[發(fā)明專利]基于蒙德里安森林的空中微動目標(biāo)分類在線建庫方法

在審

• 申請?zhí)枺?/td>: 202110589218.5
• 申請日: 2021-05-28
• 公開（公告）號: CN113325380A
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 丁軍;王鵬輝;司景元;劉宏偉;陳渤;糾博
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 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(yè)專利中心 61205
• 代理人: 王品華;李勇軍

本發(fā)明公開了一種基于蒙德里安森林的空中微動目標(biāo)分類在線建庫方法，主要解決現(xiàn)有技術(shù)無法利用新樣本集快速提升RF模型的分類性能，浪費(fèi)人力物力資源的問題。其實(shí)現(xiàn)方案是：生成初始訓(xùn)練樣本集、新增訓(xùn)練樣本集、測試樣本集，并分別對其進(jìn)行特征提取，獲得初始訓(xùn)練樣本集的特征矩陣、新增訓(xùn)練樣本集的特征矩陣、測試樣本集的特征矩陣；將初始訓(xùn)練樣本集的特征矩陣輸入到MF分類器進(jìn)行訓(xùn)練，得到預(yù)訓(xùn)練模型；利用新增訓(xùn)練樣本集的特征矩陣，更新預(yù)訓(xùn)練模型獲得新模型；將測試樣本集的特征矩陣輸入到新模型，得到測試樣本集的分類結(jié)果。本發(fā)明利用新樣本集高效地更新MF模型，提升了對空中飛機(jī)目標(biāo)的分類正確率，可用于目標(biāo)識別。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，更進(jìn)一步涉及一種空中微動目標(biāo)分類在線建庫方法，可用于對空中飛機(jī)目標(biāo)分類的原MF模型進(jìn)行實(shí)時(shí)、自動地更新，提升雷達(dá)的自動化和智能化水平。

背景技術(shù)

直升機(jī)、螺旋槳飛機(jī)和噴氣式飛機(jī)微動部件的物理結(jié)構(gòu)和運(yùn)動參數(shù)各不相同，會對雷達(dá)回波產(chǎn)生不同的微多普勒調(diào)制。通過提取突顯三類飛機(jī)微多普勒調(diào)制差異的特征，將其輸入到設(shè)計(jì)好的分類器模型進(jìn)行訓(xùn)練，可以完成空中飛機(jī)目標(biāo)分類任務(wù)。首先，窄帶雷達(dá)工作中，采集的每個(gè)樣本需要成百上千個(gè)脈沖積累，因此短時(shí)間內(nèi)獲得的樣本總數(shù)較少。其次，飛機(jī)在運(yùn)動過程中，由于姿態(tài)和距離不斷變化，導(dǎo)致樣本在空間中非線性分布。而隨機(jī)森林RF模型是若干分類決策樹組成的集合，可有效解決小樣本、非線性分類問題。因此，RF模型常被用于空中飛機(jī)目標(biāo)分類任務(wù)。然而實(shí)際工作中，前期難以獲得充足且完備的訓(xùn)練數(shù)據(jù)庫，限制了對空中飛機(jī)目標(biāo)的分類性能。現(xiàn)有基于微多普勒效應(yīng)的空中飛機(jī)目標(biāo)分類方法需要定期將新采集到的樣本與原樣本集合并為新訓(xùn)練樣本集，重新訓(xùn)練RF模型，從而完成模型的更新。但該方法需要頻繁的人工干預(yù)，并且無法在新樣本到來時(shí)，及時(shí)完成對模型的更新。一種更可行的思路是使用具有在線學(xué)習(xí)能力的分類器模型。當(dāng)新樣本到來時(shí)，自動更新現(xiàn)有模型，提升其對空中飛機(jī)目標(biāo)的分類正確率。

李瑋璐學(xué)者在發(fā)表的“基于JEM效應(yīng)的飛機(jī)目標(biāo)分類方法研究”中介紹了基于微多普勒效應(yīng)的飛機(jī)目標(biāo)分類方法。該方法的具體步驟是：第一步，獲取充足且完備的雷達(dá)回波目標(biāo)微動信號作為訓(xùn)練樣本集；第二步，對各訓(xùn)練樣本進(jìn)行特征提取；第三步，利用訓(xùn)練樣本集的特征矩陣訓(xùn)練RF模型；第四步，獲取雷達(dá)回波目標(biāo)微動信號作為測試樣本集；第五步，對各測試樣本進(jìn)行特征提取；第六步，將測試樣本集的特征矩陣輸入訓(xùn)練好的RF模型得到分類結(jié)果。

該方法一方面直接利用新增訓(xùn)練樣本集訓(xùn)練RF模型，可以在采集到新增訓(xùn)練樣本集時(shí)，將該樣本集的特征矩陣輸入到RF模型進(jìn)行訓(xùn)練，快速更新現(xiàn)有模型，提高學(xué)習(xí)效率。另一方面，將初始訓(xùn)練樣本集和新增訓(xùn)練樣本集合并為新訓(xùn)練集，將新訓(xùn)練集的特征矩陣輸入到RF模型進(jìn)行訓(xùn)練，由于該訓(xùn)練集具有飛機(jī)目標(biāo)樣本在特征空間中相對完備的分布信息，因此學(xué)得的RF模型具有良好的分類性能。但是該方法存在兩方面的不足：一是由于新增訓(xùn)練樣本集中包含的樣本較少，不能反映飛機(jī)目標(biāo)在特征空間中的真實(shí)分布情況，若直接利用新增訓(xùn)練樣本集訓(xùn)練RF模型，所得RF模型的分類性能較差，不能提升現(xiàn)有模型的分類性能；二是當(dāng)采集到足夠的新樣本時(shí)，需要工作人員定期合并新舊樣本集，再重新訓(xùn)練分類模型，將導(dǎo)致學(xué)習(xí)效率低下且浪費(fèi)人力物力資源。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于蒙德里安森林的空中微動目標(biāo)分類在線建庫方法，以避免頻繁的人工干預(yù)，節(jié)省時(shí)間空間資源，迅速更新現(xiàn)有模型，提升其分類性能。

實(shí)現(xiàn)本發(fā)明目的技術(shù)方案包括如下：

建立包含微動目標(biāo)雷達(dá)回波信號的初始訓(xùn)練樣本集，并對其進(jìn)行特征提取，得到初始訓(xùn)練樣本集的特征矩陣F_O；

建立包含微動目標(biāo)雷達(dá)回波信號的新增訓(xùn)練樣本集，并對其進(jìn)行特征提取，得到新增訓(xùn)練樣本集的特征矩陣F_I；

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