[發明專利]一種知識輔助多分類器融合的極窄脈沖雷達目標識別方法

在審

• 申請號: 202211494295.3
• 申請日: 2022-11-25
• 公開（公告）號: CN116049712A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 王彥華;劉藝辰;張亮;李陽;胡雪瑤
• 申請（專利權）人: 北京理工大學
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/25;G06F18/214;G06F18/22;G06F30/20
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 張麗娜

1.一種知識輔助多分類器融合的極窄脈沖雷達目標識別方法，其特征在于步驟包括：

步驟1，基于目標極窄脈沖回波數據提取目標的多維度特征數據集，并將提取的多維度特征數據集劃分為訓練集和測試集；

步驟2，建立目標類別之間的概念相似度矩陣；

步驟3，根據類別相似度矩陣構建樹形層次結構H；

步驟4，根據步驟1中劃分的訓練集選擇步驟3構建的樹形層次結構H的各分類節點的分類任務的特征子集，并將選擇的所有特征子集構成特征集合M；

步驟5，將多個基分類器按照樹形層次結構H組織成多分類器系統，并將步驟4中提取的特征子集輸入到各基分類器中，并在各基分類器中對特征子集進行訓練與參數優化，得到訓練與參數優化后的多分類器系統；

步驟6，將步驟1劃分的測試集輸入到步驟5中訓練與參數優化后的多分類器系統中進行目標識別，完成知識輔助多分類器融合的極窄脈沖雷達目標識別。

2.根據權利要求1所述的一種知識輔助多分類器融合的極窄脈沖雷達目標識別方法，其特征在于：

所述的步驟1中，手動提取目標的多維度特征，多維度特征包括極化特征、高分辨特征、尺度特征和頻率特征。

3.根據權利要求1或2所述的一種知識輔助多分類器融合的極窄脈沖雷達目標識別方法，其特征在于：

所述的步驟2中，將目標類別概念信息作為先驗知識建立目標類別之間的概念相似度矩陣。

4.根據權利要求3所述的一種知識輔助多分類器融合的極窄脈沖雷達目標識別方法，其特征在于：

所述的步驟2中，建立目標類別之間的概念相似度矩陣的方法為：

第一步，根據識別任務需求確定目標類別概念知識，將場景中的雷達目標識別任務分解為三個層次；

第二步，將第一步確定類別概念知識表示為概念相似度矩陣，依據節點在樹形結構中的距離遠近來判定不同類別的概念相似關系，兩節點在樹形結構中的距離越近，即從根節點出發，到達兩節點路徑的公共節點越多，說明兩節點存儲類別的概念相似度越大；兩節點在樹形結構中的距離越遠，即從根節點出發，到達兩節點路徑的公共節點越少，概念相似度越小，任意兩種類別之間的概念相似度在(0,1]之間，對于類別A₁和類別B₁，將兩者之間的概念相似度計算公式表示如下：

其中，path(A₁)表示從根節點到包含有類別A₁的節點的路徑，pat(B₁)表示從根節點到包含有類別B₁的節點的路徑，path(A₁∩B₁)表示兩條路徑的公共節點，length(·)表示路徑的節點個數；

獲得一個對稱的維數為C×C的概念相似度矩陣K_c，C為目標類別數。