基于多任务对数据挖掘结果和目标关联的数据挖掘方法

1.本发明涉及数据挖掘技术领域，特别是涉及一种基于多任务对数据挖掘结果和目标关联的数据挖掘方法。


背景技术：

2.目前复杂体制雷达信号具有带宽变化多样、频域参数多变、时域波形复杂等特点，为了完成对复杂体制雷达信号波形的完整探测，通常需要侦察设备通过多次侦察任务在多时域、多空域对雷达进行多次探测，导致完整的雷达信号分布在多次侦察数据中。
3.目前传统的分选算法仅针对单次任务数据进行处理，不能利用多次侦察数据以及数据挖掘技术完整地还原雷达信号，出现情报结果不准确、不完整的情况。


技术实现要素：

4.针对传统只在单次任务数据下的分选算法，在对还原复杂体制雷达信号出现情报结果不准确、不完整的问题，本发明提供一种基于多任务对数据挖掘结果和目标关联的数据挖掘方法，该方法旨在利用多次侦察数据，通过数据挖掘技术以及数据融合技术，最大限度还原雷达复杂信号，为作战提供准确电子情报。
5.为实现上述目的，本发明采取如下的技术方案：
6.一种基于多任务对数据挖掘结果和目标关联的数据挖掘方法，包括以下步骤：
7.步骤一：获取目标库和单个任务下的单个数据挖掘结果；
8.步骤二：循环遍历所述目标库里的目标，判断所述数据挖掘结果的完整pri特征序列和当前目标的完整pri特征序列中pri的特征类型，若二者的pri的特征类型同时为固定类型或者同时为组变类型，则执行步骤三；若二者的pri的特征类型同时为参差类型，则执行步骤四：
9.步骤三：先调用固定/组变_目标库比对方法对所述数据挖掘结果与所述当前目标的关联性进行比对，当所述数据挖掘结果与所述当前目标关联时，将所述数据挖掘结果与所述当前目标合并，完成数据挖掘；当所述数据挖掘结果与所述当前目标不完全关联时，调用基于多任务的固定/组变_活动规律比对方法对所述数据挖掘结果和所述当前目标进行进一步的关联性比对，根据关联性比对结果完成数据挖掘；
10.步骤四：调用参差_目标库比对方法对所述数据挖掘结果与所述当前目标的关联性进行比对，根据关联性比对结果完成数据挖掘。
11.与现有技术相比，本发明具有以下有益效果：
12.本发明所提出的数据挖掘方法首先通过pri参数特征来计算单个任务下的单个数据挖掘结果和目标库里的某一目标的关联性，然后将具有一定关联性的数据挖掘结果和目标，在多任务下，继续通过pri参数特征进行关联性比对，来判断是否将数据融合，以此来提高数据挖掘结果的完整性和正确性。
附图说明
13.图1为本发明所述的一种基于多任务对数据挖掘结果和目标关联的数据挖掘方法的流程图；
14.图2为本发明中固定/组变_目标库比对方法的流程图；
15.图3为本发明中基于多任务的固定/组变_活动规律比对方法的流程图；
16.图4为本发明中参差_目标库比对方法的流程图。
具体实施方式
17.下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
18.本发明提供一种基于多任务对数据挖掘结果和目标关联的综合挖掘方法，该方法通过计算基于单个任务下的单个数据挖掘结果与在多任务下的其他目标的关联性，以此来提高数据挖掘结果的完整性和正确性。
19.如图1所示，本发明提供的一种基于多任务对数据挖掘结果和目标关联的数据挖掘方法，包括以下步骤：
20.步骤一：获取目标库和单个任务下的单个数据挖掘结果，其中目标库里每个目标的pri特征参数是现有的，包括pri特征类型和完整的pri特征序列{pri1，pri2，
……
pri
m＇
}；而数据挖掘结果是在单次任务下，首先根据辐射源的载频特征值rf和脉宽特征值pw确定筛选范围，并根据筛选范围对原始全脉冲数据进行筛选，得到筛选后的全脉冲数据，然后利用辐射源的pri特征类型，根据不同的pri特征类型，采用不同的数据挖掘方法依据辐射源的pri特征序列对筛选后的全脉冲数据进行序列搜索和数据挖掘，最后得到数据挖掘结果，包括辐射源的pri特征类型和完整的pri特征序列{pri1，pri2，
……
pri
n＇
}；
21.步骤二：循环遍历目标库里的目标，判断数据挖掘结果的完整pri特征序列和当前目标的完整pri特征序列中pri的特征类型，若二者的pri的特征类型同时为固定类型或者同时为组变类型，则执行步骤二；若二者的pri的特征类型同时为参差类型，则执行步骤三：
22.步骤三：先调用固定/组变_目标库比对方法对数据挖掘结果与当前目标的关联性进行比对，当数据挖掘结果与当前目标关联时，将数据挖掘结果与当前目标合并，完成数据挖掘；当数据挖掘结果与当前目标不完全关联时，调用基于多任务的固定/组变_活动规律比对方法对数据挖掘结果和当前目标进行进一步的关联性比对，根据关联性比对结果完成数据挖掘；
23.步骤四：调用参差_目标库比对方法对数据挖掘结果与当前目标的关联性进行比对，根据关联性比对结果完成数据挖掘。
24.固定/组变_目标库比对方法
25.组变类型的pri序列的完整特征为，从{pri1，pri2，
……
pri
k＇
}集合中任意抽取一个pri
i＇
值，使其连续出现o＇次，再任意抽取一个pri
j＇
值(j＇≠i＇)，使其连续出现p＇次，o＇、p＇的个数大于等于1，且不固定。
26.遍历目标库里的目标，若当前目标的完整pri特征序列中pri的特征类型与数据挖掘结果的完整pri特征序列中pri的特征类型同时为固定类型或者同时为组变类型，则开始数据比对，先调用固定/组变_目标库比对方法对所述数据挖掘结果与所述当前目标的关联性进行比对，以下是具体的比对步骤：
27.步骤3.1：将数据挖掘结果的完整pri特征序列{pri1，pri2，
……
pri
n＇
}中的pri特征值，与当前目标的完整pri特征序列{pri1，pri2，
……
pri
m＇
}中的pri特征值做比对，判断是否符合条件(
ⅰ
)：
28.(
ⅰ
)数据挖掘结果的pri特征值与当前目标的pri特征值在容差范围内相等。
29.通过以上比对统计出数据挖掘结果的pri特征序列中的pri特征值与当前目标的pri特征序列中的pri特征值相同的个数c＇。
30.步骤3.2：将个数c＇与数据挖掘结果的pri特征值总个数n＇和当前目标的pri特征值总个数m＇分别进行比较，比较条件及对应的关联性比对结果如下：
31.(
ⅱ
)个数c＇与总个数n＇相等时，表示当前目标的pri特征序列包括数据挖掘结果的pri特征序列，此时跳出循环，结束数据挖掘结果与目标库中目标的关联性比对，数据挖掘结果不做处理；
32.(
ⅲ
)个数c＇与总个数m＇相等时，表示数据结果的pri特征序列包括当前目标的pri特征序列，数据挖掘结果与当前目标完全关联，此时跳出循环，结束数据挖掘结果与目标库中目标的关联性比对，并将数据挖掘结果与当前目标合并，完成数据挖掘；
33.(
ⅳ
)个数c＇等于0时，表示数据挖掘结果与当前目标不关联，此时继续比对数据挖掘结果与其他目标的关联性，直至跳出循环或者循环遍历结束；
34.(
ⅴ
)个数c＇小于总个数n＇或者小于总个数m＇，且个数c＇不等于0时，表示数据挖掘结果与当前目标不完全关联，此时调用基于多任务的固定/组变_活动规律比对方法对数据挖掘结果和当前目标进行进一步的关联性比对。
35.其余情况均判断为该数据挖掘结果与该当前目标不关联。
36.基于多任务的固定/组变_活动规律比对方法
37.通过固定/组变_目标库比对后，若数据挖掘结果与当前目标不完全关联，则需要基于多任务的固定/组变_活动规律比对方法继续进行数据比对，以下是基于多任务的固定/组变_活动规律比对方法的具体步骤：
38.步骤3.2.1：在当前任务下分别对数据挖掘结果和当前目标进行序列搜索，得到对应的搜索pri特征序列，其中数据挖掘结果搜索到的pri特征序列为{pri1，pri2，
……
pri
s＇
}，当前目标搜索到的pri特征序列为{pri1，pri2，
……
pri
t＇
}。
39.步骤3.2.2：将数据挖掘结果的搜索pri特征序列{pri1，pri2，
……
pri
s＇
}和当前目标的完整pri特征序列{pri1，pri2，
……
pri
m＇
}进行比对，统计出搜索pri特征序列{pri1，pri2，
……
pri
s＇
}中与完整pri特征序列{pri1，pri2，
……
pri
m＇
}中的pri特征值不相等的个数digun_c＇；以及将数据挖掘结果的完整pri特征序列{pri1，pri2，
……
pri
n＇
}和当前目标的搜索pri特征序列{pri1，pri2，
……
pri
t＇
}进行比对，统计完整pri特征序列{pri1，pri2，
……
pri
n＇
}中与搜索pri特征序列{pri1，pri2，
……
pri
t＇
}中的pri特征值不相等的个数srcun_c＇。
40.判断数据挖掘结果和当前目标的搜索pri特征序列是否满足活动规律比对条件(
ⅵ
)和(
ⅶ
)中的任意一条，若是，则记录当前任务符合的活动规律比对条件，其中活动规律比对条件(
ⅵ
)和(
ⅶ
)如下：
41.(
ⅵ
)数据挖掘结果的搜索pri特征序列pri特征值个数s与数据挖掘结果的完整pri特征序列pri特征值总个数n＇相等，且当前目标的搜索pri特征序列pri特征值个数t＇与
当前目标的完整pri特征序列pri特征值总个数m＇相等；
42.(
ⅶ
)digun_c＇不等于0，且srcun_c＇不等于0。
43.若符合条件(
ⅵ
)，则表示在当前任务下，数据挖掘结果和当前目标同时出现；
44.若符合条件(
ⅶ
)，则表示在当前任务下，数据挖掘结果和当前目标的pri特征值没有重合的部分同时出现。
45.步骤3.2.3：循环遍历所有的任务，重复计算步骤3.2.1、步骤3.2.2，统计记录每一个任务符合的活动规律比对条件，当有两个以上的任务同时符合条件(
ⅵ
)或者同时符合条件(
ⅶ
)时，将数据挖掘结果与当前目标合并，完成数据挖掘，其余情况均判断为数据挖掘结果与当前目标不关联。
46.若有两个及两个以上的任务符合步骤3.2.2的条件(
ⅵ
)，则最终结论为此数据挖掘结果与该目标合并；
47.若有两个及两个以上的任务符合步骤3.2.2的条件(
ⅶ
)，则最终结论为此数据挖掘结果与该目标合并；
48.否则其余情况均判断为该数据挖掘结果与该目标不关联。
49.参差_目标库比对方法
50.参差类型的pri序列的完整特征为，以{pri1，pri2，
……
prii……
pri
i＇
}为有序集合，依次抽取，抽取结果可以简单表示为pri
i＇
、pri
i＇ 1
、pri
i＇ 2
……
pri
i＇
、pri1、pri2……
pri
i＇-1
。以上抽取结果循环出现。
51.若数据挖掘结果的完整pri特征序列和当前目标的完整pri特征序列中pri的特征类型同为参差类型，则开始数据比对。因为参差类型的pri序列为有序集合，所以在和当前目标的pri序列做比对时，与固定或组变类型不同，要考虑到顺序的问题。以下是参差_目标库比对方法的具体步骤：
52.步骤4.1：首先遍历数据挖掘结果的pri特征序列{pri1，pri2，
……
pri
i＇
……
pri
n＇
}，依次取其pri特征值pri
i＇
，再依次取当前目标的pri特征序列{pri1，pri2，
……
pri
j＇
……
pri
m＇
}中的pri特征值pri
j＇
，将pri
i＇
与pri
j＇
依次对应比较大小，判断二者是否符合条件(
ⅷ
)：
53.(
ⅷ
)pri
i＇
与pri
j＇
在容差范围内大小相等。
54.若符合条件(
ⅷ
)，计数c＇加1，再依次分别取pri
i＇
的下一个pri特征值pri
i＇ 1
和pri
j＇
的下一个pri特征值pri
j＇ 1
比较大小，判断是否符合条件(
ⅷ
)，若符合，计数c＇再加1，依此类推，通过以上比较，最终统计出数据挖掘结果的pri特征序列中和当前目标的pri特征序列中的pri特征值相同的个数c＇。
55.步骤4.2：将个数c＇与数据挖掘结果的pri特征值总个数n＇和当前目标的pri特征值总个数m＇分别进行比较，比较条件及对应的关联性比对结果如下：
56.(
ⅸ
)个数c＇与总个数n＇相等时，表示当前目标的pri特征序列包括数据挖掘结果的pri特征序列，此时跳出循环，结束数据挖掘结果与目标库中目标的关联性比对，数据挖掘结果不做处理；
57.(
ⅹ
)个数c＇与总个数m＇相等时，表示数据结果的pri特征序列包括当前目标的pri特征序列，数据挖掘结果与当前目标完全关联，此时跳出循环，结束数据挖掘结果与目标库中目标的关联性比对，并将数据挖掘结果与当前目标合并，完成数据挖掘。
58.其余情况，表示此数据挖掘结果与该当前目标不关联，则此数据挖掘结果继续与其他目标比对。
59.本发明中步骤一记载的获取单个任务下的单个数据挖掘结果，具体通过以下步骤实现：
60.步骤ⅰ：首先根据辐射源的载频特征值rf和脉宽特征值pw确定筛选范围，并根据筛选范围对原始全脉冲数据进行筛选，得到筛选后的全脉冲数据。
61.在本步骤中，根据辐射源的载频特征值rf和脉宽特征值pw，分别计算载频特征值rf的最大值rf
max
和最小值rf
min
以及脉宽特征值pw的最大值pw
max
和最小值pw
min
，然后以大于rf
min-300mhz且小于rf
max
300mhz和大于pw
min-50μs且小于pw
max
50μs的范围作为筛选范围即(rf
min-300mhz,rf
max
300mhz)∩(pw
min-50μs,pw
max
50μs)，根据筛选范围对原始全脉冲数据进行筛选，筛选出来的全脉冲数据就是该辐射源用来分选和挖掘的数据。
62.步骤ⅱ：获取辐射源的pri(脉冲重复时间间隔)特征类型，若pri特征类型为固定类型或者组变类型，则执行步骤ⅲ，采用固定/组变挖掘方法对筛选后的全脉冲数据进行数据挖掘，得到挖掘后的样本数据；若pri特征类型为参差类型，则执行步骤ⅳ，采用参差挖掘方法对筛选后的全脉冲数据进行数据挖掘，得到挖掘后的样本数据。
63.最后，步骤
ⅴ
：根据设定的载频容差rf_tol和脉宽容差pw_tol判断挖掘后的样本数据中载频特征值rf和脉宽特征值pw的异常类型，并存储载频特征值rf和脉宽特征值pw的异常值。例如，将大于rf
min-rf_tol且小于rf
max
rf_tol的载频特征值判定为rf异常值，异常类型设置为“rf超出范围”，将大于pw
min-pw_tol且小于pw
max
pw_tol的脉宽特征值判定为pw异常值，异常类型设置为“pw超出范围”，并对rf异常值和pw异常值进行存储。
64.下面对步骤ⅲ中的固定/组变挖掘方法和步骤ⅳ中的参差挖掘方法的具体步骤分别进行介绍。
65.固定/组变挖掘方法：
66.组变类型的pri序列的完整特征为：从{pri1，pri2，
……
prio}集合中任意抽取一个prii值，使其连续出现s次，再任意抽取一个prij值(j≠i)，使其连续出现t次，s、t的个数大于等于1，且不固定。
67.当组变类型的pri序列不完整时，需要数据挖掘，以下是pri特征类型为固定类型或者组变类型时的数据挖掘步骤，如图2所示：
68.步骤31：根据辐射源的pri特征序列对筛选后的全脉冲数据进行序列搜索，并记录pri特征序列里的每个pri特征值出现的次数在集合q中，集合q是一组映射，其key是各个pri特征值，value是该pri特征值出现的次数。根据最原始pri特征序列(即从未被更新过的pri特征序列)获得的集合q记为集合q
old
。搜索后获得若干段样本数据，每段样本数据之间，就是要挖掘的区间。
69.筛选后的全脉冲数据的时间间隔为ta～tb，通过序列搜索，共获得n段样本数据，第n(n＝1,2,
…
,n)段样本数据的时间间隔为t
n,a
～t
n,b
，其中下标n代表第n段样本数据，下标a和b分别代表时间间隔的起始和终止。
70.步骤32：根据各段样本数据获取挖掘区间，以下是获取挖掘区间的步骤：
71.(1)判断第1段样本数据的起始时刻t
1,a
是否与筛选后的全脉冲数据的起始时刻ta相等，若不相等，则将ta～t
1,a
记录为1个挖掘区间；
72.(2)判断第n段样本数据的终止时刻t
n,b
是否与筛选后的全脉冲数据的终止时刻tb相等，若不相等，则将t
n,b
～tb记录为1个挖掘区间；
73.(3)将t
n,b
～t
n 1,a
(n＝1,2,
…
,n-1)即t
1,b
～t
2,a
，
…
，t
n-1,b
～t
n,a
记录为n-1个挖掘区间；
74.将步骤(1)、(2)、(3)中获得的挖掘区间共计为m个，其中第m(m＝1,2,
…
,m)个挖掘区间的时间间隔为t
m,a
～t
m,b
，其中下标m代表第m个挖掘区间，下标a和b分别代表挖掘区间的时间间隔的起始和终止。
75.接下来开始循环遍历步骤32获得的m个挖掘区间，准备挖掘。
76.步骤33：在第m个挖掘区间里，以到达时间为时刻t
m,a
的脉冲作为要挖掘的第一个脉冲，以到达时间为时刻t
m,b
的脉冲作为要挖掘的最后一个脉冲，通过以下步骤对第m个挖掘区间进行数据挖掘：
77.(4)对在第m个挖掘区间的全脉冲数据求取j(j＝1,2,3)级到达时间差δtoaj：
78.定义：j＝1时，相邻两脉冲间的到达时间差值为一级到达时间差δtoa1，表达式如下：
79.δtoa1＝toa
i 1
–
toai；i＝1,2,
…
,n
m-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ①
80.式
①
中，i代表区间内第i个脉冲，nm为脉冲总数，其中i是逐1累加的。
81.j＝2时，间隔1个脉冲，两脉冲到达时间差值为二级到达时间差δtoa2，表达式如下：
82.δtoa2＝toa
i 2
–
toai；i＝1,3,
…
,n
m-2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ②
83.式
②
中，i代表区间内第i个脉冲，nm为脉冲总数，其中i是逐2累加的。
84.j＝3时，间隔2个脉冲，两脉冲到达时间差值为三级到达时间差δtoa3，表达式如下：
85.δtoa3＝toa
i 3
–
toai；i＝1,4,
…
,n
m-3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ③
86.式
③
中，i代表区间内第i个脉冲，nm为脉冲总数，其中i是逐3累加的。
87.将一级到达时间差δtoa1、二级到达时间差δtoa2、三级到达时间差δtoa3统记为pri
i,j
，pri
i,j
表示第i j个脉冲与第i个脉冲的时间间隔。
88.(5)将pri
i,j
在容差范围内值相同的归为第k(k＝1,2,
…
,k)组，其中k为最终划分的总组数，第k组的时间间隔统称为prik，其中每组是一个映射，其key是相同值的prik，value是prik统计出来出现的次数ck。统计出现次数最多的prik并记为预备挖掘值pri_s。
89.(6)根据预备挖掘值pri_s在此挖掘区间里进行序列搜索，若可以获得一段或多段连续的脉冲数据，称为距离验证数据，则将预备挖掘值pri_s做距离验证和大小验证，其中第一段距离验证数据里第一个脉冲数据的到达时间记为t_sa，最后一段距离验证数据里最后一个脉冲数据的到达时间记为t_sb。
90.在样本数据里，将t
m,a
与前一个脉冲的时间间隔记为pri_ya，将t
m,b
与后一个脉冲的时间间隔记为pri_yb。其中，若m＝1，则pri_ya＝0；若m＝m，则pri_yb＝0。
91.距离验证中的距离是指脉冲数据之间的到达时间差，大小验证中的大小指的是预备挖掘值pri_s数值的大小。先验证预备挖掘值pri_s的距离是否符合条件(
ⅰ
)、(
ⅱ
)：
92.(
ⅰ
)t
m,a
与t_sa的差值不大于pri_ya数值10倍的大小；
93.(
ⅱ
)t
m,b
与t_sb的差值不大于pri_yb数值10倍的大小。
94.若预备挖掘值pri_s至少符合条件(
ⅰ
)和条件(
ⅱ
)中的一个，则距离验证成功，此时，如果只符合条件(
ⅰ
)，则将pri_ya记为pri_y；如果只符合条件(
ⅱ
)，则将pri_yb记为pri_y；如果条件(
ⅰ
)和条件(
ⅱ
)都符合，则将pri_ya和pri_yb里距离预备挖掘值pri_s最近的特征值记为pri_y。
95.接下来验证预备挖掘值pri_s的大小是否符合条件(
ⅲ
)、(
ⅳ
)：
96.(
ⅲ
)预备挖掘值pri_s小于pri_y的5倍；
97.(
ⅳ
)预备挖掘值pri_s大于pri_y的0.2倍。
98.若预备挖掘值pri_s同时符合条件(
ⅲ
)、(
ⅳ
)两个条件，则大小验证成功，否则大小验证失败。若距离验证和大小验证均成功，则将预备挖掘值pri_s更新到pri特征序列里。如果验证没有成功，就将预备挖掘值pri_s从映射组删除，再重复步骤(5)、(6)，直至完成第m个挖掘区间的数据挖掘。
99.步骤34：返回步骤31，将由步骤33更新后的pri特征序列再重新计算步骤31，即根据更新后的pri特征序列对筛选后的全脉冲数据重新进行序列搜索，将更新后的pri特征序列里的每个pri特征值出现的次数记录在集合q
new
中，并获得新的挖掘区间。
100.接下来利用挖掘前后pri特征值出现的次数做影响验证，即利用集合q
new
与集合q
old
做影响验证，其中影响验证是指更新后的pri特征序列在序列搜索时是否会影响到原pri特征值的搜索结果。
101.以下是利用集合q
new
与集合q
old
做影响验证的步骤：
102.验证集合q
new
与集合q
old
是否符合以下条件(
ⅴ
)、(
ⅵ
)：
103.(
ⅴ
)在集合q
old
与集合q
new
存在相同key值时，集合q
new
对应的value大于等于集合q
old
对应的value；
104.(
ⅵ
)在集合q
new
存在的key值，而集合q
old
不存在相同的key值时，集合q
new
对应的value大于0。
105.若集合q
new
与集合q
old
同时满足条件(
ⅴ
)和条件(
ⅵ
)，则影响验证成功，此时，以获得的新的挖掘区间更新由步骤32获得的m个挖掘区间，并继续步骤33进行数据挖掘，最终得到挖掘后的样本数据；若影响验证失败，则不更新挖掘区间，并选取下一个挖掘区间即第m 1个挖掘区间继续挖掘，最后直至挖掘不到数据后结束，最终得到挖掘后的样本数据。
106.参差挖掘方法：
107.参差类型的pri序列的完整特征为，以{pri1，pri2，
……
prii……
prio}为有序集合，依次抽取，抽取结果可以简单表示为prii、pri
i 1
、pri
i 2
……
prio、pri1、pri2……
pri
i-1
。以上抽取结果循环出现。
108.当参差类型的pri序列不完整时，需要数据挖掘，以下是pri特征类型为参差类型时的数据挖掘步骤，如图3所示：
109.步骤41：根据辐射源的pri特征序列对筛选后的全脉冲数据进行序列搜索，获得若干段样本数据，当pri特征序列里的某一个pri特征值总是与下一个pri特征值相隔一个或多个脉冲数据，则将当前pri特征值在pri特征序列的索引记为挖掘索引，例如prii总是与pri
i 1
相隔一个脉冲数据，将prii在特征序列的索引i-1记为挖掘索引。挖掘索引可以是一个或多个，将这些挖掘索引记为挖掘序列。
110.步骤42：遍历挖掘序列，准备挖掘，选取其中一个挖掘索引，进行以下挖掘步骤：
111.(1)根据选取的挖掘索引对应的pri特征值，将该pri特征值记为pri_i，遍历样本数据，找到能计算出特征值pri_i的相邻两个脉冲pdw1、pdw2，由式
①
可知时间间隔是后一个脉冲的到达时间与前一个脉冲的到达时间的差值，此时将后一个脉冲pdw2的到达时间记为挖掘起始时刻toa
x
，在样本数据里，将脉冲pdw2之后相邻的下一个脉冲数据的到达时间记为挖掘终止时刻toay。
112.以挖掘起始时刻toa
x
为基准，挖掘终止时刻toay为界限，开始计算时间间隔δtoaj，表达式如下：
113.δtoaj＝toa
x j
–
toa
x
；j＝1,2,
…
,y-x
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ④
114.(2)将时间间隔δtoaj由小到大，最多取3个值作为挖掘备用值，并且每个挖掘备用值必须满足以下条件(
ⅶ
)：
115.(
ⅶ
)时间间隔δtoaj与特征值pri_i差值的绝对值小于等于特征值pri_i的0.3倍。
116.(3)经过步骤(1)、步骤(2)计算一次得到的挖掘备用值称为一组备用值，接着遍历样本数据，继续找到能计算出特征值pri_i的相邻脉冲，再经过步骤(1)、步骤(2)计算一次得到第二组备用值，以此类推，重复步骤(1)、步骤(2)计算多次，直至获得10组备用值。
117.(4)将这10组备用值在容差范围内值相同的归为第k(k＝1,2,
…
,k)组，其中k为最终划分的总组数，第k组的时间间隔统称为prik，其中每组是一个映射，其key是相同值的prik，value是prik统计出来出现的次数ck。统计出现次数最多的prik记为预备挖掘值pri_s。
118.(5)接下来对预备挖掘值pri_s做连续验证：继续遍历样本数据，重复步骤(1)一次，按照步骤(1)中获得的时间间隔δtoaj由小到大，查找与预备挖掘值pri_s在容差内相等的δtoaj，若找到了，此为验证成功一次，重复步骤(1)多次，直至样本数据遍历结束，在此期间，若连续验证成功3次(不含3次)以上，则对预备挖掘值pri_s的连续验证成功。
119.步骤43：若对预备挖掘值pri_s的连续验证成功，则预备挖掘值pri_s为挖掘值，将预备挖掘值pri_s更新到pri特征序列里，并将计算出预备挖掘值pri_s的脉冲数据也更新到样本数据里，预备挖掘值pri_s在pri特征序列的索引设为新的挖掘索引，重复计算步骤42，看pri_s后是否还可以挖掘到新的挖掘值，直至挖掘不到新的挖掘值，即挖掘结束，最终得到挖掘后的样本数据。若第一次挖掘时连续验证没有成功，则说明该挖掘索引下没有挖掘值，那么就继续遍历挖掘序列，选取下一个挖掘索引，重复计算步骤42，直至挖掘不到pri特征值，挖掘结束，最终得到挖掘后的样本数据即单个任务下的单个数据挖掘结果。
120.下面以某一数据挖掘结果和目标库为例，对本发明的技术方案进行详细介绍。
121.表1所示为目标库中的某一目标作为当前目标的信息：
122.表1当前目标信息表
[0123][0124]
表2所示为数据挖掘结果信息：
[0125]
表2数据挖据结果信息表
[0126][0127]
首先根据数据挖掘结果和当前目标的信息可判断出，二者的pri的特征类型同为组变类型，接下来利用固定/组变_目标库比对方法和基于多任务的固定/组变_活动规律比对方法继续计算。以下就是具体实施步骤：
[0128]
步骤1：代入{1500，1000，1300}和{1500，2000，2500}进行比较。
[0129]
步骤2：统计出符合条件(
ⅰ
)的特征值为1500us，个数c＇＝1。将c＇＝1与数据挖掘结果的pri特征值总个数n＇＝3和当前目标的pri特征值总个数m＇＝3比较，符合条件(
ⅴ
)，该数据挖掘结果与该当前目标不完全关联，此时调用基于多任务的固定/组变_活动规律比对方法继续进行进一步的关联性比对。
[0130]
步骤3：在任务名为任务1的任务下，对数据挖掘结果和当前目标分别进行序列搜索。得到数据挖掘结果的搜索pri特征序列为{1000}，当前目标的搜索pri特征序列为{2000，2500}。
[0131]
步骤4：统计得到digun_c＇＝1，srcun_c＇＝2。判断该数据挖掘结果和当前目标的搜索pri特征序列符合条件(
ⅶ
)并进行记录。
[0132]
步骤5：在所有任务下都进行比对，并记录所有任务符合的活动规律比对条件，结果如表3所示。
[0133]
表3多任务的活动规律比对结果表
[0134][0135]
从表3可以看出，符合条件(
ⅶ
)的任务有3个，则最终结论判断为此数据挖掘结果与该当前目标合并，完成数据挖掘。
[0136]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0137]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来
说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。