[發明專利]基于貝葉斯支持向量數據描述的雷達庫外目標識別方法有效
| 申請號： | 202010003876.7 | 申請日： | 2020-01-03 |
| 公開（公告）號： | CN111208483B | 公開（公告）日： | 2022-04-19 |
| 發明（設計）人： | 王鵬輝;李妍;劉宏偉;王同晶;李志曉 | 申請（專利權）人： | 西安電子科技大學 |
| 主分類號： | G01S7/41 | 分類號： | G01S7/41;G06K9/62 |
| 代理公司： | 陜西電子工業專利中心 61205 | 代理人： | 王品華;黎漢華 |
| 地址： | 710071*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 貝葉斯 支持 向量 數據 描述 雷達 目標 識別 方法 | ||
1.一種基于貝葉斯支持向量數據描述的雷達庫外目標識別方法，其特征在于，包括如下：
(1)建立貝葉斯支持向量數據描述模型：
其中，λ＝[λ1,…,λn,…,λN]表示隱變量，λn表示第n個樣本對應的隱變量，N表示樣本總數，n表示第n個樣本，n＝1,…,N，K表示核矩陣，拉格朗日系數α服從高斯分布，方差項引入γ，參數γ為調和參數，服從形狀參數為c，尺度參數為d的Gamma分布，稀疏系數z服從參數為π的伯努利分布，z的先驗分布參數π服從形狀參數為τ1，τ2的貝塔分布，α＝[α1,…,αn,…,αN]T，z＝[z1,…zn,…zN]T，π＝[π1,…,πn,…,πN]T，αn表示第n個樣本對應的拉格朗日系數，zn表示第n個樣本拉格朗日系數αn對應的稀疏系數，πn表示第n個樣本zn的先驗分布參數，kn表示K的第n列，C0為調節常數，表示α和z的點乘，(·)T表示轉置操作；
(2)生成高分辨距離像樣本集：
(2a)選擇三類飛機的雷達高分辨距離像HRRP數據，其中兩類作為庫內樣本，剩下的一類作為庫外樣本，從庫內的兩類樣本中各選擇300個樣本，共600個樣本組成訓練樣本集，從每類飛機樣本中分別選擇800個樣本，共2400個樣本組成測試樣本集；
(2b)用測試樣本集中的每個高分辨距離像數據除以該高分辨距離像數據的模二范數，得到歸一化后的測試樣本集；
(2c)用訓練樣本集中的每個高分辨距離像數據除以該高分辨距離像數據的模二范數，得到歸一化后的訓練樣本集；
(3)對(1)建立的貝葉斯支持向量數據描述模型進行訓練：
(3a)對貝葉斯支持向量數據描述模型進行參數初始化，設置收斂門限ξ＝0.1；
(3b)將歸一化后的訓練樣本集輸入到貝葉斯支持向量數據描述模型中，對模型中的所有參數進行更新；
(3c)計算在當前迭代次數t下的變分下界LB(t)，并判斷下界是否收斂：
當|LB(t)-LB(t-1)|/|LB(t-1)|＞ξ，則認為下界不收斂，重復步驟(3b)，其中t為迭代次數，LB(t)為第t次的變分下界，LB(t-1)為第t-1次的變分下界；
當|LB(t)-LB(t-1)|/|LB(t-1)|≤ξ，則認為下界收斂，將當前參數取值作為模型的解，得到訓練好的貝葉斯支持向量數據描述模型；
(4)將歸一化后的測試樣本集中所有樣本輸入到訓練好的貝葉斯支持向量數據描述模型中進行目標識別，得到測試樣本集所有樣本的分類標簽，庫內為1，庫外為-1。
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西安電子科技大學，未經西安電子科技大學許可，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/202010003876.7/1.html，轉載請聲明來源鉆瓜專利網。
