CN107037417A - 雷达真假目标一维像非线性最近邻子空间特征提取方法 - Google Patents

雷达真假目标一维像非线性最近邻子空间特征提取方法 Download PDF

Info

Publication number
CN107037417A
CN107037417A CN201710440960.3A CN201710440960A CN107037417A CN 107037417 A CN107037417 A CN 107037417A CN 201710440960 A CN201710440960 A CN 201710440960A CN 107037417 A CN107037417 A CN 107037417A
Authority
CN
China
Prior art keywords
vector
nearest neighbor
nonlinear
linear
class
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710440960.3A
Other languages
English (en)
Other versions
CN107037417B (zh
Inventor
周代英
张瑛
廖阔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201710440960.3A priority Critical patent/CN107037417B/zh
Publication of CN107037417A publication Critical patent/CN107037417A/zh
Application granted granted Critical
Publication of CN107037417B publication Critical patent/CN107037417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于雷达技术领域，尤其涉及一种真假目标一维距离像正交非线性最近邻子空间的特征提取方法。本发明首先通过一个非线性函数变换，然后在变换空间建立非线性最近邻子空间，由非线性最近邻子空间提取的目标特征能够形成最近邻的类内类间分布结构，另外，可以获得一个最有利于分类的子空间维数，从而提高目标分类性能。

Description

雷达真假目标一维像非线性最近邻子空间特征提取方法
技术领域
本发明属于雷达技术领域，尤其涉及一种真假目标一维距离像正交非线性最近邻子空间的特征提取方法。
背景技术
线性判别子空间方法是经典的子空间方法，广泛应用于图像识别、人脸识别中，在雷达目标一维距离像识别中也取得了良好的识别效果。但是在大的目标姿态解范围内及复杂的电磁环境下，一维距离像分布会出现明显的非线性，将造成这些线性子空间方法的识别性能下降。
为此，在线性判别子空间方法的基础上，引入核函数来解决一维距离像中出现的非线性问题，称为基于核函数的非线性判别子空间方法，由于有效描述了一维距离像中的非线性，因此，基于核函数的非线性判别子空间方法的识别性能有了一定的改善。
但是，非线性判别子空间方法主要从宏观上描述非线性类内类间分布结构的最优性，只具有全局最优性，同时，非线性判别子空间的维数不能超过目标类别数减一，太少的目标类别数可能会造成非线性特征中的分类信息的损失。因此，非线性判别子空间特征提取方法的识别性能有改善的余地。
发明内容
本发明的目的在于提供一种雷达真假目标一维距离像非线性最近邻子空间的特征提取方法。本发明方法能够在变换空间构建最近邻的非线性类内类间分布结构，突破了特征矢量长度的限制。
本发明的技术方案为：
首先通过一个非线性函数变换，然后在变换空间建立非线性最近邻子空间，由非线性最近邻子空间提取的目标特征能够形成最近邻的类内类间分布结构，另外，可以获得一个最有利于分类的子空间维数，从而提高目标分类性能。
一种雷达真假目标一维像非线性最近邻子空间特征提取方法，具体步骤如下：
S1、设n维列矢量xij为第i类真假目标的第j个训练一维距离像,其中，1≤i≤g，1≤j≤Ni，Ni为第i类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数，n是正整数；
S2、在变换空间F，定义的最近邻类内非线性样本和最近邻类外非线性样本分别为和则对应的最近邻非线性类内矢量最近邻非线性类间矢量其中，是xij经非线性映射函数映射到高维空间的矢量，||·||p为p范数，p≥0，为对应的最近邻类内非线性样本,为对应的最近邻类外非线性样本，|·|表示矢量元素取绝对值，r＝1,2,…,Ni，1≤k≤g,k≠i,1≤r≤Nk；
S3、令a为任意的n′维列矢量，最近邻非线性类内矢量和最近邻非线性类间矢量向矢量a投影，计算两投影矢量的幅度平方差值其中，为各训练样本的最近邻非线性类内矩阵，为各训练样本的最近邻非线性类间矩阵；
S4、由于非线性映射函数没有具体的解析式，不可能从上式的f表达式中直接求取使f最大的矢量a，因此，采用以下方法求解，即将f的表达式进行变换成能够求解的形式。令则可以得到其中，αrl是系数，k(xrl,xij)为非线性函数，
S5、求使f极大的矢量α：S4所述式子两边对矢量α求导，令结果等于零，则化简可得方程其中，λ为数值，α为λ对应的向量；
S6、获取非线性最近邻子空间的坐标轴：设方程中前m个最大非零λ值对应的向量为α1,α2,…,αm，将其代入S4所述中，可得其中，m≤N，k＝1,2,…,m；
S7、计算非线性邻近子像特征：将S6所述ak中的m个向量组成矩阵，即可得到非线性最近邻子空间则在子空间A的非线性邻近子像特征yij为
本发明的有益效果是：
本发明方法能够在变换空间构建最近邻的非线性类内类间分布结构，突破了特征矢量长度的限制，克服非线性判别子空间方法的缺陷，有效改善了对雷达真假目标的分类性能。
具体实施方式
下面结合具体实施例对本发明进行说明。
设计四种点目标：真目标、碎片、轻诱饵和重诱饵。雷达发射脉冲的带宽为1000MHZ(距离分辨率为0.15m,雷达径向取样间隔为0.075m),目标设置为均匀散射点目标，真目标的散射点为7，其余三目标的散射点数均为11。在目标姿态角为0°～70°范围内每隔1°的一维距离像中，取目标姿态角为0°、2°、4°、6°、...、70°的一维距离像进行训练,其余姿态角的一维距离像作为测试数据,则每类目标有35个测试样本。在实验中，非线性核函数为高斯核函数其中σ2＝4.6。实验表明，对其它核函数，本文的非线性最近邻子空间特征提取方法同样适用。
对四种目标(真目标、碎片、轻诱饵和重诱饵)，在姿态角0o～70o范围内,利用本文的非线性最近邻子空间特征提取方法和基于核函数的非线性子空间特征提取方法进行了识别实验，结果如表一所示。
具体提取方法如下：
S1、设n维列矢量xij为第i类真假目标的第j个训练一维距离像,其中，1≤i≤g，1≤j≤Ni，Ni为第i类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数，n是正整数；
S2、在变换空间F，定义(是xij经非线性映射函数映射到高维空间的矢量)的最近邻类内非线性样本和最近邻类外非线性样本为和则对应的最近邻非线性类内矢量最近邻非线性类间矢量其中，||·||p为p范数(p≥0)，为对应的最近邻类内非线性样本,为对应的最近邻类外非线性样本，|·|表示矢量元素取绝对值，r＝1,2,…,Ni，1≤k≤g,k≠i,1≤r≤Nk；
S3、令a为任意的n′维列矢量，最近邻非线性类内矢量和最近邻非线性类间矢量向矢量a投影，计算两投影矢量的幅度平方差值其中，为各训练样本的最近邻非线性类内矩阵，为各训练样本的最近邻非线性类间矩阵；
S4、由于非线性映射函数没有具体的解析式，不可能从上式的f表达式中直接求取使f最大的矢量a，因此，采用以下方法求解，即将f的表达式进行变换成能够求解的形式。令和则可以得到其中，αrl是系数，k(xrl,xij)为非线性函数，
S5、求使f极大的矢量α：S4所述式子两边对矢量α求导,令结果等于零，则化简可得方程其中，λ为数值，α为λ对应的向量；
S6、获取非线性最近邻子空间的坐标轴：设方程中前m个最大非零λ值对应的向量为α1,α2,…,αm，将其代入S4所述中，可得其中，m≤N，k＝1,2,…,m；
S7、计算非线性邻近子像特征：将S6所述ak中的m个向量组成矩阵，即可得到非线性最近邻子空间则在子空间A的非线性邻近子像特征yij为
从表一可见，对真目标，非线性判别子空间特征提取法的识别率为83％，而本文的非线性最近邻子空间识特征提取方法的识别率为97％；对碎片，非线性判别子空间特征提取法的识别率为81％，而本文的非线性最近邻子空间特征提取方法的识别率为84％；对轻诱饵，非线性判别子空间特征提取法的识别率为75％，而本文的非线性最近邻子空间特征提取方法的识别率为82％；对重诱饵，非线性判别子空间特征提取法的识别率为82％，而本文的非线性最近邻子空间特征提取方法的识别率为86％。平均而言，对四类目标，本文的非线性最近邻子空间特征提取方法的正确识别率高于非线性正则子空间特征提取法，说明本文的非线性最近邻子空间特征提取方法的确能改善多类目标的识别性能。
表一 两种方法的识别结果

Claims (1)

1.一种雷达真假目标一维像非线性最近邻子空间特征提取方法，其特征在于，具体步骤如下：
S1、设n维列矢量xij为第i类真假目标的第j个训练一维距离像,其中，1≤i≤g，1≤j≤Ni，Ni为第i类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数，n是正整数；
S2、在变换空间F，定义的最近邻类内非线性样本和最近邻类外非线性样本分别为和则对应的最近邻非线性类内矢量最近邻非线性类间矢量其中，是xij经非线性映射函数映射到高维空间的矢量，||·||p为p范数，p≥0，为对应的最近邻类内非线性样本,为对应的最近邻类外非线性样本，|·|表示矢量元素取绝对值，r＝1,2,…,Ni，1≤k≤g,k≠i,1≤r≤Nk；
S3、令a为任意的n′维列矢量，最近邻非线性类内矢量和最近邻非线性类间矢量向矢量a投影，计算两投影矢量的幅度平方差值
其中，
为各训练样本的最近邻非线性类内矩阵，
为各训练样本的最近邻非线性类间矩阵；
S4、由于非线性映射函数没有具体的解析式，不可能从上式的f表达式中直接求取使f最大的矢量a，因此，采用以下方法求解，即将f的表达式进行变换成能够求解的形式。令则可以得到其中，αrl是系数，k(xrl,xij)为非线性函数，
S5、求使f极大的矢量α：S4所述式子两边对矢量α求导，令结果等于零，则化简可得方程其中，λ为数值，α为λ对应的向量；
S6、获取非线性最近邻子空间的坐标轴：设方程中前m个最大非零λ值对应的向量为α1,α2,…,αm，将其代入S4所述中，可得其中，m≤N，k＝1,2,…,m；
S7、计算非线性邻近子像特征：将S6所述ak中的m个向量组成矩阵，即可得到非线性最近邻子空间则在子空间A的非线性邻近子像特征yij为
CN201710440960.3A 2017-06-13 2017-06-13 雷达真假目标一维像非线性最近邻子空间特征提取方法 Active CN107037417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710440960.3A CN107037417B (zh) 2017-06-13 2017-06-13 雷达真假目标一维像非线性最近邻子空间特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710440960.3A CN107037417B (zh) 2017-06-13 2017-06-13 雷达真假目标一维像非线性最近邻子空间特征提取方法

Publications (2)

Publication Number Publication Date
CN107037417A true CN107037417A (zh) 2017-08-11
CN107037417B CN107037417B (zh) 2019-08-23

Family

ID=59541107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710440960.3A Active CN107037417B (zh) 2017-06-13 2017-06-13 雷达真假目标一维像非线性最近邻子空间特征提取方法

Country Status (1)

Country Link
CN (1) CN107037417B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107678006A (zh) * 2017-09-06 2018-02-09 电子科技大学 一种最大间隔子空间的雷达真假目标一维距离像特征提取方法
CN108549065A (zh) * 2018-07-25 2018-09-18 电子科技大学 一种近邻结构保持真假目标rcs序列特征提取方法
CN108710113A (zh) * 2018-04-10 2018-10-26 电子科技大学 一种真假目标特征提取方法
CN108828533A (zh) * 2018-04-26 2018-11-16 电子科技大学 一种类内样本相似结构保持非线性投影特征提取方法
CN108845303A (zh) * 2018-08-27 2018-11-20 电子科技大学 一种非线性稳健子空间真假目标特征提取方法
CN108845302A (zh) * 2018-08-23 2018-11-20 电子科技大学 一种k近邻变换真假目标特征提取方法
CN113962298A (zh) * 2021-10-14 2022-01-21 电子科技大学 一种低秩判别子空间真假目标一维距离像特征提取方法
CN113960580A (zh) * 2021-10-14 2022-01-21 电子科技大学 一种真假目标一维距离像的变换域不变特征提取方法
CN114936597A (zh) * 2022-05-20 2022-08-23 电子科技大学 一种局部信息增强子空间真假目标特征提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675787A (zh) * 2013-12-03 2014-03-26 电子科技大学 一种雷达目标一维距离像最优正交非线性子空间识别方法
CN103886337A (zh) * 2014-04-10 2014-06-25 西安电子科技大学 基于多稀疏描述的最近邻子空间sar目标识别方法
CN104077610A (zh) * 2014-07-10 2014-10-01 电子科技大学 二维非线性投影特征的sar图像目标识别的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675787A (zh) * 2013-12-03 2014-03-26 电子科技大学 一种雷达目标一维距离像最优正交非线性子空间识别方法
CN103886337A (zh) * 2014-04-10 2014-06-25 西安电子科技大学 基于多稀疏描述的最近邻子空间sar目标识别方法
CN104077610A (zh) * 2014-07-10 2014-10-01 电子科技大学 二维非线性投影特征的sar图像目标识别的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DAIYING ZHOU ET AL.: "Recognition of Radar Target Based on Kernel Projection Subspace using Range Profiles", 《2007 INTERNATIONAL CONFERENCE ON MICROWAVE AND MILLIMETER WAVE TECHNOLOGY》 *
周代英: "非线性正则子空间法雷达目标一维距离像识别", 《信号处理》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107678006A (zh) * 2017-09-06 2018-02-09 电子科技大学 一种最大间隔子空间的雷达真假目标一维距离像特征提取方法
CN108710113A (zh) * 2018-04-10 2018-10-26 电子科技大学 一种真假目标特征提取方法
CN108828533B (zh) * 2018-04-26 2021-12-31 电子科技大学 一种类内样本相似结构保持非线性投影特征提取方法
CN108828533A (zh) * 2018-04-26 2018-11-16 电子科技大学 一种类内样本相似结构保持非线性投影特征提取方法
CN108549065B (zh) * 2018-07-25 2021-06-04 电子科技大学 一种近邻结构保持真假目标rcs序列特征提取方法
CN108549065A (zh) * 2018-07-25 2018-09-18 电子科技大学 一种近邻结构保持真假目标rcs序列特征提取方法
CN108845302A (zh) * 2018-08-23 2018-11-20 电子科技大学 一种k近邻变换真假目标特征提取方法
CN108845303A (zh) * 2018-08-27 2018-11-20 电子科技大学 一种非线性稳健子空间真假目标特征提取方法
CN108845303B (zh) * 2018-08-27 2022-03-15 电子科技大学 一种非线性稳健子空间真假目标特征提取方法
CN113962298A (zh) * 2021-10-14 2022-01-21 电子科技大学 一种低秩判别子空间真假目标一维距离像特征提取方法
CN113960580A (zh) * 2021-10-14 2022-01-21 电子科技大学 一种真假目标一维距离像的变换域不变特征提取方法
CN113962298B (zh) * 2021-10-14 2023-04-28 电子科技大学 一种低秩判别子空间真假目标一维距离像特征提取方法
CN114936597A (zh) * 2022-05-20 2022-08-23 电子科技大学 一种局部信息增强子空间真假目标特征提取方法
CN114936597B (zh) * 2022-05-20 2023-04-07 电子科技大学 一种局部信息增强子空间真假目标特征提取方法

Also Published As

Publication number Publication date
CN107037417B (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN107037417B (zh) 雷达真假目标一维像非线性最近邻子空间特征提取方法
CN107238822B (zh) 真假目标一维距离像正交非线性子空间特征提取方法
CN108761411B (zh) 一种真假目标一维距离像特征提取方法
CN107271965B (zh) 类聚集子空间的真假目标一维距离像特征提取方法
CN107247969B (zh) 基于Gauss诱导核的模糊c均值聚类算法
CN110007286B (zh) 一种线性判别学习真假目标一维距离像特征提取方法
CN108845303B (zh) 一种非线性稳健子空间真假目标特征提取方法
CN108845302B (zh) 一种k近邻变换真假目标特征提取方法
CN109117739A (zh) 一种基于邻域样本定向鉴别投影特征提取方法
CN106874932B (zh) 基于快速稀疏描述的sar目标型号识别方法
CN108594202B (zh) 一种邻域分布结构非线性投影目标特征提取方法
CN106897730B (zh) 基于融合类别信息与局部保持投影的sar目标型号识别方法
CN106199544B (zh) 基于核鉴别局部切空间排列的雷达目标距离像识别方法
CN105893945B (zh) 一种遥感图像目标识别方法
CN108828574B (zh) 一种类间分离增强子空间真假目标特征提取方法
CN107678007B (zh) 一种指数域紧密子空间的雷达真假目标一维距离像特征提取方法
CN105354584B (zh) 基于波段不相似性的高光谱数据波段表征选择方法
CN107403136B (zh) 基于结构保持字典学习的sar目标型号识别方法
CN104732190B (zh) 一种基于正交纹理相关分析的合成孔径声纳目标检测方法
Yue et al. A man-made target extraction method based on scattering characteristics using multiaspect SAR data
Li et al. A new framework of hyperspectral image classification based on spatial spectral interest point
CN106033545B (zh) 行列式点过程的波段选择方法
CN110135444B (zh) 一种目标库属性一维像判别最优本征子空间特征提取方法
CN110780270B (zh) 一种目标库属性判别局部正则学习子空间特征提取方法
CN106127224A (zh) 基于快速拍卖图的半监督极化sar分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant