针对无线信号辐射源识别的要求，已有十五个辐射源的正交信号复数波形数据，分别存储在十五个.mat文件中。要求对每一个文件中的数据分别取20个样本点计算其聚类中心，并以得到的十五个聚类中心点为聚类中心对所有文件中的所有剩余数据，依据它们距离这些中心点的距离进行聚类，请使用python实现并给出代码

好的，我可以回答这个问题。这是一个关于数据聚类的问题，需要使用Python实现。以下是代码示例：

import numpy as np
from scipy.io import loadmat
from sklearn.cluster import KMeans

# 加载.mat文件
data = []
for i in range(1, 16):
    filename = 'data{}.mat'.format(i)
    mat = loadmat(filename)
    data.append(mat['data'])

# 取20个样本点计算聚类中心
centers = []
for d in data:
    kmeans = KMeans(n_clusters=1, init=d[:20]).fit(d)
    centers.append(kmeans.cluster_centers_[])

# 对所有数据进行聚类
labels = []
for d in data:
    dists = np.linalg.norm(d - centers, axis=1)
    label = np.argmin(dists)
    labels.append(label)

print(labels)

这段代码首先加载了15个.mat文件中的数据，然后对每个文件中的数据取20个样本点计算聚类中心。接着，对所有数据进行聚类，计算每个数据距离15个聚类中心的距离，并将其归为距离最近的聚类中心所在的类别。最后输出每个数据所属的类别。