[發明專利]一種核自適應均值判別分析的高分辨距離像目標識別方法

有效

• 申請號: 201711349636.7
• 申請日: 2017-12-15
• 公開（公告）號: CN107977642B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 袁家雯;劉文波;朱海霞;陳旺才
• 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: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種核自適應均值判別分析的高分辨距離像目標識別方法，包括獲取原始HRRP信號訓練集，進行l₂范數歸一化提取功率譜特征，得到預處理后的特征樣本集；并采用核函數映射到高維特征空間；配置自適應離散度矩陣；求取最佳投影方向；獲得新的非線性降維訓練特征集；SVM分類器訓練；對待測試原始HRRP信號進行SVM分類識別。本發明方法使核映射空間不僅利用了訓練樣本的全局信息，而且在信息提取中自適應融入了局部信息，能夠獲得比常用的特征提取和數據降維方法可分性更強的低維度特征，提高了識別精度。該方法同樣適用于其他信號的特征提取和分類情況，如無損檢測中利用漏磁信號對裂紋種類、大小的分類，音頻信號分類等。

技術領域

本發明涉及雷達目標識別技術，特別是涉及一種核自適應均值判別分析的高分辨距離像目標識別方法。

背景技術

雷達高分辨自動目標識別(RATR)按空間維度可劃分成以下三大類：基于高分辨距離像(HRRP)樣本的目標識別、二維成像(SAR圖像和ISAR圖像)目標識別和三維成像目標識別。其中由于HRRP是一維向量，具有計算復雜度低、運算速度快和數據存儲資源占用率少等特點，HRRP在計算復雜度和數據空間存儲度上所占資源少，并且HRRP能夠準確反映目標本身物理結構信息及其在不同角度下散射點位置分布情況。因此，較另外兩類方法，基于HRRP的目標識別在軍事及民用領域等到了廣泛的應用。

目前HRRP識別技術研究工作主要圍繞HRRP的姿態敏感性、平移敏感性、強度敏感性和特征提取等技術難點展開。其中通過對原始HRRP信號進行l₂范數歸一化后提取功率譜特征可有效克服平移和強度敏感性。其次采用統計模型自適應劃分方位角域抑制散射點越距離單元走動從而有效的克服姿態敏感性。

但是，如何有效去除HRRP特征中的冗余分量，提取目標信息中的有效可分性識別特征是實現基于HRRP的雷達自動目標識別技術的關鍵。近年來，核方法被廣泛應用于解決特征提取問題，核線性判據分析(KLDA)作為常用的非線性特征提取方法之一，將數據從原始空間通過核函數映射到高維特征空間，隨后在高維特征空間中對樣本進行投影以達到更好的分類效果。其中KLDA在HRRP目標識別應用中取得了較好的識別效果，但是KLDA要求目標樣本在核映射空間嚴格服從高斯分布，而HRRP數據經核映射后近似多模分布。所以尋找符合HRRP數據分布的投影方向成為HRRP特征提取和數據降維研究的又一關鍵問題。

為了降低KLDA對樣本嚴格服從高斯分布的要求，采用核局部均值判別分析方法在高維特征空間中利用樣本的局部信息適應HRRP多模分布特性，以提高目標可分性性能。該方法在訓練樣本充足的條件下識別效果優于KLDA，但是針對小樣本條件如海面艦船目標，兩種方法識別效果均不太理想。

發明內容

發明目的：為解決現有技術的不足，提供一種核自適應均值判別分析的高分辨距離像目標識別方法。

技術方案：本發明的一種核自適應均值判別分析的高分辨距離像目標識別方法，包括以下步驟：

(1)獲取原始HRRP信號訓練集，并對其進行l₂范數歸一化后提取功率譜特征的預處理，得到預處理后的特征樣本集Y；

(2)把預處理后的特征樣本集Y采用核函數映射到高維特征空間；

(3)配置自適應離散度矩陣；

(4)求取最佳投影方向V；

(5)獲得新的非線性降維訓練特征集；

根據步驟(4)，對特征樣本集Y實現向最佳投影方向V的變換，獲得新的非線性降維訓練特征集Z；

(6)SVM分類器訓練；

輸入步驟(5)中得到的非線性降維訓練特征集進行SVM分類器訓練，得到分類器最優匹配模型參數；