[發(fā)明專利]一種用于個體識別的特征空間降維方法

無效

• 申請?zhí)枺?/td>: 201210184647.5
• 申請日: 2012-06-06
• 公開（公告）號: CN102930282A
• 公開（公告）日: 2013-02-13
• 發(fā)明（設計）人: 任春輝;魏平;王建明;吳天笑
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 李明光

1.一種用于個體識別的特征空間降維方法，其特征在于，包括以下步驟：

a、先對已知電臺信號進行費希爾Fisher降維，得到k維Fisher降維后的信號識別特征空間，k<<L²/4，<<為遠小于，L為接收到的已知電臺信號的信號長度，L≥100，當L²/4大于k兩個或兩個以上數據級時滿足k<<L²/4；

b、求Fisher降維后的信號識別特征空間的類間離散度矩陣；

c、對所述類間離散度矩陣采用K-L降維得到低維度信號識別特征空間。

2.如權利要求1所述一種用于個體識別的特征空間降維方法，其特征在于，步驟a的具體方法是：

1）根據接收到的已知電臺信號x(t)作為訓練樣本計算計算其高維特征空間模糊函數A_x(η,τ)，計算公式如下：

Ax(η,τ)=∫-∞∞x(t+τ/2)x*(t-τ/2)e-j2πtηdt]]>

其中，η為為離散多普勒頻率，τ為時移；

2）根據高維特征空間模糊函數來計算高維特征空間各特征點的Fisher判別比FDR[η,τ]；

FDR[η,τ]=Σi=1CΣj=1C|A‾(i)[η,τ]-A‾(j)[η,τ]|2Σi=1C(σ(C)[η,τ]A‾(i)[η,τ])2;]]>

其中，分別表示第i類信號的所有訓練樣本的模糊函數的平均；分別表示第j類信號的所有訓練樣本的模糊函數的平均；i∈1,…,C；j∈1,…,C；i≠j；σ^(c)[η,τ]是第C類信號的所有訓練樣本的模糊函數的標準差，是第C類信號的所有訓練樣本的模糊函數的平均，I為樣本數，表示第C類信號的所有訓練樣本中的第i個樣本，為第C類信號的第i個樣本的模糊函數；

3）對原始高維特征空間各特征點的Fisher判別比從大到小進行排序，選取前k個值，將選取的k個值所對應的自模糊平面點在k維復空間構成Fisher降維后的信號識別特征空間B，B為k×1的矩陣，k為Fiaher算法挑選出來的模糊平面的特征點數目，對應每個樣本數據能提取出對應的特征空間B。