Clustering evaluation for deinterleaving

Deinterleaving er et grunnleggende steg i ESM- og radarsystemer, og gjør det mulig for brukere og/eller programmer å fokusere på data fra en enkelt emitter, istedenfor en blanding av data fra flere emittere. Ved utvikling av deinterleavingsalgoritmer, er det noen ganger nyttig å sammenligne deinterleavingsresultater med en fasit. En fasit kan være tilgjengelig fordi man har en alternativ måte å deinterleave eksisterende interleavede data, fordi en genererer data selv, for eksempel ved hjelp av en PDW simulator, eller fordi man kombinerer (interleaver) flere eksisterende sett av ikke-interleavede pulsdata. Denne rapporten tar for seg noen metoder for å evaluere klyngingsresultater i forbindelse med deinterleaving, og fokuserer på evalueringskriterier som betrakter klynging som et binært klassifiseringsproblem, hvor objektene som skal klassifiseres er alle mulige par av distinkte inputpunkter (pulser). Et par er klassifisert som henholdsvis positivt eller negativt, dersom de to punktene i paret er i samme eller forskjellige grupper. En effektiv evalueringsalgoritme er utviklet, som unngår å besøke hvert mulig par av punkter, men i stedet beregner den nødvendige informasjon basert på størrelsene av punktklynger. Evalueringskriteriene brukes sammen med noen ferdig deinterleavede data for å optimalisere en viktig parameter i LINEs deinterleavingsalgoritme. Evalueringen av disse dataene leder til valg av et nytt evalueringskriterium, som er mer egnet til det gjeldende datasettet. GEOIDEs deinterleavingsalgoritme er testet på samme datasett, og resultatene diskuteres. Det samme datasettet brukes til å generere nye datasett, ved å sette emisjonene sammen på nye måter, og LINEs deinterleaver prøves på nye måter.