[發明專利]一種稀疏表示樣本分布邊界保持特征提取方法

有效

• 申請號: 201910983334.8
• 申請日: 2019-10-16
• 公開（公告）號: CN110826599B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 周代英;沈曉峰;廖闊;張瑛;梁菁;馮健
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F18/2413
• 分類號: G06F18/2413
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周劉英

1.一種稀疏表示樣本分布邊界保持特征提取方法，其特征在于，包括下列步驟：

步驟1：基于關于RCS數據序列幀的訓練樣本設置最優樣本分布邊界保持變換矩陣：

定義x_ij表示第i類真假目標的第j個訓練RCS數據序列幀，其中1≤i≤C，1≤j≤N_i，C表示類別數，N_i為第i類真假目標的訓練RCS數據序列幀數，總幀數

對各x_ij進行稀疏表示：x_ij＝D_ijα_ij；

其中，||·||₁表示1-范數，表示求解得到的稀疏系數，α_ij表示稀疏系數，D^ij表示稀疏字典，由除x_ij外的所有訓練RCS數據序列幀組成；

稀疏字典D^ij為：

稀疏系數為：

定義n×l維的矩陣W表示樣本分布邊界保持變換矩陣，其中，l＜n，n表示RCS數據序列幀的維度；

設置類間距離加權和的目標函數J₁(W)和類內距離加權和的目標函數J₂(W)：

其中，b_ij,rk為類間權系數，ω_ij,rk為類內權系數；

且

其中，和表示樣本的類間近鄰相似系數，和表示樣本的k₂近鄰類間相似系數，e為自然底數，σ²表示預置的系數，表示樣本的類間k₁近鄰，表示樣本的k₂近鄰，且近鄰數k₁、k₂為預設值；

類間近鄰相似系數和具體為:

k₂近鄰類間相似系數和具體為：

對優化模型進行求解，得到最優樣本分布邊界保持變換矩陣W_opt；

步驟2：對待進行特征提取的任意RCS數據序列幀x_t，根據得到x_t的特征矢量z_t；

步驟3：在進行雷達目標識別處理時，采用步驟1和步驟2分別提取訓練樣本和待識別目標的RCS數據的特征向量；基于訓練樣本的特征向量對預設的分類器進行訓練學習，當滿足預設訓練精度時，停止訓練，得到訓練好的分類器；對于當前待識別目標，將所提取的特征向量輸入到訓練好的分類器，基于其輸出得到待識別目標的分類識別。

2.如權利要求1所述的方法，其特征在于，步驟1中，對進行求解的具體為：

由矩陣(X(D_b-P)X^T)^-1(X(D_w-Q)X^T)的非零特征值對應的特征矢量得到W_opt；

其中

3.如權利要求1或2所述的方法，其特征在于，步驟1中，近鄰數k₁、k₂的取值分別為10和20。

4.如權利要求1或2所述的方法，其特征在于，步驟1中，系數σ²的取值為2.5。