉宽)差值小于设定门限
    TOA(到达时间)PRI(相邻TOA差值)在合理范围内
    Amplitude(幅度)可作为辅助参数判断是否属于同一信号源
    Azimuth(方位)若已知目标方位,可作为辅助匹配条件
    Bandwidth(带宽)类似PW,使用绝对差值匹配
    Intra-pulse(脉内调制)整数类型,要求完全一致

    ✅ MATLAB 完整代码实现(充分利用7个参数)

    % 清除工作区
    clear; clc;
    
    % 输入输出设置
    inputFile = 'pdw_data.txt';          % PDW数据文件名
    outputFile = 'sorted_pdw_output.txt';% 输出文件名
    
    % Step 1: 读取PDW数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 第一行是脉冲总数
    data = fscanf(fid, '%f', [7, inf]);   % 读取7列数据
    fclose(fid);
    data = data'; % 转置为 N x 7 矩阵
    
    % 提取各列参数(便于后续处理)
    azimuth    = data(:, 1);
    amplitude  = data(:, 2);
    rf         = data(:, 3);
    pw         = data(:, 4);
    toa        = data(:, 5);
    bandwidth  = data(:, 6);
    intrapulse = data(:, 7);
    
    % Step 2: 设置分选门限
    rf_threshold = 50e6;       % 载频差异门限 (Hz)
    pw_threshold = 0.2e-6;     % 脉宽差异门限 (s)
    bw_threshold = 0.5e6;      % 带宽差异门限 (Hz)
    amp_threshold = 0.5;       % 幅度差异门限
    pri_min = 0.5e-3;          % 最小PRI期望值 (s)
    pri_max = 2.5e-3;          % 最大PRI期望值 (s)
    
    % Step 3: 初始化雷达源列表
    radarSources = {};         % 存储每个雷达源的PDW数据
    sourceParams = [];         % 存储每个雷达源的参考参数 [RF, PW, BW, AMP]
    numSources = 0;
    
    % Step 4: 按照门限进行分选
    for i = 1:numPulses
        currentAz = azimuth(i);
        currentAmp = amplitude(i);
        currentRF = rf(i);
        currentPW = pw(i);
        currentTOA = toa(i);
        currentBW = bandwidth(i);
        currentIP = intrapulse(i);
        
        assigned = false;
        
        % 遍历已有雷达源
        for srcID = 1:numSources
            refRF = sourceParams(srcID, 1);
            refPW = sourceParams(srcID, 2);
            refBW = sourceParams(srcID, 3);
            refAmp = sourceParams(srcID, 4);
            
            % 判断是否匹配当前雷达源:载频、脉宽、带宽、幅度、脉内样式
            if abs(currentRF - refRF) <= rf_threshold && ...
               abs(currentPW - refPW) <= pw_threshold && ...
               abs(currentBW - refBW) <= bw_threshold && ...
               abs(currentAmp - refAmp) <= amp_threshold && ...
               currentIP == round(currentIP) && currentIP == sourceParams(srcID, 5)
                
                % 计算与该雷达源中最近一个脉冲的 TOA 差值(PRI)
                srcData = radarSources{srcID};
                lastTOA = srcData(end, 5);
                priDiff = abs(currentTOA - lastTOA);
                
                % 如果符合PRI范围,则归类
                if priDiff >= pri_min && priDiff <= pri_max
                    radarSources{srcID} = [srcData; data(i, :)];
                    assigned = true;
                    
                    % 更新参考参数(平均值或最新脉冲)
                    sourceParams(srcID, 1) = mean(radarSources{srcID}(:, 3));
                    sourceParams(srcID, 2) = mean(radarSources{srcID}(:, 4));
                    sourceParams(srcID, 3) = mean(radarSources{srcID}(:, 6));
                    sourceParams(srcID, 4) = mean(radarSources{srcID}(:, 2));
                    sourceParams(srcID, 5) = currentIP;
                    break;
                end
            end
        end
        
        % 如果未分配到现有雷达源,则新建一个
        if ~assigned
            numSources = numSources + 1;
            radarSources{numSources} = data(i, :);
            sourceParams(numSources, :) = [currentRF, currentPW, currentBW, currentAmp, currentIP];
        end
    end
    
    % Step 5: 将所有分选后的数据合并成一个矩阵,并写入文件
    sortedData = [];
    for srcID = 1:numSources
        sortedData = [sortedData; radarSources{srcID}];
    end
    
    % 写入文件
    fid = fopen(outputFile, 'w');
    if fid == -1
        error('无法打开文件 "%s" 进行写入,请检查路径权限或文件是否被占用。', outputFile);
    end
    
    fprintf(fid, '%d\n', size(sortedData, 1));  % 写入总脉冲数
    
    % 格式化写入每行数据
    for i = 1:size(sortedData, 1)
        fprintf(fid, '%.1f %.1f %.1e %.1e %.1e %.1e %.0f\n', sortedData(i, :));
    end
    
    fclose(fid);
    
    disp(['分选结果已保存至文件:', outputFile]);
    
    % 可视化展示(可选)
    figure;
    hold on;
    colors = lines(numSources);
    for srcID = 1:numSources
        srcData = radarSources{srcID};
        scatter(srcData(:, 3), srcData(:, 4), 'filled', ...
            'DisplayName', sprintf('雷达源 #%d', srcID), ...
            'MarkerFaceColor', colors(srcID, :));
    end
    title('基于多参数门限的雷达辐射源分选结果(RF vs PW)');
    xlabel('载频(Hz)');
    ylabel('脉宽(s)');
    legend('show');
    grid on;
    hold off;
    

    📁 输出说明

    生成的 sorted_pdw_output.txt 文件格式如下:

    6
    12.3  3.5  9.8e9   1.2e-6  1.0e-3  2.0e6  0
    12.5  3.4  9.8e9   1.2e-6  2.0e-3  2.0e6  0
    ...
    

    其中每一行是一个完整的 PDW 脉冲记录,相同雷达源的数据连续排列。


    📝 总结改进点

    改进点说明
    多参数匹配同时使用 RF、PW、BW、AMP、IP 匹配
    PRI 约束脉冲间隔必须在合理范围内
    脉内样式匹配必须完全一致(整型)
    参数更新机制使用均值更新参考参数,提高稳定性

    如果你需要我帮你打包成 .m 文件 + 测试数据样例,确保你可以直接运行测试,可以告诉我,我可以为你提供完整项目包!

    是否需要?✅ 是 / ❌ 否

  13. User

    先根据方位信息分选比较简单

  14. Qwen Assistant

    非常好!如果你希望先根据方位信息(Azimuth)进行分选,然后再在每个方位内进一步使用其他参数(如载频、脉宽等)进行精细分选,这是一个非常实用且合理的策略。


    ✅ 分选思路简述

    第一步:按方位角粗分选

    • 将不同方位的雷达信号分开处理;
    • 可设定一个“方位门限”,将相近方位的数据归为一类。

    第二步:在每个方位组内进行基于参数门限的精细分选

    • 在每个方位组内部再使用 RF、PW、TOA 等参数做更细致的分选;
    • 这样可以减少跨方位干扰,提高分选准确率。

    🧩 MATLAB 实现代码(完整可运行)

    % 清除工作区
    clear; clc;
    
    % 输入输出设置
    inputFile = 'pdw_data.txt';          % PDW数据文件名
    outputFile = 'sorted_pdw_output.txt';% 输出文件名
    
    % Step 1: 读取PDW数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 第一行是脉冲总数
    data = fscanf(fid, '%f', [7, inf]);   % 读取7列数据
    fclose(fid);
    data = data'; % 转置为 N x 7 矩阵
    
    % 提取各列参数
    azimuth    = data(:, 1);
    amplitude  = data(:, 2);
    rf         = data(:, 3);
    pw         = data(:, 4);
    toa        = data(:, 5);
    bandwidth  = data(:, 6);
    intrapulse = data(:, 7);
    
    % Step 2: 设置门限
    az_threshold = 5.0;      % 方位差门限(度)
    rf_threshold = 50e6;     % 载频差异门限 (Hz)
    pw_threshold = 0.2e-6;   % 脉宽差异门限 (s)
    pri_min = 0.5e-3;        % 最小PRI期望值 (s)
    pri_max = 2.5e-3;        % 最大PRI期望值 (s)
    
    % Step 3: 按方位粗分选
    azimuthGroups = {};      % 存储每个方位组的原始数据
    groupAzimuths = [];      % 存储每组的参考方位
    
    for i = 1:numPulses
        currentAz = azimuth(i);
        
        assigned = false;
        for gID = 1:length(azimuthGroups)
            refAz = groupAzimuths(gID);
            if abs(currentAz - refAz) <= az_threshold
                azimuthGroups{gID} = [azimuthGroups{gID}; data(i, :)];
                assigned = true;
                break;
            end
        end
        
        if ~assigned
            groupAzimuths(end+1) = currentAz;
            azimuthGroups{end+1} = data(i, :);
        end
    end
    
    % Step 4: 在每个方位组内进行基于参数门限的精细分选
    allSources = {};  % 所有最终分选结果
    sourceCount = 0;
    
    for gID = 1:length(azimuthGroups)
        groupData = azimuthGroups{gID};
        numGroupPulses = size(groupData, 1);
        
        % 初始化当前组内的雷达源列表
        radarSources = {};
        sourceParams = [];
        numSources = 0;
        
        for i = 1:numGroupPulses
            currentAz = groupData(i, 1);
            currentRF = groupData(i, 3);
            currentPW = groupData(i, 4);
            currentTOA = groupData(i, 5);
            
            assigned = false;
            
            for srcID = 1:numSources
                refRF = sourceParams(srcID, 1);
                refPW = sourceParams(srcID, 2);
                
                if abs(currentRF - refRF) <= rf_threshold && ...
                   abs(currentPW - refPW) <= pw_threshold
                    
                    srcData = radarSources{srcID};
                    lastTOA = srcData(end, 5);
                    priDiff = abs(currentTOA - lastTOA);
                    
                    if priDiff >= pri_min && priDiff <= pri_max
                        radarSources{srcID} = [srcData; groupData(i, :)];
                        assigned = true;
                        
                        % 更新参考参数
                        sourceParams(srcID, 1) = mean(radarSources{srcID}(:, 3));
                        sourceParams(srcID, 2) = mean(radarSources{srcID}(:, 4));
                        break;
                    end
                end
            end
            
            if ~assigned
                numSources = numSources + 1;
                radarSources{numSources} = groupData(i, :);
                sourceParams(numSources, :) = [currentRF, currentPW];
            end
        end
        
        % 合并到全局结果中
        for srcID = 1:numSources
            allSources{sourceCount + srcID} = radarSources{srcID};
        end
        sourceCount = sourceCount + numSources;
    end
    
    % Step 5: 合并所有分选结果并写入文件
    sortedData = [];
    for srcID = 1:length(allSources)
        sortedData = [sortedData; allSources{srcID}];
    end
    
    % 写入文件
    fid = fopen(outputFile, 'w');
    if fid == -1
        error('无法打开文件 "%s" 进行写入,请检查路径权限或文件是否被占用。', outputFile);
    end
    
    fprintf(fid, '%d\n', size(sortedData, 1));  % 写入总脉冲数
    
    % 格式化写入每行数据
    for i = 1:size(sortedData, 1)
        fprintf(fid, '%.1f %.1f %.1e %.1e %.1e %.1e %.0f\n', sortedData(i, :));
    end
    
    fclose(fid);
    
    disp(['分选结果已保存至文件:', outputFile]);
    
    % 可视化展示(可选)
    figure;
    hold on;
    colors = lines(length(allSources));
    for srcID = 1:length(allSources)
        srcData = allSources{srcID};
        scatter(srcData(:, 3), srcData(:, 4), 'filled', ...
            'DisplayName', sprintf('雷达源 #%d', srcID), ...
            'MarkerFaceColor', colors(srcID, :));
    end
    title('基于方位粗分选 + 参数门限精分选的结果(RF vs PW)');
    xlabel('载频(Hz)');
    ylabel('脉宽(s)');
    legend('show');
    grid on;
    hold off;
    

    📁 示例输入文件 pdw_data.txt

    6
    12.3  3.5  9.8e9   1.2e-6  1.0e-3  2.0e6  0
    12.5  3.4  9.8e9   1.2e-6  2.0e-3  2.0e6  0
    12.2  3.6  9.8e9   1.2e-6  3.0e-3  2.0e6  0
    23.1  4.5  10.2e9  1.5e-6  1.1e-3  2.0e6  1
    23.0  4.4  10.2e9  1.5e-6  2.1e-3  2.0e6  1
    23.2  4.6  10.2e9  1.5e-6  3.1e-3  2.0e6  1
    

    ✅ 输出说明

    生成的 sorted_pdw_output.txt 文件格式如下:

    6
    12.3  3.5  9.8e9   1.2e-6  1.0e-3  2.0e6  0
    12.5  3.4  9.8e9   1.2e-6  2.0e-3  2.0e6  0
    ...
    

    相同方位的数据先合并,同一雷达源的脉冲连续排列。


    🚀 下一步建议

    你可以在此基础上继续扩展功能,例如:

    功能说明
    添加 GUI 界面使用 App Designer 构建可视化界面
    支持 CSV/Excel 导入导出更方便地与外部系统交互
    自动识别最佳门限基于统计方法自动调整门限
    多线程加速对多个方位组并行处理

    需要我帮你打包成 .m 文件 + 测试数据样例,让你可以直接运行测试吗?✅ 是 / ❌ 否

  15. User

    256 40.001179 3.096240 8999.943359 4.920660 3.000000 1.087820 1 19.968941 1.912680 9599.999023 1.948720 30.000877 0.981540 1 39.958721 2.958780 8999.917969 4.923800 1503.500488 0.967300 1 19.927561 1.981220 9600.015625 2.067720 1638.500977 0.953860 1 40.040760 2.981940 9000.002930 4.944600 3004.000488 0.969260 1 19.989040 1.991080 9600.033203 1.995260 3247.000488 1.097600 1 39.962181 2.973260 8999.923828 4.901220 4504.500000 0.901180 1 20.004181 2.049240 9600.074219 2.032660 4855.500000 1.032280 1 39.900299 3.038180 9000.092773 5.015040 6005.000000 1.095820 1 20.073660 2.019400 9599.929688 2.004520 6464.000488 1.082880 1 40.047180 3.091020 8999.942383 4.959360 7505.500488 1.048160 1 20.091999 1.919140 9600.009766 1.966040 8072.500977 0.982620 1 40.032459 2.944960 8999.954102 4.951920 9006.000000 0.933180 1 20.091841 2.069820 9599.977539 1.910620 9681.000000 1.025080 1 40.039162 3.017180 8999.976562 4.947460 10506.500977 0.981880 1 19.946600 2.096220 9600.000000 2.027380 11289.500977 1.020980 1 39.953819 2.933020 8999.935547 5.059120 12007.000000 0.918280 1 19.947001 1.991120 9600.052734 1.997940 12898.000977 1.082000 1 39.956581 2.920280 8999.977539 4.992060 13507.500000 0.969240 1 20.074341 1.973080 9600.042969 2.031040 14506.500977 0.916420 1 39.999641 3.041820 9000.033203 5.074720 15008.000977 0.970300 1 19.944700 1.962020 9600.025391 1.984580 16115.000000 0.961380 1 39.921242 2.954180 9000.009766 4.924600 16508.500000 1.065620 1 19.941460 1.950380 9599.924805 1.994600 17723.500000 0.963400 1 40.009659 2.989940 9000.033203 4.923400 18009.000000 0.923020 1 19.991140 1.963980 9600.086914 2.087520 19332.000000 1.007120 1 40.011581 3.069740 8999.982422 5.061220 19509.500000 1.029220 1 19.991480 2.090460 9599.969727 2.073360 20940.500000 1.070340 1 40.080559 3.020000 8999.973633 5.014420 21010.000000 1.033820 1 39.954880 3.090980 9000.003906 4.910960 22510.500000 0.929580 1 19.991440 1.935200 9600.012695 2.030920 22549.000000 0.995000 1 39.987461 2.975620 9000.024414 4.962600 24011.000000 1.015640 1 19.976360 1.917160 9599.926758 2.030740 24157.500000 0.909940 1 39.970539 2.922700 9000.062500 5.003360 25511.500000 0.947720 1 20.069099 2.091200 9600.091797 2.024820 25766.000000 0.988340 1 40.092560 3.001820 9000.045898 4.987520 27012.000000 0.947860 1 20.047880 1.975660 9599.928711 2.058500 27374.500000 0.913320 1 39.993401 3.024580 8999.948242 5.078500 28512.500000 0.953120 1 20.074240 1.971080 9599.933594 2.091440 28983.000000 0.960620 1 40.098919 2.956080 9000.094727 4.912980 30013.000000 0.914240 1 19.965521 1.975580 9599.980469 1.900980 30591.500000 0.970740 1 39.962818 3.030760 9000.035156 4.918180 31513.500000 0.942360 1 20.032780 1.955740 9599.938477 2.008740 32200.000000 0.912820 1 40.044441 3.022980 9000.014648 5.034840 33014.000000 1.073600 1 20.027460 2.083840 9600.005859 2.012680 33808.500000 0.992080 1 39.929642 2.953260 9000.036133 4.934600 34514.500000 0.963980 1 19.939159 1.996160 9600.016602 2.057920 35417.000000 1.073900 1 40.023201 2.905560 8999.988281 5.038780 36015.000000 0.927600 1 19.929340 2.036140 9600.032227 1.965640 37025.500000 0.996360 1 39.950901 2.970900 9000.062500 5.084140 37515.500000 1.090400 1 20.015160 1.984940 9599.989258 2.082600 38634.000000 1.060700 1 39.919418 2.904360 8999.927734 4.908480 39016.000000 1.010680 1 19.984800 1.972620 9599.993164 1.931400 40242.500000 1.051820 1 39.979481 3.006880 9000.067383 5.042340 40516.500000 0.978640 1 19.905220 2.021360 9600.052734 1.972680 41851.000000 1.055100 1 40.064419 2.931240 9000.028320 4.997160 42017.000000 1.014100 1 19.906919 1.977240 9600.074219 2.086060 43459.500000 0.938600 1 39.972679 2.954740 9000.054688 5.090660 43517.500000 1.079880 1 40.024361 2.941900 9000.045898 4.922620 45018.000000 0.938300 1 20.095600 1.922660 9600.086914 2.036140 45068.000000 0.905400 1 39.988159 3.074360 8999.958984 4.950980 46518.500000 1.035700 1 20.046141 2.031260 9599.928711 2.081220 46676.500000 1.097540 1 39.992298 2.964840 9000.064453 5.050660 48019.000000 0.953600 1 20.054001 2.078940 9600.051758 2.046240 48285.000000 1.056880 1 39.939899 2.949360 8999.974609 5.094800 49519.500000 0.914600 1 20.064260 1.915460 9599.950195 1.902600 49893.500000 0.992580 1 40.093079 2.904440 8999.931641 4.901100 51020.000000 0.965180 1 20.067980 1.957000 9599.929688 2.020920 51502.000000 1.022980 1 40.009319 2.946900 8999.969727 4.930680 52520.500000 1.041220 1 19.906380 2.008880 9599.995117 2.042240 53110.500000 1.028620 1 40.032299 3.097400 9000.066406 4.905400 54021.000000 1.098820 1 19.917839 1.907700 9600.076172 1.947340 54719.000000 1.054080 1 39.948502 3.013660 9000.073242 5.053560 55521.500000 1.047780 1 19.961460 2.028440 9599.931641 1.971080 56327.500000 1.097560 1 39.983200 2.928520 8999.910156 4.977380 57022.000000 1.085020 1 20.075020 2.020680 9600.021484 2.039440 57936.000000 1.053020 1 39.997520 3.097960 8999.993164 5.032160 58522.500000 1.047300 1 20.051580 1.952420 9600.055664 1.943460 59544.500000 0.997960 1 39.965179 2.990200 8999.914062 4.921720 60023.000000 0.935940 1 20.053780 1.979580 9599.929688 1.915700 61153.000000 1.043760 1 39.916882 2.906940 9000.024414 5.091180 61523.500000 0.964060 1 20.082439 1.922360 9600.056641 1.972180 62761.500000 0.977680 1 40.042580 3.038680 8999.961914 4.953700 63024.000000 1.032640 1 20.006781 1.927880 9599.972656 1.939500 64370.000000 1.022540 1 40.034359 3.054740 8999.931641 5.025300 64524.500000 0.993320 1 20.027719 1.995920 9599.910156 1.942700 65978.500000 0.924300 1 40.085480 2.937420 9000.013672 5.040660 66025.000000 1.015920 1 40.027699 3.066700 8999.946289 4.996680 67525.500000 0.975760 1 19.908720 1.982500 9600.091797 2.038960 67587.000000 0.971620 1 39.937279 2.930160 8999.955078 4.931420 69026.000000 0.955800 1 20.013479 2.043620 9600.034180 2.097460 69195.500000 1.057120 1 40.088741 2.940060 8999.955078 5.043300 70526.500000 1.017640 1 19.955339 2.093760 9600.010742 2.042440 70804.000000 0.993700 1 40.053940 2.969440 9000.085938 4.907880 72027.000000 1.043560 1 19.954760 1.938480 9599.933594 1.971020 72412.500000 0.998460 1 40.019321 3.022380 9000.035156 4.988140 73527.500000 0.987760 1 20.051020 2.013560 9599.932617 2.038700 74021.000000 0.987480 1 39.935200 2.998320 9000.079102 5.015340 75028.000000 1.094180 1 19.927000 2.062700 9600.038086 2.092020 75629.500000 0.983900 1 39.947720 3.041600 8999.971680 4.987200 76528.500000 0.906800 1 19.973980 2.091740 9600.019531 2.044380 77238.000000 0.956300 1 40.075699 3.068680 9000.092773 5.024480 78029.000000 1.052140 1 19.948120 1.958180 9599.924805 1.949860 78846.500000 1.040160 1 40.020840 2.908760 8999.910156 5.084860 79529.500000 0.913040 1 19.937401 1.973740 9600.028320 1.913940 80455.000000 0.925520 1 40.056622 3.047000 8999.995117 5.030660 81030.000000 0.962720 1 20.088881 2.063120 9600.053711 1.930060 82063.500000 1.056380 1 40.010941 3.003220 8999.917969 5.036780 82530.500000 0.999720 1 20.025360 2.090040 9599.961914 1.978580 83672.000000 0.973240 1 39.986099 2.939620 9000.017578 5.091860 84031.000000 1.057320 1 19.910160 2.041820 9599.935547 2.028060 85280.500000 0.936960 1 39.979519 3.012420 9000.019531 4.991520 85531.500000 1.022300 1 19.926201 2.021840 9600.012695 2.067500 86889.000000 0.997840 1 40.006001 3.028940 8999.933594 5.093780 87032.000000 1.004580 1 20.097481 1.955380 9600.070312 1.936020 88497.500000 0.927740 1 40.019680 2.916820 8999.927734 4.984800 88532.500000 0.933860 1 39.931198 3.033260 9000.053711 5.039620 90033.000000 1.059680 1 20.014839 2.063420 9600.020508 2.088160 90106.000000 1.001880 1 40.035900 3.050040 8999.926758 5.019360 91533.500000 1.002920 1 19.911560 1.909080 9599.969727 2.000860 91714.500000 0.973320 1 39.956161 2.946900 9000.016602 5.091820 93034.000000 1.087380 1 20.077801 2.004500 9599.933594 2.000600 93323.000000 1.063200 1 39.965260 2.944400 9000.087891 4.905880 94534.500000 1.028420 1 20.039120 1.934560 9599.997070 2.039420 94931.500000 0.984440 1 39.951500 2.925740 9000.013672 4.979580 96035.000000 0.993740 1 20.004061 1.977340 9600.033203 2.048520 96540.000000 0.921100 1 40.073662 3.031060 8999.943359 4.946680 97535.500000 0.914600 1 20.029881 2.036500 9600.086914 1.901760 98148.500000 1.055320 1 40.004940 2.972060 8999.933594 5.043420 99036.000000 0.997860 1 19.950001 1.917100 9600.074219 1.923780 99757.000000 0.902760 1 39.997959 3.072300 9000.060547 4.998040 100536.500000 1.027120 1 19.996861 2.081680 9599.969727 1.995860 101365.500000 1.004460 1 40.040379 3.031040 9000.077148 5.040960 102037.000000 1.096220 1 19.995541 2.019120 9600.065430 1.905460 102974.000000 0.967420 1 40.047779 2.918720 8999.947266 5.039760 103537.500000 0.916180 1 19.910740 2.011660 9600.022461 2.019400 104582.500000 0.957880 1 40.037220 2.906320 9000.088867 5.020420 105038.000000 1.029480 1 19.973539 1.966280 9599.973633 2.036600 106191.000000 0.963280 1 40.007401 3.044900 8999.921875 4.949140 106538.500000 1.067280 1 20.073299 2.072000 9600.050781 2.085740 107799.500000 0.993440 1 40.057259 2.917260 8999.951172 4.956520 108039.000000 0.980460 1 20.036840 1.936640 9600.031250 1.958300 109408.000000 1.010300 1 40.097980 2.923100 9000.016602 5.002660 109539.500000 0.995360 1 19.924740 2.080320 9599.997070 2.058920 111016.500000 1.025760 1 40.099159 3.000020 9000.071289 4.974820 111040.000000 0.928120 1 40.047840 2.989900 8999.958008 5.074900 112540.500000 1.039960 1 20.077419 2.019900 9600.092773 2.011300 112625.000000 1.058800 1 40.072159 3.043700 9000.015625 5.074800 114041.000000 1.077820 1 19.999840 2.097100 9600.019531 2.022240 114233.500000 0.995360 1 39.997478 2.902820 9000.052734 4.927720 115541.500000 1.047480 1 20.044901 2.053860 9599.977539 1.970360 115842.000000 1.056960 1 39.922722 2.973200 9000.020508 4.942420 117042.000000 0.936980 1 20.079281 2.004800 9599.951172 1.945760 117450.500000 0.949840 1 39.909519 2.997600 8999.931641 4.931980 118542.500000 1.094660 1 20.022560 1.901680 9600.050781 2.069060 119059.000000 0.948940 1 40.002800 3.000660 9000.009766 4.991440 120043.000000 1.040400 1 19.997499 1.979880 9599.941406 1.981440 120667.500000 1.039540 1 39.966179 2.966160 9000.067383 4.945180 121543.500000 1.082840 1 19.918200 2.042880 9600.041016 2.062340 122276.000000 1.009020 1 40.073620 3.044140 8999.911133 4.906440 123044.000000 0.975980 1 19.918421 1.912140 9599.933594 1.920340 123884.500000 1.002980 1 39.976479 2.929000 9000.064453 5.060980 124544.500000 0.956740 1 19.954760 2.065140 9599.946289 1.925780 125493.000000 0.970400 1 40.097019 3.012260 8999.928711 5.018140 126045.000000 1.034800 1 20.050461 1.928580 9599.967773 1.921460 127101.500000 1.001400 1 40.080681 3.029560 9000.041016 4.966720 127545.500000 0.986040 1 19.933121 2.071220 9599.914062 1.911220 128710.000000 0.919960 1 39.954800 2.942400 8999.986328 5.081640 129046.000000 0.927500 1 19.932600 1.905960 9600.029297 2.087380 130318.500000 1.037780 1 39.901958 2.996420 9000.049805 4.951060 130546.500000 0.989540 1 20.004860 2.019520 9599.904297 1.997340 131927.000000 1.031920 1 39.947601 2.978040 8999.978516 5.082920 132047.000000 0.926120 1 20.001240 1.965040 9600.013672 2.030920 133535.500000 0.921340 1 40.041420 3.027600 8999.918945 4.921160 133547.500000 1.089040 1 39.923222 3.048120 9000.043945 4.931920 135048.000000 0.936440 1 19.997580 1.998300 9600.047852 1.983440 135144.000000 0.929340 1 39.966122 3.088560 8999.910156 5.067400 136548.500000 1.035760 1 20.060040 2.058320 9600.048828 1.995760 136752.500000 1.013380 1 39.995060 2.903480 9000.012695 5.039740 138049.000000 1.082780 1 20.006901 1.912620 9600.023438 2.011400 138361.000000 0.928080 1 40.073601 2.962080 9000.091797 5.054840 139549.500000 1.070260 1 20.090799 2.059260 9600.017578 2.026980 139969.500000 1.044840 1 40.065578 3.030280 8999.934570 5.000120 141050.000000 1.013740 1 19.959740 1.980920 9599.927734 2.087980 141578.000000 0.907360 1 39.983860 2.989060 9000.055664 4.983380 142550.500000 1.005140 1 20.025141 2.048060 9600.064453 1.905800 143186.500000 0.905160 1 40.086220 2.958240 8999.971680 5.025140 144051.000000 0.935420 1 19.979380 1.967800 9600.016602 2.043900 144795.000000 1.014660 1 40.005119 3.038160 9000.082031 5.048540 145551.500000 0.997660 1 20.092699 1.976660 9600.017578 2.052240 146403.500000 1.091680 1 40.013802 3.008380 8999.973633 4.951820 147052.000000 1.092580 1 19.967979 2.077120 9599.996094 1.996240 148012.000000 1.008420 1 39.923721 2.982940 9000.046875 5.077160 148552.500000 0.951620 1 20.031401 2.078160 9599.979492 2.030660 149620.500000 0.978960 1 40.025841 3.045680 9000.032227 4.923180 150053.000000 1.035440 1 20.038280 2.036540 9599.958984 2.088920 151229.000000 0.926160 1 40.010559 3.049420 8999.974609 4.903380 151553.500000 0.906660 1 20.062840 1.987260 9599.918945 2.063900 152837.500000 1.040640 1 40.018181 2.959380 9000.009766 5.079720 153054.000000 1.039180 1 20.092480 2.009440 9600.090820 2.021600 154446.000000 1.096140 1 39.981918 3.002580 8999.925781 4.993500 154554.500000 0.998260 1 19.917360 1.955780 9599.982422 2.076900 156054.500000 0.943040 1 39.966061 2.975760 8999.917969 4.911980 156055.000000 1.037360 1 39.969940 3.088300 9000.098633 5.051880 157555.500000 1.032040 1 20.030220 2.001000 9600.074219 1.935120 157663.000000 1.083000 1 39.977879 2.971280 8999.972656 4.932340 159056.000000 0.939560 1 20.014139 2.096960 9599.935547 1.990380 159271.500000 0.960780 1 39.990299 2.953800 9000.047852 4.961620 160556.500000 0.989240 1 19.924820 2.004980 9600.024414 2.009740 160880.000000 1.033220 1 39.901379 2.988120 8999.935547 4.910800 162057.000000 1.087660 1 20.069780 2.012200 9599.930664 2.069320 162488.500000 0.985940 1 39.947960 3.089180 9000.029297 5.047880 163557.500000 1.078580 1 19.900780 2.088180 9600.057617 2.066460 164097.000000 0.957860 1 39.905762 3.048540 9000.032227 5.097360 165058.000000 1.021740 1 19.949760 2.057300 9600.081055 1.908220 165705.500000 1.089640 1 40.014400 2.968640 9000.010742 5.054460 166558.500000 1.084580 1 19.913639 1.977520 9599.996094 1.938980 167314.000000 1.003340 1 40.038422 2.919660 9000.077148 5.051780 168059.000000 1.077580 1 19.940300 1.977840 9600.075195 2.096740 168922.500000 0.930860 1 40.088718 3.005380 8999.978516 4.992300 169559.500000 0.983380 1 20.035860 1.988140 9599.987305 1.912280 170531.000000 1.084800 1 39.904640 2.952980 9000.018555 5.002220 171060.000000 1.043660 1 19.993780 1.922920 9599.992188 1.958340 172139.500000 1.000340 1 40.098820 3.067440 8999.998047 4.990200 172560.500000 0.902740 1 19.932520 2.054440 9599.948242 1.953760 173748.000000 0.922420 1 39.997421 2.982720 9000.079102 4.995420 174061.000000 1.090900 1 20.010799 2.025960 9600.016602 2.031280 175356.500000 0.906520 1 39.924641 2.904060 8999.987305 4.990400 175561.500000 0.963740 1 20.048519 2.077840 9599.934570 1.943340 176965.000000 1.006740 1 40.068420 2.927400 9000.090820 5.047440 177062.000000 0.915320 1 40.065140 3.061120 8999.933594 4.965520 178562.500000 1.018800 1 19.941799 2.005180 9599.916992 2.073480 178573.500000 0.947880 1 40.021858 2.993300 8999.955078 4.946620 180063.000000 1.056900 1 19.917601 1.956020 9599.983398 1.956080 180182.000000 1.086040 1 39.947041 2.954140 9000.046875 5.082720 181563.500000 0.979320 1 20.099899 2.086700 9600.011719 1.936820 181790.500000 0.901860 1 39.946220 3.000160 9000.012695 4.907400 183064.000000 1.028340 1 20.084320 1.959080 9600.062500 1.930000 183399.000000 1.065960 1 40.093380 2.987780 9000.073242 4.962820 184564.500000 1.052840 1 19.914740 1.952220 9600.076172 1.946160 185007.500000 0.916000 1 40.082958 2.943960 8999.906250 4.975640 186065.000000 0.933860 1 20.069099 2.070700 9600.064453 1.930700 186616.000000 1.052560 1 40.036179 2.984300 8999.982422 5.071700 187565.500000 0.960740 1 20.028879 2.019680 9600.050781 2.015560 188224.500000 1.003300 1 39.981201 3.016500 8999.941406 5.072020 189066.000000 0.934200 1 20.065260 2.085140 9599.932617 2.099000 189833.000000 1.013200 1 39.961021 2.998180 9000.070312 4.993960 190566.500000 1.081840 1 19.994881 2.003360 9599.950195 2.006820 191441.500000 0.941060 1 20.042101 1.916900 9599.905273 2.079380 193050.000000 0.973440 1 20.033060 2.041460 9600.064453 1.973160 194658.500000 0.911940 1 20.061979 2.043000 9599.977539 2.098000 196267.000000 0.927800 1 20.082661 2.069700 9600.035156 1.957380 197875.500000 1.046040 1 19.907881 1.904280 9599.950195 1.921920 199484.000000 0.940720 1 20.092440 1.978020 9600.020508 1.915900 201092.500000 0.993780 1 20.033621 1.926760 9600.099609 2.083500 202701.000000 0.910500 1 20.065800 2.062280 9600.003906 1.996620 204309.500000 1.038600 1 输入是这样,结果不要写成科学计数法

  16. Qwen Assistant

    非常好,你的 PDW 数据格式已经非常清晰。你希望将分选结果 不使用科学计数法写入文件,而是保持类似原始输入的 固定小数点格式。


    ✅ 你的需求总结

    • 使用 门限法进行雷达辐射源分选;
    • 分选依据:方位角(Azimuth)粗分选 + 其他参数(RF、PW、TOA等)细分选;
    • 输出结果写入一个文件中;
    • 输出数据不要使用科学计数法(如 9e9),要像输入一样保留完整数字格式。

    ✅ 修改重点说明

    在之前的代码中,我们使用了 %1e 格式写入数据,这会导致 MATLAB 使用科学计数法输出,例如:

    9.00000e+09
    

    为了输出为原始格式(如 9000.000000),我们将格式改为:

    %.6f
    

    这样可以强制输出为 固定小数点格式,不会出现科学计数法。


    ✅ 修改后的完整代码(支持固定格式输出)

    % 清除工作区
    clear; clc;
    
    % 输入输出设置
    inputFile = 'pdw_data.txt';          % PDW数据文件名
    outputFile = 'sorted_pdw_output.txt';% 输出文件名
    
    % Step 1: 读取PDW数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 第一行是脉冲总数
    data = fscanf(fid, '%f', [7, inf]);   % 读取7列数据
    fclose(fid);
    data = data'; % 转置为 N x 7 矩阵
    
    % 提取各列参数
    azimuth    = data(:, 1);
    amplitude  = data(:, 2);
    rf         = data(:, 3);
    pw         = data(:, 4);
    toa        = data(:, 5);
    bandwidth  = data(:, 6);
    intrapulse = data(:, 7);
    
    % Step 2: 设置门限
    az_threshold = 5.0;      % 方位差门限(度)
    rf_threshold = 50e6;     % 载频差异门限 (Hz)
    pw_threshold = 0.2e-6;   % 脉宽差异门限 (s)
    pri_min = 0.5e-3;        % 最小PRI期望值 (s)
    pri_max = 2.5e-3;        % 最大PRI期望值 (s)
    
    % Step 3: 按方位粗分选
    azimuthGroups = {};      % 存储每个方位组的原始数据
    groupAzimuths = [];      % 存储每组的参考方位
    
    for i = 1:numPulses
        currentAz = azimuth(i);
        
        assigned = false;
        for gID = 1:length(azimuthGroups)
            refAz = groupAzimuths(gID);
            if abs(currentAz - refAz) <= az_threshold
                azimuthGroups{gID} = [azimuthGroups{gID}; data(i, :)];
                assigned = true;
                break;
            end
        end
        
        if ~assigned
            groupAzimuths(end+1) = currentAz;
            azimuthGroups{end+1} = data(i, :);
        end
    end
    
    % Step 4: 在每个方位组内进行基于参数门限的精细分选
    allSources = {};  % 所有最终分选结果
    sourceCount = 0;
    
    for gID = 1:length(azimuthGroups)
        groupData = azimuthGroups{gID};
        numGroupPulses = size(groupData, 1);
        
        % 初始化当前组内的雷达源列表
        radarSources = {};
        sourceParams = [];
        numSources = 0;
        
        for i = 1:numGroupPulses
            currentAz = groupData(i, 1);
            currentRF = groupData(i, 3);
            currentPW = groupData(i, 4);
            currentTOA = groupData(i, 5);
            
            assigned = false;
            
            for srcID = 1:numSources
                refRF = sourceParams(srcID, 1);
                refPW = sourceParams(srcID, 2);
                
                if abs(currentRF - refRF) <= rf_threshold && ...
                   abs(currentPW - refPW) <= pw_threshold
                    
                    srcData = radarSources{srcID};
                    lastTOA = srcData(end, 5);
                    priDiff = abs(currentTOA - lastTOA);
                    
                    if priDiff >= pri_min && priDiff <= pri_max
                        radarSources{srcID} = [srcData; groupData(i, :)];
                        assigned = true;
                        
                        % 更新参考参数
                        sourceParams(srcID, 1) = mean(radarSources{srcID}(:, 3));
                        sourceParams(srcID, 2) = mean(radarSources{srcID}(:, 4));
                        break;
                    end
                end
            end
            
            if ~assigned
                numSources = numSources + 1;
                radarSources{numSources} = groupData(i, :);
                sourceParams(numSources, :) = [currentRF, currentPW];
            end
        end
        
        % 合并到全局结果中
        for srcID = 1:numSources
            allSources{sourceCount + srcID} = radarSources{srcID};
        end
        sourceCount = sourceCount + numSources;
    end
    
    % Step 5: 合并所有分选结果并写入文件
    sortedData = [];
    for srcID = 1:length(allSources)
        sortedData = [sortedData; allSources{srcID}];
    end
    
    % 写入文件(关键修改点:使用 %.6f 避免科学计数法)
    fid = fopen(outputFile, 'w');
    if fid == -1
        error('无法打开文件 "%s" 进行写入,请检查路径权限或文件是否被占用。', outputFile);
    end
    
    fprintf(fid, '%d\n', size(sortedData, 1));  % 写入总脉冲数
    
    % 使用 %.6f 格式化写入每一行数据(避免科学计数法)
    for i = 1:size(sortedData, 1)
        fprintf(fid, ...
            '%.6f %.6f %.6f %.6f %.6f %.6f %.0f\n', ...
            sortedData(i, :));
    end
    
    fclose(fid);
    
    disp(['分选结果已保存至文件:', outputFile]);
    

    📁 示例输出文件内容(sorted_pdw_output.txt)

    256
    40.001179 3.096240 8999.943359 0.000005 3.000000 1087820.000000 1
    19.968941 1.912680 9599.999023 0.000002 30.000877 981540.000000 1
    ...
    

    注意:%.6f 会自动补零到小数点后6位,如果需要更灵活控制(比如只保留有效位数),也可以用 %.1f 或其他格式。


    ✅ 可视化建议(可选)

    你可以添加如下绘图语句来查看不同雷达源在 RF-PW 平面上的分布情况:

    figure;
    hold on;
    colors = lines(length(allSources));
    for srcID = 1:length(allSources)
        srcData = allSources{srcID};
        scatter(srcData(:, 3), srcData(:, 4), 'filled', ...
            'DisplayName', sprintf('雷达源 #%d', srcID), ...
            'MarkerFaceColor', colors(srcID, :));
    end
    title('基于方位粗分选 + 参数门限精分选的结果(RF vs PW)');
    xlabel('载频(Hz)');
    ylabel('脉宽(s)');
    legend('show');
    grid on;
    hold off;
    

    🚀 下一步建议

    你可以在此基础上继续扩展功能,例如:

    功能说明
    支持 CSV/Excel 导入导出更方便地与外部系统交互
    自动识别最佳门限基于统计方法自动调整门限
    多线程加速对多个方位组并行处理

    如果你还需要:

    • 图形界面(GUI)操作
    • 实时动态显示分选过程
    • 将程序打包成 .exe 可执行文件

    欢迎继续告诉我,我可以为你定制完整的雷达信号分选工具!

    是否需要我帮你打包成 .m 文件 + 测试数据样例,让你可以直接运行?✅ 是 / ❌ 否

  17. User

    分选结果结构如下:

  18. Qwen Assistant

    非常好!你希望分选结果的结构如下:


    ✅ 分选结果结构说明(输出格式要求)

    输出文件内容应为一个文本文件,其结构如下:

    总脉冲数
    方位 幅度 载频 脉宽 到达时间 带宽 脉内样式
    ...
    

    即每一行是一个 PDW 数据记录,共 7 列,格式与输入相同。

    同时你强调:

    • 不要使用科学计数法(如 9e9);
    • 保持固定小数点格式(如 9000.000000);
    • 所有属于同一个雷达源的数据连续排列。

    ✅ 示例输出文件格式

    假设分选后有两个雷达辐射源,输出文件可能如下所示:

    6
    40.001179 3.096240 8999.943359 4.920660 3.000000 1.087820 1
    39.958721 2.958780 8999.917969 4.923800 1503.500488 0.967300 1
    40.040760 2.981940 9000.002930 4.944600 3004.000488 0.969260 1
    19.968941 1.912680 9599.999023 1.948720 30.000877 0.981540 1
    19.927561 1.981220 9600.015625 2.067720 1638.500977 0.953860 1
    19.989040 1.991080 9600.033203 1.995260 3247.000488 1.097600 1
    
    • 第一行为总脉冲数;
    • 同一个雷达源的数据连续排列;
    • 所有数值以固定小数点格式显示,不使用科学计数法。

    ✅ 输出格式控制方式

    在 MATLAB 的 fprintf 中,我们使用以下格式字符串来确保输出是固定小数格式:

    %.6f %.6f %.6f %.6f %.6f %.6f %.0f\n
    

    含义如下:

    格式符含义
    %.6f保留6位小数的浮点数
    %.0f不保留小数的整数(用于最后一位“脉内样式”)

    ✅ 完整代码回顾(确保输出格式正确)

    你可以将以下代码保存为 sort_pdw_by_azimuth.m,然后运行即可生成符合要求的输出文件:

    % 清除工作区
    clear; clc;
    
    % 输入输出设置
    inputFile = 'pdw_data.txt';          % PDW数据文件名
    outputFile = 'sorted_pdw_output.txt';% 输出文件名
    
    % Step 1: 读取PDW数据
    fid = fopen(inputFile, 'r');
    numPulses = fscanf(fid, '%d', 1);     % 第一行是脉冲总数
    data = fscanf(fid, '%f', [7, inf]);   % 读取7列数据
    fclose(fid);
    data = data'; % 转置为 N x 7 矩阵
    
    % 提取各列参数
    azimuth    = data(:, 1);
    amplitude  = data(:, 2);
    rf         = data(:, 3);
    pw         = data(:, 4);
    toa        = data(:, 5);
    bandwidth  = data(:, 6);
    intrapulse = data(:, 7);
    
    % Step 2: 设置门限
    az_threshold = 5.0;      % 方位差门限(度)
    rf_threshold = 50e6;     % 载频差异门限 (Hz)
    pw_threshold = 0.2e-6;   % 脉宽差异门限 (s)
    pri_min = 0.5e-3;        % 最小PRI期望值 (s)
    pri_max = 2.5e-3;        % 最大PRI期望值 (s)
    
    % Step 3: 按方位粗分选
    azimuthGroups = {};      % 存储每个方位组的原始数据
    groupAzimuths = [];      % 存储每组的参考方位
    
    for i = 1:numPulses
        currentAz = azimuth(i);
        
        assigned = false;
        for gID = 1:length(azimuthGroups)
            refAz = groupAzimuths(gID);
            if abs(currentAz - refAz) <= az_threshold
                azimuthGroups{gID} = [azimuthGroups{gID}; data(i, :)];
                assigned = true;
                break;
            end
        end
        
        if ~assigned
            groupAzimuths(end+1) = currentAz;
            azimuthGroups{end+1} = data(i, :);
        end
    end
    
    % Step 4: 在每个方位组内进行基于参数门限的精细分选
    allSources = {};  % 所有最终分选结果
    
    for gID = 1:length(azimuthGroups)
        groupData = azimuthGroups{gID};
        numGroupPulses = size(groupData, 1);
        
        % 初始化当前组内的雷达源列表
        radarSources = {};
        sourceParams = [];
        numSources = 0;
        
        for i = 1:numGroupPulses
            currentRF = groupData(i, 3);
            currentPW = groupData(i, 4);
            currentTOA = groupData(i, 5);
            
            assigned = false;
            
            for srcID = 1:numSources
                refRF = sourceParams(srcID, 1);
                refPW = sourceParams(srcID, 2);
                
                if abs(currentRF - refRF) <= rf_threshold && ...
                   abs(currentPW - refPW) <= pw_threshold
                    
                    srcData = radarSources{srcID};
                    lastTOA = srcData(end, 5);
                    priDiff = abs(currentTOA - lastTOA);
                    
                    if priDiff >= pri_min && priDiff <= pri_max
                        radarSources{srcID} = [srcData; groupData(i, :)];
                        assigned = true;
                        
                        % 更新参考参数
                        sourceParams(srcID, 1) = mean(radarSources{srcID}(:, 3));
                        sourceParams(srcID, 2) = mean(radarSources{srcID}(:, 4));
                        break;
                    end
                end
            end
            
            if ~assigned
                numSources = numSources + 1;
                radarSources{numSources} = groupData(i, :);
                sourceParams(numSources, :) = [currentRF, currentPW];
            end
        end
        
        % 合并到全局结果中
        for srcID = 1:numSources
            allSources{end+1} = radarSources{srcID};
        end
    end
    
    % Step 5: 合并所有分选结果并写入文件
    sortedData = [];
    for srcID = 1:length(allSources)
        sortedData = [sortedData; allSources{srcID}];
    end
    
    % 写入文件(关键修改点:使用 %.6f 避免科学计数法)
    fid = fopen(outputFile, 'w');
    if fid == -1
        error('无法打开文件 "%s" 进行写入,请检查路径权限或文件是否被占用。', outputFile);
    end
    
    fprintf(fid, '%d\n', size(sortedData, 1));  % 写入总脉冲数
    
    % 使用 %.6f 格式化写入每一行数据(避免科学计数法)
    for i = 1:size(sortedData, 1)
        fprintf(fid, ...
            '%.6f %.6f %.6f %.6f %.6f %.6f %.0f\n', ...
            sortedData(i, :));
    end
    
    fclose(fid);
    
    disp(['分选结果已保存至文件:', outputFile]);
    

    📁 示例输入文件 (pdw_data.txt):

    6
    40.001179 3.096240 8999.943359 4.920660 3.000000 1.087820 1
    19.968941 1.912680 9599.999023 1.948720 30.000877 0.981540 1
    39.958721 2.958780 8999.917969 4.923800 1503.500488 0.967300 1
    19.927561 1.981220 9600.015625 2.067720 1638.500977 0.953860 1
    40.040760 2.981940 9000.002930 4.944600 3004.000488 0.969260 1
    19.989040 1.991080 9600.033203 1.995260 3247.000488 1.097600 1
    

    📝 总结

    你现在可以:

    • 使用上述完整代码对 PDW 数据进行分选;
    • 输出结果格式完全符合你的要求;
    • 所有雷达源数据按顺序排列;
    • 输出格式为固定小数,无科学计数法;
    • 支持任意数量的雷达信号分选。

    如果你需要我帮你打包成 .m 文件 + 测试数据样例,让你可以直接运行测试,请告诉我:✅ 是 / ❌ 否

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.