[發(fā)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?zhí)枺?/td>: 201910983334.8
• 申請日: 2019-10-16
• 公開（公告）號: CN110826599B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計）人: 周代英;沈曉峰;廖闊;張瑛;梁菁;馮健
• 申請（專利權(quán)）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

本發(fā)明公開了一種稀疏表示樣本分布邊界保持特征提取方法，屬于雷達目標識別技術(shù)領(lǐng)域。本發(fā)明利用稀疏表示確定樣本分布區(qū)域的邊界點及相應(yīng)的權(quán)系數(shù)，建立表征異類樣本分布區(qū)域分離間隙的目標函數(shù)，以獲取稀疏表示樣本分布邊界保持變換矩陣，通過該變換能夠增大異類特征局部區(qū)域之間的分離程度；最后，基于所得到的樣本分布邊界保持變換矩陣對待進行特征提取的RCS數(shù)據(jù)序列幀數(shù)進行投影，從而得到待提取對象的投影特征矢量，進而使得在基于本發(fā)明所提取的投影特征矢量進行雷達目標識別處理時，提高雷達目標識別性能。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達目標識別技術(shù)領(lǐng)域，具體涉及一種用于雷達目標識別的稀疏表示樣本分布邊界保持特征提取方法。

背景技術(shù)

雷達目標識別需要從目標的雷達回波中提取目標的有關(guān)信息標志和穩(wěn)定特征(目標特征)并判明其屬性。它根據(jù)目標的后向電磁散射來鑒別目標。利用目標在雷達遠區(qū)所產(chǎn)生的散射場的特征，可以獲得用于目標識別的信息(目標信息)。對獲取的目標信息進行計算機處理，與已有目標的特性進行比較，從而達到自動識別目標的目的。雷達目標識別包括兩個部分：特征提取和分類識別。

特征提取，從目標回波數(shù)據(jù)中提取出對分類識別有用的目標特征信息。

分類識別：對特征提取中所獲得的目標特征信息做適當?shù)奶幚恚瓿商卣餍盘柵c目標參數(shù)間的相互關(guān)聯(lián)和判決。

分類識別的處理過程可以分為兩個階段：訓練(或設(shè)計)階段和識別階段。其中，訓練階段是指通過一定數(shù)量的訓練樣本(訓練樣本的目標特征信息)進行分類器的設(shè)計或訓練；識別階段是指用所設(shè)計或訓練的分類器對待識別的樣本進行分類器決策。雷達目標識別所涉及分類器包括但不限于SVM分類器、隨機森林、深度學習網(wǎng)絡(luò)等。

由于在雷達目標識別中，分類識別需要基于訓練樣本的目標特征信息進行分類的訓練，進而將待識別對象的目標特征信息作為訓練好的分類器的輸入，基于其輸出得到對應(yīng)的分類識別結(jié)果。可見在雷達目標識別中，特征提取是非常關(guān)鍵的一步，一方面可以降低輸入矢量的維數(shù)，減少計算量，另一方面又能夠很好地保持原有的分類信息。

局部結(jié)構(gòu)保持方法是一種傳統(tǒng)流行學習方法，能夠提取到目標數(shù)據(jù)分布的局部結(jié)構(gòu)特征，在雷達目標識別中獲得了較好的識別效果。局部結(jié)構(gòu)保持方法通過在建立變換矩陣的目標函數(shù)中只考慮了類內(nèi)特征間的差分值，從而在特征域中能夠保持同類樣本的分布結(jié)構(gòu)。但是，局部結(jié)構(gòu)保持方法沒有考慮不同類特征區(qū)域間的分離程度，在不同類樣本區(qū)域邊界之間可能造成一定的混疊，限制了識別性能的進一步提高。因此，現(xiàn)有局部結(jié)構(gòu)保持方法的識別性能有進一步改善的余地。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的在于：針對上述存在的問題，提供一種用于對雷達散射截面(Radar?Cross?Section，RCS)數(shù)據(jù)序列幀的稀疏表示樣本分布邊界保持特征提取方法，從而提升提高雷達目標識別性能。

本發(fā)明的稀疏表示樣本分布邊界保持特征提取方法，包括下列步驟：

步驟1：基于關(guān)于RCS數(shù)據(jù)序列幀的訓練樣本設(shè)置最優(yōu)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(shù)據(jù)序列幀，其中1≤i≤C，1≤j≤N_i，C表示類別數(shù)，N_i為第i類真假目標的訓練RCS數(shù)據(jù)序列幀數(shù)，總幀數(shù)

對各x_ij進行稀疏表示：x_ij＝D_ijα_ij；

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

稀疏字典D^ij為：

稀疏系數(shù)為：