[發(fā)明專利]基于稀疏分解的地面移動(dòng)目標(biāo)微動(dòng)信號(hào)特征提取

無效

• 申請(qǐng)?zhí)枺?/td>: 201310289492.6
• 申請(qǐng)日: 2013-07-11
• 公開（公告）號(hào): CN103413134A
• 公開（公告）日: 2013-11-27
• 發(fā)明（設(shè)計(jì)）人: 李智;陽佑虹;任和
• 申請(qǐng)（專利權(quán)）人: 四川大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于稀疏分解的地面移動(dòng)目標(biāo)微動(dòng)信號(hào)特征提取，其特征包括如下步驟：

步驟一：建立與目標(biāo)信號(hào)對(duì)應(yīng)的過完備原子庫；將原子的尺度、位移、頻率、振幅及投影值作為變化參數(shù)并將參數(shù)離散化，根據(jù)目標(biāo)信號(hào)的特點(diǎn)及先驗(yàn)知識(shí)設(shè)定參數(shù)的變化范圍；再對(duì)原子歸一化得到對(duì)應(yīng)微動(dòng)信號(hào)的特征原子庫。

步驟二：將優(yōu)化的遺傳算法與稀疏分解結(jié)合，在由原子搜索空間映射得到的遺傳空間中，自適應(yīng)搜索一系列最匹配的稀疏原子，從而得到描述信號(hào)特征的一系列原子參數(shù)，直到滿足分解停止條件；根據(jù)信號(hào)分解理論，分解后原信號(hào)可以表示成

?（2）

其中為當(dāng)信號(hào)分解到第m次時(shí)分解后的殘差值；當(dāng)分解滿足條件后，得到的原子能線性組合逼近表示原信號(hào)。

步驟三：分解結(jié)束，對(duì)得到的原子參數(shù)組向量進(jìn)行PCA主成分分析提取降維。

?2.?按照權(quán)利一所述的基于稀疏分解的地面移動(dòng)目標(biāo)微動(dòng)信號(hào)特征提取的方法，其特征在于步驟二中將優(yōu)化的遺傳算法與稀疏分解結(jié)合包括以下部分：

（21）將稀疏分解的解空間映射到遺傳空間中，創(chuàng)建初始種群Initial_Group，將字典的最匹配原子的尋找轉(zhuǎn)化為種群中最適應(yīng)原子的搜索，在第一代種群中尋找初始最適應(yīng)個(gè)體g；并設(shè)定自適應(yīng)分解停止條件。

（22）對(duì)最優(yōu)個(gè)體g以變異概率p_m改變向量組中的特征的值，達(dá)到產(chǎn)生?(N-1)/4個(gè)新個(gè)體的目的。

(23)?對(duì)除最佳適應(yīng)個(gè)體g外的所有個(gè)體，每次選取2個(gè)個(gè)體對(duì)其進(jìn)行適應(yīng)度大小的比較并保留適應(yīng)度高的個(gè)體；重復(fù)選擇過程?(N-1)/2次從而得到(N-1)/2個(gè)競爭勝者；將這?(N-1)/2個(gè)勝者同最優(yōu)適應(yīng)個(gè)體g交叉，交叉概率為p_c。

（24）隨機(jī)產(chǎn)生?(N-1)/4個(gè)新個(gè)體，以改善某個(gè)局部最優(yōu)個(gè)體不易被淘汰從而使算法陷入局部最優(yōu)的缺點(diǎn)。

（25）由（23）（24）（25）步驟得到的個(gè)體與最適應(yīng)個(gè)體g一起得到新一代個(gè)體，判斷新一代個(gè)體是否達(dá)到穩(wěn)定；如果不穩(wěn)定重復(fù)（23）（24）（25）步驟。

（26）判斷新一代個(gè)體是否滿足進(jìn)化要求；如果不滿足，則重復(fù)以上步驟；如果滿足，結(jié)束搜索得到匹配原子g_i?。

（27）判斷分解是否滿足初始設(shè)定的分解條件；如果不滿足則繼續(xù)尋找匹配原子，如果滿足，結(jié)束對(duì)信號(hào)的分解。?