本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，尤其涉及一種類聚集真假目標(biāo)一維距離像特征提取方法。

背景技術(shù)：

在雷達(dá)目標(biāo)一維距離像識(shí)別中，主分量分析子空間是由數(shù)據(jù)協(xié)方差矩陣的主分量構(gòu)成，能夠很好地表示目標(biāo)數(shù)據(jù)的主要能量，但從分類上講不是最優(yōu)的。而判別矢量子空間法能夠減小同類之間的差異，同時(shí)增大異類之間的差異，在分類性能上比主分量子空間法有了一定的改善。

但是，當(dāng)同類目標(biāo)的數(shù)據(jù)分布很分散，導(dǎo)致異類目標(biāo)數(shù)據(jù)分布出現(xiàn)嚴(yán)重的交疊，將造成判別矢量子空間法的識(shí)別性會(huì)明顯下降，其至無法識(shí)別。因此，判別矢量子空間法的識(shí)別性能有進(jìn)一步改善的余地。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種類聚集子空間的真假目標(biāo)一維距離像特征提取方法。該方法能夠使同類目標(biāo)特征更加緊密，而異類目標(biāo)特征之間的分離更大，克服常規(guī)判別子空間方法的缺陷，即使在不同目標(biāo)數(shù)據(jù)分布出現(xiàn)較嚴(yán)重的交疊，仍然能夠獲得好的識(shí)別效果，有效改善了對雷達(dá)真假目標(biāo)的分類性能。

一種類聚集子空間的真假目標(biāo)一維距離像特征提取方法，具體步驟如下：

s1、設(shè)g類目標(biāo)的訓(xùn)練一維距離像數(shù)據(jù)按列組成矩陣其中列矢量xij為第i類真假目標(biāo)的第j個(gè)訓(xùn)練一維距離像(n維),1≤i≤g，1≤j≤ni，ni為第i類真假目標(biāo)的訓(xùn)練一維距離像樣本數(shù)，n為訓(xùn)練一維距離像樣本總數(shù)，n是正整數(shù)；

s2、將s1所述xij向矩陣w投影，得到投影矢量yij＝w^txij；

s3、在投影矢量空間，計(jì)算類內(nèi)距離和類間距離的加權(quán)和sum，其中，sum中第一項(xiàng)是類內(nèi)距離加權(quán)和，第二項(xiàng)為類間距離加權(quán)和；

s4、將s1所述代入s3所述sum中，可得

化簡得到sum＝tr(w^tx(d-s)x^tw)，其中，sij,ik和sij,rk分別對應(yīng)類內(nèi)距離加權(quán)系數(shù)和類間距離加權(quán)系數(shù)，d為對角矩陣，其對角元素為s是由權(quán)系數(shù)構(gòu)成的矩陣x是s1所述的矩陣；

s5、令h＝x(d-s)x^t，則sum＝tr(w^thw)，為了限制權(quán)值，加入條件得到y(tǒng)^tly＝1，其中，

s6、將s4所述sum＝tr(w^tx(d-s)x^tw)轉(zhuǎn)換成矩陣的跡表示，即tr(yly^t)＝1，結(jié)合s1所述可得tr(w^txlx^tw)＝1，其中，tr(*)是取矩陣的跡；

s7、令pl＝xlx^t，求mintr((w^tplw)^-1(w^tphw))，具體為：對mintr((w^tplw)^-1(w^tphw))取w的偏導(dǎo)，令其等于零，得取非零特征值對應(yīng)的廣義特征向量構(gòu)成類聚集子空間w＝[w1w2…wm]，則獲得任意的真假目標(biāo)一維距離像xt的特征矢量yt。

本發(fā)明的有益效果是：

通過訓(xùn)練樣本建立類聚集子空間，利用類聚集子空間提取特征，能夠增大同類目標(biāo)內(nèi)的聚集度，降低異類目標(biāo)之間的交疊，從而提高目標(biāo)識(shí)別性能，對四類仿真目標(biāo)的數(shù)據(jù)進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了方法的有效性。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對本發(fā)明進(jìn)行說明。

設(shè)計(jì)四種點(diǎn)目標(biāo)：真目標(biāo)、碎片、輕誘餌和重誘餌。雷達(dá)發(fā)射脈沖的帶寬為1000mhz(距離分辨率為0.15m,雷達(dá)徑向取樣間隔為0.075m),目標(biāo)設(shè)置為均勻散射點(diǎn)目標(biāo)，真目標(biāo)的散射點(diǎn)為7，其余三目標(biāo)的散射點(diǎn)數(shù)均為11。在目標(biāo)姿態(tài)角為0°～60°范圍內(nèi)每隔1°的一維距離像中，取目標(biāo)姿態(tài)角為0°、2°、4°、6°、...、60°的一維距離像進(jìn)行訓(xùn)練,其余姿態(tài)角的一維距離像作為測試數(shù)據(jù),則每類目標(biāo)有30個(gè)測試樣本。

對四種目標(biāo)(真目標(biāo)、碎片、輕誘餌和重誘餌)，在姿態(tài)角0o～60o范圍內(nèi),利用本發(fā)明的類聚集子空間特征提取方法和基于主分量分析子空間特征提取方法進(jìn)行了識(shí)別實(shí)驗(yàn)，結(jié)果如表一所示。

特征提取方法具體為：

s1、設(shè)g類目標(biāo)的訓(xùn)練一維距離像數(shù)據(jù)按列組成矩陣其中列矢量xij為第i類真假目標(biāo)的第j個(gè)訓(xùn)練一維距離像(n維),1≤i≤g，1≤j≤ni，ni為第i類真假目標(biāo)的訓(xùn)練一維距離像樣本數(shù)，n為訓(xùn)練一維距離像樣本總數(shù)，n是正整數(shù)；

s2、將s1所述xij向矩陣w投影，得到投影矢量yij＝w^txij；

s3、在投影矢量空間，計(jì)算類內(nèi)距離和類間距離的加權(quán)和sum，其中，sum中第一項(xiàng)是類內(nèi)距離加權(quán)和，第二項(xiàng)為類間距離加權(quán)和；

s4、將s1所述代入s3所述sum中，可得

化簡得到sum＝tr(w^tx(d-s)x^tw)，其中，sij,ik和sij,rk分別對應(yīng)類內(nèi)距離加權(quán)系數(shù)和類間距離加權(quán)系數(shù)，d為對角矩陣，其對角元素為s是由權(quán)系數(shù)構(gòu)成的矩陣x是s1所述的矩陣；

s5、令h＝x(d-s)x^t，則sum＝tr(w^thw)，為了限制權(quán)值，加入條件得到y(tǒng)^tly＝1，其中，

s6、將s4所述sum＝tr(w^tx(d-s)x^tw)(tr(*)是取矩陣的跡)轉(zhuǎn)換成矩陣的跡表示，即tr(yly^t)＝1，結(jié)合s1所述可得tr(w^txlx^tw)＝1；

s7、令pl＝xlx^t，求mintr((w^tplw)^-1(w^tphw))，具體為：對mintr((w^tplw)^-1(w^tphw))取w的偏導(dǎo)，令其等于零，得取非零特征值對應(yīng)的廣義特征向量構(gòu)成類聚集子空間w＝[w1w2…wm]，則獲得任意的真假目標(biāo)一維距離像xt的特征矢量yt。

從表一可見，對真目標(biāo)，判別矢量子空間特征提取法的識(shí)別率為81％，而本文的類聚集子空間識(shí)特征提取方法的識(shí)別率為95％；對碎片，判別矢量子空間特征提取法的識(shí)別率為78％，而本文的類聚集子空間特征提取方法的識(shí)別率為84％；對輕誘餌，判別矢量子空間特征提取法的識(shí)別率為80％，而本文的類聚集子空間特征提取方法的識(shí)別率為86％；對重誘餌，判別矢量子空間特征提取法的識(shí)別率為85％，而本文的類聚集子空間特征提取方法的識(shí)別率為87％。平均而言，對四類目標(biāo)，本文的類聚集子空間特征提取方法的正確識(shí)別率高于判別矢量子空間特征提取法，說明本文的類聚集子空間特征提取方法的確能改善多類目標(biāo)的識(shí)別性能。

表一兩種方法的識(shí)別結(jié)果