[發明專利]一種非線性判別學習真假目標一維距離像特征提取方法

有效

• 申請號: 201910983473.0
• 申請日: 2019-10-16
• 公開（公告）號: CN110687514B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 周代英;梁菁;廖闊;張瑛;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

本發明公開了一種非線性判別學習真假目標一維距離像特征提取方法，屬于雷達目標識別技術領域。本發明首先利用非線性函數將一維距離像映射到高維特征空間，然后，在高維特征空間通過判別學習獲得投影變換矩陣，再基于該投影變換矩陣得到任意待提取特征的一維距離像的特征向量。本發明的特征提取方法，能夠很好地表示樣本數據分布中出現的非線性，從而提高了目標識別性能，克服了現有的常規子空間法不適合于非線性數據分布的缺點，有效改善了對雷達真假目標的分類性能。

技術領域

本發明屬于雷達目標識別技術領域，具體涉及一種可以用于雷達目標識別的非線性判別學習真假目標一維距離像特征提取方法。

背景技術

雷達目標識別需要從目標的雷達回波中提取目標的有關信息標志和穩定特征(目標特征)并判明其屬性。它根據目標的后向電磁散射來鑒別目標。利用目標在雷達遠區所產生的散射場的特征，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，從目標回波數據中提取出對分類識別有用的目標特征信息，例如基于一。

分類識別：對特征提取中所獲得的目標特征信息做適當的處理，完成特征信號與目標參數間的相互關聯和判決。

分類識別的處理過程可以分為兩個階段：訓練(或設計)階段和識別階段。其中，訓練階段是指通過一定數量的訓練樣本(訓練樣本的目標特征信息)進行分類器的設計或訓練；識別階段是指用所設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、深度學習網絡等。

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的分類識別結果。可見在雷達目標識別中，特征提取是非常關鍵的一步，一方面可以降低輸入矢量的維數，減少計算量，另一方面又能夠很好地保持原有的分類信息。

高分辨雷達及其成像技術的應用推動雷達目標識別技術的發明展，使目標的特性得到了更為精細的描述。利用高分辨雷達對目標進行一維距離成像，得到的一維距離像可以揭示目標的幾何結構信息。一維距離成像以散射點模型為依據，描述了目標散射中心在徑向距離的投影，可用雷達目標識別的特征。基于一維距離像的雷達目標識別具有實際應用價值，得到了廣泛應用。由于識別率高、計算量小，針對一維距離像的常規子空間方法在雷達目標識別中得到廣泛應用。如判別矢量子空間法在減小同類目標特征之間差異的同時，能夠增大異類目標特征之間的差異，從而提取到非常有效的識別特征，獲得了良好的識別性能。

但是，常規子空間法是線性的方法，只適合于樣本數據分布是線性的情況，而實際中樣本數據分布可能會出現非線性，導致常規子空間方法的識別性能出現明顯下降。現有常規子空間方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，提供一種能提升雷達目標識別性能的非線性判別學習真假目標一維距離像特征提取方法。

本發明的非線性判別學習真假目標一維距離像特征提取方法，包括下列步驟：

步驟1：基于預設的非線性函數φ(·)，將一維距離像映射到高維特征空間，得到各類真假目標的各訓練樣本的一維距離像在高維特征空間的矢量：y_ij＝φ(x_ij)；

并計算各類樣本分布在高維特征空間的中心矢量的初始值為：

其中，x_ij表示第i類真假目標的第j個訓練樣本的一維距離像，N_i表示第i類真假目標的訓練樣本數；

設置中心矢量的權系數的初始值為：