CN108761411B - 一种真假目标一维距离像特征提取方法 - Google Patents
一种真假目标一维距离像特征提取方法 Download PDFInfo
- Publication number
- CN108761411B CN108761411B CN201810317227.7A CN201810317227A CN108761411B CN 108761411 B CN108761411 B CN 108761411B CN 201810317227 A CN201810317227 A CN 201810317227A CN 108761411 B CN108761411 B CN 108761411B
- Authority
- CN
- China
- Prior art keywords
- matrix
- true
- dimensional
- equal
- target
- 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
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
本发明属于雷达目标识别技术领域,具体的说是一种真假目标一维距离像特征提取方法。该方法通过训练样本建立类间等距子空间,利用类间等距子空间进行映射,能够在特征空间形成类间等距离的目标聚集区域,从而提高目标识别性能,对四类仿真目标的数据进行了仿真实验,实验结果验证了方法的有效性。
Description
技术领域
本发明属于雷达目标识别技术领域,具体的说是一种真假目标一维距离像特征提取方法。
背景技术
特征子空间是由训练一维距离像数据协方差矩阵的主分量构成,能够很好地表示目标数据的主要能量,但不具有最优的分类性能。而判别矢量子空间法能够增大异类目标特征之间的差异,同时减小同类目标特征之间的差异,比特征子空间法的分类性能有了一定的改善。这些子空间在雷达目标一维距离像识别中获得良好的识别效果。
但是,当每类目标的训练数据出现不平衡时,以上这些子空间变换得到的特征区域之间的距离呈现长短不一的分布情况,将造成某些目标的识别率会明显下降,其至无法识别。因此,以上子空间法的识别性能有进一步改善的余地。
发明内容
本发明的目的,就是针对上述问题,提出一种真假目标一维距离像特征提取方法。
本发明的技术方案为:
一种真假目标一维距离像特征提取方法,其特征在于,包括以下步骤:
a、设n维列矢量xij为第ith类真假目标的第jth个训练一维距离像,1≤i≤g,1≤j≤Ni,其中Ni为第ith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,xij对应的类标签矢量为(g-1)维矢量ti;
b、采用类间等距子空间特征提取方法,构建目标函数,具体包括:
b1、将训练一维距离像xij向n×(g-1)维矩阵A投影:
yij=ATxij (1)
其中,yij为投影矢量,T表示矩阵转置;
b2、在投影矢量空间,建立如下目标函数J(A):
其中,λ是调节因子系数,具体数值根据实际需求进行设置;式(2)中的第一项是训练一维像数据投影矢量与对应标签矢量之间的偏差,第二项是投影矩阵A的模平方。上式不明:J(A)越小,一方面投影矢量与对应标签矢量之间的偏差越小,同时投影矩阵A的模平方也变小,从而,既保证了好的类内聚集度,即第ith类目标的特征聚集在ti的周围,同时又降低了对变换矩阵的估计误差,提高了投影矩阵的稳健性;
求解以下极小化方程,可获得最优投影矩阵:
b3、设定ti在特征空间是两两等间距分布,即满足:
其中c为常数,则矩阵Aopt称为类间等间距子空间,利用矩阵迹的运算公式,式(2)变为:
J(A)=tr(TTT+ATXXTA-2ATXTT)+tr(AAT) (5)
其中tr(·)表示矩阵的迹,
T=[t1 … t1 t2 … t2 …] (7)
其中矩阵T中ti的个数等于Ni,式(5)两边对A求偏导并令其等于零,化简可得:
Aopt=(XXT+λI)-1XTT (8)
结合式(1),则获得任意的真假目标一维距离像xt的投影特征矢量yt。
本发明的有益效果为:该方法在训练样本数据出现不平衡时能够获得类间等间距的特征分布状态,克服常规子空间方法的缺陷,即使在不同目标数据集大小出现较严重的失衡的情况下,仍然能够获得好的识别效果,有效改善了对雷达真假目标的分类性能。
具体实施方式
下面结合仿真数据描述本发明的实际应用效果:
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。
对四种目标(真目标、碎片、轻诱饵和重诱饵),在姿态角0°~70°范围内,利用本文的类间等间距子空间特征提取方法和基于特征子空间特征提取方法进行了识别实验,结果如表1所示:
表1两种方法的识别结果
从表1的结果可以看到,对真目标,特征子空间特征提取法的识别率为86%,而本文的类间等间距子空间识特征提取方法的识别率为93%;对碎片,特征子空间特征提取法的识别率为80%,而本文的类间等间距子空间特征提取方法的识别率为86%;对轻诱饵,特征子空间特征提取法的识别率为83%,而本文的类间等间距子空间特征提取方法的识别率为88%;对重诱饵,特征子空间特征提取法的识别率为87%,而本文的类间等间距子空间特征提取方法的识别率为89%。平均而言,对四类目标,本文的类间等间距子空间特征提取方法的正确识别率高于特征子空间特征提取法,说明本文的类间等间距子空间特征提取方法的确能改善多类目标的识别性能。
Claims (1)
1.一种真假目标一维距离像特征提取方法,其特征在于,包括以下步骤:
a、设n维列矢量xij为第ith类真假目标的第jth个训练一维距离像,1≤i≤g,1≤j≤Ni,其中Ni为第ith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,xij对应的类标签矢量为g-1维矢量ti;
b、采用类间等距子空间特征提取方法,构建目标函数,具体包括:
b1、将训练一维距离像xij向n×(g-1)维矩阵A投影:
yij=ATxij (1)
其中,yij为投影矢量,T表示矩阵转置;
b2、在投影矢量空间,建立如下目标函数J(A):
其中,λ是调节因子系数,具体数值根据实际需求进行设置;
求解以下极小化方程,可获得最优投影矩阵:
b3、设定ti在特征空间是两两等间距分布,即满足:
其中c为常数,则矩阵Aopt称为类间等间距子空间,利用矩阵迹的运算公式,式(2)变为:
J(A)=tr(TTT+ATXXTA-2ATXTT)+tr(AAT) (5)
其中tr(·)表示矩阵的迹,
T=[t1 … t1 t2 … t2 …] (7)
其中矩阵T中ti的个数等于Ni,式(5)两边对A求偏导并令其等于零,化简可得:
Aopt=(XXT+λI)-1XTT (8)
结合式(1),则获得任意的真假目标一维距离像xt的投影特征矢量yt。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810317227.7A CN108761411B (zh) | 2018-04-10 | 2018-04-10 | 一种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 |
---|---|---|---|
CN201810317227.7A CN108761411B (zh) | 2018-04-10 | 2018-04-10 | 一种真假目标一维距离像特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761411A CN108761411A (zh) | 2018-11-06 |
CN108761411B true CN108761411B (zh) | 2021-11-23 |
Family
ID=63981680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810317227.7A Active CN108761411B (zh) | 2018-04-10 | 2018-04-10 | 一种真假目标一维距离像特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761411B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007287B (zh) * | 2019-04-22 | 2022-08-02 | 电子科技大学 | 一种模糊隶属度一维距离像多特征融合方法 |
CN110687514B (zh) * | 2019-10-16 | 2022-03-15 | 电子科技大学 | 一种非线性判别学习真假目标一维距离像特征提取方法 |
RU2735289C1 (ru) * | 2020-03-20 | 2020-10-29 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза А.М. Василевского" Министерства обороны Российской Федерации | Способ селекции имитаторов вторичного излучения воздушных объектов |
CN112183617B (zh) * | 2020-09-25 | 2022-03-29 | 电子科技大学 | 样本与类标签最大相关子空间rcs序列特征提取方法 |
RU2765485C1 (ru) * | 2021-05-04 | 2022-01-31 | Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский испытательный институт инженерных войск имени Героя Советского Союза генерал-лейтенанта инженерных войск Д.М. Карбышева" Министерства обороны Российской Федерации | Радиолокационно-тепловой имитатор цели |
CN113960553B (zh) * | 2021-10-14 | 2023-04-18 | 电子科技大学 | 一种一维像识别中的高斯权值分布特征提取方法 |
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 |
CN114280566B (zh) * | 2021-11-30 | 2023-05-23 | 电子科技大学 | 一种类标签关联一维距离像识别方法 |
CN114970706B (zh) * | 2022-05-20 | 2024-04-16 | 电子科技大学 | 一种真假目标一维距离像多特征非线性融合分类识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780551A (zh) * | 2016-11-18 | 2017-05-31 | 湖南拓视觉信息技术有限公司 | 一种三维运动目标检测方法和系统 |
CN107238822A (zh) * | 2017-06-13 | 2017-10-10 | 电子科技大学 | 真假目标一维距离像正交非线性子空间特征提取方法 |
CN107271965A (zh) * | 2017-06-13 | 2017-10-20 | 电子科技大学 | 类聚集子空间的真假目标一维距离像特征提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6304257B2 (ja) * | 2013-09-12 | 2018-04-04 | パナソニック株式会社 | レーダ装置、車両及び移動体速度検出方法 |
-
2018
- 2018-04-10 CN CN201810317227.7A patent/CN108761411B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780551A (zh) * | 2016-11-18 | 2017-05-31 | 湖南拓视觉信息技术有限公司 | 一种三维运动目标检测方法和系统 |
CN107238822A (zh) * | 2017-06-13 | 2017-10-10 | 电子科技大学 | 真假目标一维距离像正交非线性子空间特征提取方法 |
CN107271965A (zh) * | 2017-06-13 | 2017-10-20 | 电子科技大学 | 类聚集子空间的真假目标一维距离像特征提取方法 |
Non-Patent Citations (2)
Title |
---|
"Recognition of Radar Target Based on Kernal Projection Subspace using Range Profiles";Daiying Zhou;《2007 International Conference on Microwave and Millimeter Wave Technology》;20071231;第1-5页 * |
"基于二阶模糊聚类算法的雷达目标距离像识别";彭翔等;《计算机应用》;20110228;第31卷(第2期);第399-401页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108761411A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
CN108845302B (zh) | 一种k近邻变换真假目标特征提取方法 | |
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 | |
CN108845303B (zh) | 一种非线性稳健子空间真假目标特征提取方法 | |
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 | |
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 | |
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 | |
CN110221267B (zh) | 一种目标库属性判别邻域保持学习子空间特征提取方法 | |
CN114241233A (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 | |
CN108828533B (zh) | 一种类内样本相似结构保持非线性投影特征提取方法 | |
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 | |
CN112183617B (zh) | 样本与类标签最大相关子空间rcs序列特征提取方法 | |
CN109074643B (zh) | 图像中的基于方位的对象匹配 | |
CN114280566B (zh) | 一种类标签关联一维距离像识别方法 | |
CN105719272B (zh) | 保持空间结构的图像特征点匹配方法 | |
CN108549065B (zh) | 一种近邻结构保持真假目标rcs序列特征提取方法 | |
CN112147605B (zh) | 一种真假目标一维距离像的指数域变换矩特征提取方法 | |
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 | |
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 | |
CN110826599B (zh) | 一种稀疏表示样本分布边界保持特征提取方法 | |
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 | |
CN110208733B (zh) | 基于四阶累量的非圆信号阵列波达方向角估计方法 |
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 |