CN107678007B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107678007B
CN107678007B CN201710794782.4A CN201710794782A CN107678007B CN 107678007 B CN107678007 B CN 107678007B CN 201710794782 A CN201710794782 A CN 201710794782A CN 107678007 B CN107678007 B CN 107678007B
Authority
CN
China
Prior art keywords
matrix
subspace
true
range profile
dimensional range
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.)
Active
Application number
CN201710794782.4A
Other languages
English (en)
Other versions
CN107678007A (zh
Inventor
周代英
张瑛
但瑞
李文辉
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 CN201710794782.4A priority Critical patent/CN107678007B/zh
Publication of CN107678007A publication Critical patent/CN107678007A/zh
Application granted granted Critical
Publication of CN107678007B publication Critical patent/CN107678007B/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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了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，属于雷达目标识别技术领域。本发明首先通过一个变换将一维距离像映射到指数域，然后，在指数域建立紧密子空间来提取目标的分类特征。比常规子空间特征，指数域紧密子空间特征的类内分布更加紧密，聚集度更高，进一步减少了不同类目标之间的混迭。本发明用于雷达目标识别，能有效提高目标的分类性能。

Description

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
技术领域
本发明属于雷达目标识别技术领域，具体涉及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。
背景技术
在雷达目标识别技术领域中，雷达目标一维距离像反映了目标散射中心在雷达视线上的分布，体现了目标的形状结构等物理信息，可利用高分辨雷达方便的获取，因此一维维距离像被广泛用于雷达目标识别处理中。
特征子空间法和正则子空间法能够提取到目标的全局特征，具有较好的识别性能，广泛应用于雷达目标一维距离像识别中。另外，判别子空间法通过减少类内聚集度，同时增大类间分离度，提高对目标的识别性能。
但是，由于背景噪声及方位角的影响，造成目标数据在空间分布出现明显的发散，导致不同目标数据的空间分布区域之间严重混迭，使常规子空间特征提取方法的识别性会明显下降。因此，常规子空间法的识别性能有进一步改善的余地。
发明内容
本发明的发明目的在于：针对上述存在的问题，提供一种指数域紧密子空间特征提取方法，本发明通过指数变换，从而进一步减小类内目标的分布区域，使类内分布更加紧密，聚集度更大，进而降低异类目标分布区域之间的混迭，克服常规子空间方法的缺陷，有效改善对雷达真假目标的分类性能。
本发明的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，包括下列步骤：
步骤1：输入关于雷达目标一维距离像的训练样本集。
用xij(n维列矢量)表示训练样本，下标为类别、类别样本区分符，即xij表示训练样本集中第i类真假目标的第j个一维距离像，1≤i≤g，1≤j≤Ni，g表示类别数，Ni表示第i类真假目标的训练样本数，则训练样本总数
Figure GDA0002383952310000011
步骤2：训练指数域紧密子空间矩阵A。
将训练样本xij组成矩阵
Figure GDA0002383952310000012
将训练样本xij向矩阵A映射，得到训练特征向量yij＝ATxij，其中(·)T表示矩阵转置；
将所有训练特征向量yij构成矩阵
Figure GDA0002383952310000027
因此可得Y＝ATX。
在指数域空间，类内聚集和类间分离的加权和
Figure GDA0002383952310000021
其中sij,ik为预设的任意两个训练特征向量间的加权系数(即任意两个训练样本间的加权系数)，e为自然底数，Nr表示第r类真假目标的训练样本数，∏(·)表示各项相乘。
对加权和sum的计算表达式化简可得：
Figure GDA0002383952310000022
则其对应的矩阵形式为
Figure GDA0002383952310000023
其中矩阵Q为：
Figure GDA0002383952310000024
令P＝XQXT，则
Figure GDA0002383952310000025
因而，矩阵A是以下极值问题的解：
Figure GDA0002383952310000026
其中I表示单位矩阵，对其求解可得本征方程：ePai＝λiai，其中λi和ai分别为本征值和对应的本征矢量。
由最小本征值对应的本征矢量组成矩阵A，称为指数域紧密子空间。
步骤3：输入待提取子像特征的雷达真假目标一维距离像x，根据y＝ATx得到一维距离像x的子像特征。
综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明首先通过一个变换将一维距离像映射到指数域，然后，在指数域建立紧密子空间来提取目标的分类特征。比常规子空间特征，指数域紧密子空间特征的类内分布更加紧密，聚集度更高，从而降低了异类目标分布区域之间的混迭，克服了常规子空间方法的缺陷，当应用于雷达真假目标的分类时，能有效改善对雷达真假目标的分类性能。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式，对本发明作进一步地详细描述。
为了验证本发明的有效性，进行如下仿真实验。
设计四种点目标：真实目标、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，真实目标的散射点为7，其余三目标的散射点数均为11。在目标姿态角为0°～80°范围内每隔1°的一维距离像中，取目标姿态角为0°、2°、4°、6°、...、80°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40个测试样本。
对四种目标(真实目标、碎片、轻诱饵和重诱饵)，在姿态角0°～80°范围内,利用本发明的指数域紧密子空间特征提取方法和基于判别子空间特征提取方法进行了识别实验，结果如表一所示。
从表一可见，对真实目标，常规子空间特征提取法的识别率为87％，而本发明的指数域紧密子空间识特征提取方法的识别率为97％；对碎片，常规子空间特征提取法的识别率为82％，而本发明的指数域紧密子空间特征提取方法的识别率为88％；对轻诱饵，常规子空间特征提取法的识别率为85％，而本发明的指数域紧密子空间特征提取方法的识别率为89％；对重诱饵，常规子空间特征提取法的识别率为83％，而本发明的指数域紧密子空间特征提取方法的识别率为90％。平均而言，对四类目标，本发明的指数域紧密子空间特征提取方法的正确识别率高于常规子空间特征提取法，说明本发明的指数域紧密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
Figure GDA0002383952310000031
Figure GDA0002383952310000041
以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (2)

1.一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，其特征在于，包括下列步骤：
步骤1：输入关于雷达目标一维距离像的训练样本集，用xij表示训练样本，类别标识符i＝1,2,…,g，其中g为类别数，类别样本标识符j＝1,2,…,Ni，其中Ni表示第i类真假目标的训练样本数；
步骤2：训练指数域紧密子空间矩阵A：
将训练样本xij组成矩阵
Figure FDA0002383952300000011
其中g表示类别数，Ni表示第i类真假目标的训练样本数；
构建矩阵A的目标方程：
Figure FDA0002383952300000012
其中，矩阵P＝XQXT，I为单位矩阵，e为自然底数，矩阵
Figure FDA0002383952300000013
sij,ij为任意两个训练样本间的加权系数；
对矩阵A的目标方程求解得到本征值和对应的本征矢量，将最小本征值对应的本征矢量组成的矩阵A作为指数域紧密子空间矩阵A；
步骤3：输入待提取子像特征的雷达真假目标一维距离像x，根据y＝ATx得到一维距离像x的子像特征。
2.如权利要求1所述的方法，其特征在于，对矩阵A的目标方程求解过程为：
求解目标方程的本征方程：ePai＝λiai，其中λi和ai分别为本征值和对应的本征矢量；
由最小本征值对应的本征矢量组成矩阵A。
CN201710794782.4A 2017-09-06 2017-09-06 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 Active CN107678007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710794782.4A CN107678007B (zh) 2017-09-06 2017-09-06 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710794782.4A CN107678007B (zh) 2017-09-06 2017-09-06 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

Publications (2)

Publication Number Publication Date
CN107678007A CN107678007A (zh) 2018-02-09
CN107678007B true CN107678007B (zh) 2020-05-12

Family

ID=61134848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710794782.4A Active CN107678007B (zh) 2017-09-06 2017-09-06 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

Country Status (1)

Country Link
CN (1) CN107678007B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108845302B (zh) * 2018-08-23 2022-06-03 电子科技大学 一种k近邻变换真假目标特征提取方法
CN112147605B (zh) * 2020-09-25 2022-08-02 电子科技大学 一种真假目标一维距离像的指数域变换矩特征提取方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1598868A (zh) * 2004-09-06 2005-03-23 南京大学 模式识别中特征提取的一种变换方法
CN101241184A (zh) * 2008-03-12 2008-08-13 电子科技大学 一维距离像的非线性子空间识别方法
CN101369316A (zh) * 2008-07-09 2009-02-18 东华大学 基于全局和局部结构融合的图像特征提取方法
WO2011083299A1 (en) * 2010-01-11 2011-07-14 Bae Systems Plc Method of providing a radar high range resolution profile
KR20130081527A (ko) * 2012-01-09 2013-07-17 포항공과대학교 산학협력단 레이더 신호를 이용한 표적 식별 방법 및 장치
CN103941244A (zh) * 2014-04-23 2014-07-23 电子科技大学 一种雷达目标一维距离像局部最优子空间识别方法
CN106054155A (zh) * 2016-06-03 2016-10-26 西安电子科技大学 基于卷积因子分析模型的雷达高分辨距离像目标识别方法
CN106257488A (zh) * 2016-07-07 2016-12-28 电子科技大学 一种基于邻域特征空间鉴别分析的雷达目标识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1598868A (zh) * 2004-09-06 2005-03-23 南京大学 模式识别中特征提取的一种变换方法
CN101241184A (zh) * 2008-03-12 2008-08-13 电子科技大学 一维距离像的非线性子空间识别方法
CN101369316A (zh) * 2008-07-09 2009-02-18 东华大学 基于全局和局部结构融合的图像特征提取方法
WO2011083299A1 (en) * 2010-01-11 2011-07-14 Bae Systems Plc Method of providing a radar high range resolution profile
KR20130081527A (ko) * 2012-01-09 2013-07-17 포항공과대학교 산학협력단 레이더 신호를 이용한 표적 식별 방법 및 장치
CN103941244A (zh) * 2014-04-23 2014-07-23 电子科技大学 一种雷达目标一维距离像局部最优子空间识别方法
CN106054155A (zh) * 2016-06-03 2016-10-26 西安电子科技大学 基于卷积因子分析模型的雷达高分辨距离像目标识别方法
CN106257488A (zh) * 2016-07-07 2016-12-28 电子科技大学 一种基于邻域特征空间鉴别分析的雷达目标识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
An Effcient Kernel Optimization Method for Radar High-Resolution Range Profile Recognition;Bo Chen等;《EURASIP Journal on Advances in Signal Processing》;20071231;全文 *
Study on radar range profiles for target recognition;Jiang Wenli等;《Proceedings of International Radar Conference》;20020806;全文 *
一种基于类间类内双权重图像分块PCA的人脸识别技术;施志刚;《杭州师范大学学报》;20140131;第13卷(第1期);全文 *
一种模糊加权软子空间聚类;王亮;《高教论述》;20111231;全文 *
雷达目标一维距离像识别研究;周代英;《中国优秀博硕士学位论文全文数据库 信息科技辑》;20020615;全文 *

Also Published As

Publication number Publication date
CN107678007A (zh) 2018-02-09

Similar Documents

Publication Publication Date Title
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
CN107271965B (zh) 类聚集子空间的真假目标一维距离像特征提取方法
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
CN108761411B (zh) 一种真假目标一维距离像特征提取方法
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
CN107977642B (zh) 一种核自适应均值判别分析的高分辨距离像目标识别方法
CN108845302B (zh) 一种k近邻变换真假目标特征提取方法
CN109840542B (zh) 基于极化特征的自适应维度决策树分类方法
CN108845303B (zh) 一种非线性稳健子空间真假目标特征提取方法
CN110687514B (zh) 一种非线性判别学习真假目标一维距离像特征提取方法
CN109117739A (zh) 一种基于邻域样本定向鉴别投影特征提取方法
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
CN108828574B (zh) 一种类间分离增强子空间真假目标特征提取方法
CN108594202B (zh) 一种邻域分布结构非线性投影目标特征提取方法
CN114241233B (zh) 一种非线性类组稀疏表示真假目标一维距离像识别方法
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
CN110068799B (zh) 一种稀疏邻域中心保持rcs序列特征提取方法
Li et al. Multi-scale ships detection in high-resolution remote sensing image via saliency-based region convolutional neural network
CN109948520A (zh) 一种基于多时相双极化sar特征曲线的农作物分类方法
CN116311067A (zh) 基于高维特征图谱的目标综合识别方法、装置及设备
CN106204664B (zh) 基于sar-lark特征的sar舰船目标检测方法
CN110826599B (zh) 一种稀疏表示样本分布边界保持特征提取方法
CN107403136A (zh) 基于结构保持字典学习的sar目标型号识别方法
CN107817490B (zh) 一种帧内最大相似像的雷达一维距离像帧中心提取方法
CN105069401B (zh) 一种sar图像识别方法

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