[發明專利]基于多尺度核稀疏保持投影的一維距離像識別方法

有效

• 申請號: 201710010006.0
• 申請日: 2017-01-06
• 公開（公告）號: CN106908774B
• 公開（公告）日: 2020-01-10
• 發明（設計）人: 戴為龍;劉文波;張弓
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 32200 南京經緯專利商標代理有限公司
• 代理人: 許方

本發明公開了基于多尺度核稀疏保持投影的一維距離像識別方法。首先，對實測一維距離像信號樣本提取其歸一化幅度特征并進行平移對齊預處理；其次，利用高斯核函數對其進行多尺度核空間映射；然后，利用稀疏保持投影法得到各尺度空間的信號稀疏特征向量并進行特征融合；最后，利用支持向量機分類器進行特征識別。本發明基于高斯尺度核和稀疏保持投影，實現了多尺度核空間稀疏保持融合特征提取，相對于傳統的多尺度高斯核融合特征提取法，在融合特征維數相同的情況下，本方法識別精度更高、抗噪性能更好，是穩健的一維距離像識別方法。

技術領域

本發明屬于雷達目標識別技術領域，特別涉及了一種一維距離像識別方法。

背景技術

在雷達信號處理領域中，雷達目標識別是一個重要研究方向。雷達高分辨率一維距離像(HRRP)是寬帶雷達目標散射點回波在雷達視線方向上的向量和，它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。相比于SAR和ISAR圖像，一維距離像具有對測量數據精度要求較低、易于獲取且數據量較小等先天優勢。因此，基于HRRP的目標識別是雷達目標識別中最有應用前景的識別方案。在獲取大角度HRRP回波時，特別是在噪聲環境下HRRP數據會變得線性不可分，傳統的特征提取方案如主成分分析和低頻小波特征提取等在處理這種數據時提取的特征可分性較差、分類精度較低，在噪聲干擾下其性能迅速惡化，難以在實際工程上應用。

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投影到高維空間提高其線性可分性，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。然而由于單一的核主成分難以表示信號的許多內在特性，而不同的特征空間有其各自的優勢，對環境的適應度也有所不同。因此，有學者提出了多尺度核的概念，通過將尺度空間引入到核方法中，實現了多尺度空間核映射，再對各尺度空間特征進行融合得到新的信號多尺度核融合特征，提高了信號在復雜環境下的識別精度，相比于單核特征更具穩定性與普適性。但是由于其增加了尺度導致最終特征的維度增加較大，且核方法忽視了信號樣本間的相互關系這一有效識別信息，對識別精度提升有限。

發明內容

為了解決上述背景技術提出的技術問題，本發明旨在提供基于多尺度核稀疏保持投影的一維距離像識別方法，結合了多尺度核映射和稀疏保持投影法，一定程度上彌補了多尺度核映射的缺陷，在復雜環境下能保持更加穩定高效的識別性能。

為了實現上述技術目的，本發明的技術方案為：

基于多尺度核稀疏保持投影的一維距離像識別方法，包括訓練階段和測試階段，所述訓練階段的步驟如下：

(1)對一維距離像訓練樣本集X＝[x₁,x₂,...,x_N]，提取其歸一化幅度特征集再進行平移對齊操作，得到平移對齊后的幅度特征集H＝[h₁,h₂,...,h_N]，N為樣本容量；

(2)利用高斯核函數對幅度特征進行多尺度核空間映射，得到訓練樣本多尺度核空間特征向量集M為尺度總數；

(3)對進行稀疏保持投影，得到多尺度核稀疏特征向量集

(4)對進行串行特征融合，得到多尺度核空間稀疏保持融合特征向量集Q＝[q₁,q₂,...,q_N]；

(5)采用支持向量機分類器對Q進行學習；

所述測試階段的步驟如下：