[發明專利]基于蒙德里安森林的空中微動目標分類在線建庫方法

在審

• 申請號: 202110589218.5
• 申請日: 2021-05-28
• 公開（公告）號: CN113325380A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 丁軍;王鵬輝;司景元;劉宏偉;陳渤;糾博
• 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;G06K9/00;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;李勇軍

1.一種基于蒙德里安森林的空中微動目標分類在線建庫方法，其特征在于，包括：

建立包含微動目標雷達回波信號的初始訓練樣本集，并對其進行特征提取，得到初始訓練樣本集的特征矩陣F_O；

建立包含微動目標雷達回波信號的新增訓練樣本集，并對其進行特征提取，得到新增訓練樣本集的特征矩陣F_I；

建立包含微動目標雷達回波信號的測試樣本集，并對其進行特征提取，得到測試樣本集的特征矩陣F_T；

在蒙德里安森林MF模型中設置A棵蒙德里安樹，10≤A≤50，將初始訓練樣本集的特征矩陣F_O輸入到該MF模型，通過蒙德里安樹生成算法對每棵蒙德里安樹進行訓練，直到訓練完A棵蒙德里安樹，得到預訓練MF模型；

利用新增訓練樣本集的特征矩陣F_I，通過蒙德里安樹擴展算法，對預訓練MF模型中每棵訓練好的蒙德里安樹進行更新，直到更新完A棵蒙德里安樹，得到新的MF模型；

將測試樣本集的特征矩陣F_T輸入到新的MF模型，得到測試樣本集的分類結果。

2.根據權利要求1所述的方法，其特征在于：

所述初始訓練樣本集，包括D個類別的P個微動目標雷達回波信號，D≥3，P≥150；

所述新增訓練樣本集，包括D個類別的P'個微動目標雷達回波信號D≥3，P'≥90；

所述測試樣本集，包括D個類別的Q個微動目標雷達回波信號，D≥3，Q≥1500。

3.根據權利要求1所述的方法，其特征在于：對初始訓練樣本集進行特征提取，得到初始訓練樣本集的特征矩陣F_O，實現如下：

首先，對初始訓練樣本集中P個回波信號分別進行快速傅里葉變換，得到P個初始訓練樣本的多普勒域信號，U_n表示第n個初始訓練樣本的多普勒域信號，n＝1,2,...,P；

接著，按照下式，根據初始訓練樣本的多普勒域信號計算幅值歸一化后初始訓練樣本的多普勒域信號：

其中，X_n(k)表示幅值歸一化后第n個初始訓練樣本的多普勒域信號X_n中第k個點，k＝1,2,...,N，N表示每個多普勒域信號的總點數，U_n(k)表示第n個初始訓練樣本的多普勒域信號U_n中第k個點；

按照下式，根據幅值歸一化后初始訓練樣本的多普勒域信號計算初始訓練樣本的頻域波形熵特征：

其中，E_n表示第n個初始訓練樣本的頻域波形熵特征，X_n(l)表示幅值歸一化后第n個初始訓練樣本的多普勒域信號中第l個點，l＝1,2,...,N；

然后，按照下式，根據幅值歸一化后初始訓練樣本的多普勒域信號計算初始訓練樣本的頻域p階中心矩特征：

其中，Mp_n表示第n個初始訓練樣本的頻域p階中心矩特征，表示幅值歸一化后第n個初始訓練樣本的多普勒域信號的一階原點矩，令p＝2,4,6,8，得到第n個初始訓練樣本的頻域二階中心矩特征M2_n、頻域四階中心矩特征M4_n、頻域六階中心矩特征M6_n、頻域八階中心矩特征M8_n；

最后，根據第n個初始訓練樣本的頻域波形熵特征E_n，頻域二階中心矩特征M2_n、頻域四階中心矩特征M4_n、頻域六階中心矩特征M6_n、頻域八階中心矩特征M8_n，得到初始訓練樣本集中第n個樣本的特征向量F_O,n＝[E_n,M2_n,M4_n,M6_n,M8_n]，由初始訓練樣本集中P個樣本的特征向量組合得到初始訓練樣本集的特征矩陣：

F_O＝[F_O,1；...；F_O,n；...；F_O,P]。