[發明專利]一種K近鄰變換真假目標特征提取方法有效
| 申請號： | 201810964240.1 | 申請日： | 2018-08-23 |
| 公開（公告）號： | CN108845302B | 公開（公告）日： | 2022-06-03 |
| 發明（設計）人： | 周代英;沈曉峰;馮健 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G01S7/41 | 分類號： | G01S7/41 |
| 代理公司： | 電子科技大學專利中心 51203 | 代理人： | 周劉英 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 近鄰 變換 真假 目標 特征 提取 方法 | ||
本發明公開了一種K近鄰變換真假目標特征提取方法，屬于雷達目標識別技術鄰域，本發明通過基于K近鄰約束規則減小同類樣本間的差異，而增大異類樣本之間的差異，降低其它樣本對構建變換矩陣的影響，在目標樣本數據分布是非高斯分布的情況下，仍然能夠很好地表示類內聚集和類間分離的程度，克服了常規正則變換矩陣只適合于樣本數據高斯分布的缺點，從而提高了目標識別性能。
技術領域
本發明屬于雷達目標識別技術鄰域，具體涉及一種K近鄰變換真假目標特征提取方法。
背景技術
在雷達目標識別中，判別矢量變換法能夠增大異類目標特征之間的差異，同時減小同類目標特征之間的差異，從而提取到差異明顯的特征，因此，判別矢量變換法獲得了良好的分類性能。
但是，判別矢量變換法只適合于樣本數據是高斯分布的情況，而實際中樣本數據的分布可能是非高斯分布，針對非高斯分布情況，判別矢量變換法的識別性能顯著降低?，F有常規判別矢量變換法的識別性能有進一步改善的余地。
發明內容
本發明的發明目的在于：針對上述存在的問題，提出一種K近鄰變換特征提取方法，以克服常規判別矢量變換法的缺陷，有效改善了對雷達真假目標的分類性能。
本發明的K近鄰變換真假目標特征提取方法的技術方案具體如下：
步驟1：輸入關于雷達目標一維距離像的訓練樣本集，用xij表示訓練樣本，其中下標i為類別區分符、下標j為訓練樣本區分符，且1≤i≤g，1≤j≤Ni，g表示類別數量，Ni表示對應類別的樣本數；
步驟2：計算K近鄰變換矩陣A的估計值
其中，樣本矩陣
同類K近鄰規則的約束系數矩陣
矩陣
其中同類K近鄰規則的約束系數的設置為：若或者則否則其中下標k為某類訓練樣本區分符，σ2表示高斯參數，表示同類中某個矢量的k1個近鄰矢量的集合，k1為預設近鄰數；
異類K近鄰規則的約束系數矩陣
矩陣
其中異類K近鄰規則的約束系數的設置為：若或者則否則其中，其中下標l為類別區分符，表示異類中某個矢量的k2個近鄰矢量的集合，k2為預設近鄰數；
步驟3：輸入待提取子像特征的雷達真假目標一維距離像xt，根據得到一維距離像xt的特征矢量yt。
綜上所述，由于采用了上述技術方案，本發明的有益效果是：
本發明通過基于K近鄰約束規則減小同類樣本特征之間的差異，而加大異類樣本特征之間的差異進行加權，降低其它樣本對變換矩陣構建的影響，從而能夠提取非高斯分布樣本數據的特征，克服常規判別矢量變換法的缺陷，有效改善了對雷達真假目標的分類性能。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，下面結合實施方式，對本發明作進一步地詳細描述。
本發明的K近鄰變換真假目標特征提取方法，通過基于K近鄰約束規則減小同類樣本特征之間的差異，而加大異類樣本特征之間的差異進行加權，降低其它樣本對變換矩陣構建的影響，從而能夠提取非高斯分布樣本數據的特征，其具體實現過程如下：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810964240.1/2.html，轉載請聲明來源鉆瓜專利網。
