[發明專利]一種基于歐拉核主成分分析的一維距離像穩健識別方法

有效

• 申請號: 201611093160.0
• 申請日: 2016-12-01
• 公開（公告）號: CN106709428B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 戴為龍;劉文波;張弓;劉蘇;曹哲
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 楊曉玲

本發明公開一種基于歐拉核主成分分析的一維距離像穩健識別方法。首先，對實測一維距離像信號樣本提取其歸一化頻譜幅度特征；然后，利用歐拉核函數將其映射到核空間，計算核矩陣并由主成分分析法(PCA)得到主元特征投影矩陣，獲得樣本的核空間特征主成分；最后，利用支持向量機分類器(SVM)進行特征識別。本發明基于歐拉核函數，實現了同維度核空間映射，不僅增強了一維距離像數據的線性可分性且沒有增加空間維度，降低了計算量。利用主成分分析法提取其核空間特征主成分進一步降低特征維數、減弱噪聲影響，使得該方法對大數據量信號處理速度較快，在噪聲環境中亦能保持較高的識別精度，相較于傳統的核主成分分析法有明顯優勢。

技術領域

本發明涉及一種雷達一維信號識別的方法，尤其涉及一種在干擾環境下快速準確識別雷達一維距離像的技術。

背景技術

雷達目標識別是雷達信號處理的一個重要研究方向。雷達高分辨率一維距離像(HRRP)反映了目標散射點沿雷達視線方向的分布情況，其中包含了豐富的目標結構特征，而易于獲取且數據量較小也是其先天優勢。因此，基于HRRP的目標識別一直是雷達目標識別領域的研究熱點。由于大角度HRRP數據本身具有的線性不可分性在噪聲干擾環境下越發嚴重，一些傳統的分類識別方案比如最大相關性準則分類等在處理這種數據時分類精度較低，抗干擾能力較差，難以在工程上有效應用。

關于一維距離像的穩健識別，目前主要從兩方面入手：一是提取一維距離像易于識別且穩定的特征。二是通過設計新型分類器或者將分類結果進行融合達到抗干擾提高識別率的目的。

核主成分分析(Kernel Principle Component Analysis，KPCA)通過核函數先將原始一維距離像信號特征投影到高維空間使其變得線性可分，再由PCA算法對高維特征進行主成分提取，達到降維的目的，且可以在一定程度上降低噪聲的影響，提高識別率。然而隨著一維距離像信號維度的增加，傳統的核主成分分析法運算量也大幅提高，且其投影到高維空間必然伴隨著能量的分散，想要達到較高的識別率必須要提取相對高維的核空間特征主成分，在后續的分類中也大大增加了學習成本。

發明內容：

發明目的：針對上述現有技術，提出一種基于歐拉核主成分分析的一維距離像穩健識別方法，在噪聲環境中能夠以較小的計算代價獲得滿意的識別精度，在最終識別特征維度和分類器固定的情況下識別精度可比傳統核主成分分析法提高3-4個百分點。

技術方案：一種基于歐拉核主成分分析的一維距離像穩健識別方法，包括如下步驟：

訓練階段：

第1步：對訓練樣本集X＝[x₁,x₂,...,x_n]，提取其歸一化頻譜幅度特征P＝[p₁,p₂,...,p_n]；

第2步：利用歐拉核函數顯式表達f對歸一化頻譜幅度特征進行核空間映射，得到訓練樣本歐拉核空間投影向量集Z＝[z₁,z₂,...,z_n]；

第3步：在核空間內構造核矩陣K，并對核矩陣進行主分量分析，求得主元特征投影矩陣B；

第4步：將訓練樣本核歐拉核空間投影向量集Z在主元特征投影矩陣B上進行空間投影，得到訓練樣本核空間特征主成分集

第5步：利用支持向量機分類器對進行學習；

測試階段：

第1步：對測試樣本y提取其歸一化頻譜幅度特征p_y，p_y∈R^m；其中，R^m表示m維實空間信號向量，m表示樣本維度；