CN108828574B - 一种类间分离增强子空间真假目标特征提取方法 - Google Patents

Abstract

本发明属于雷达目标识别技术领域，具体的说是一种类间分离增强子空间真假目标特征提取方法。本发明的方法利用类间分离程度作为增强因子，加大了类间分离大的数据样本在建立子空间过程中的作用，进一步增大异类之间的分离程度，从而提高目标识别性能，即使目标区域有混叠的情况下，仍然能获得高的识别率，对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了方法的有效性。

Description

一种类间分离增强子空间真假目标特征提取方法

技术领域

本发明属于雷达目标识别技术领域，具体的说是一种类间分离增强子空间真假目标特征提取方法。

背景技术

在雷达目标识别中，正则子空间方法是一种有效的特征提取方法。正则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，因此，正则子空间法具有良好的分类性能。

但是，常规的正则子空间在建立变换矩阵时对目标数据是等值加权，当目标数据分布区域相隔较近时，正则子空间法的识别性能将下降。因此，现有常规正则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，提出一种类间分离增强子空间真假目标特征提取方法，该方法利用类间距离作为加权权值，加大了类间分离大的数据样本在建立子空间过程中的作用，进一步增大异类之间的分离程度，克服常规正则子空间的缺陷，有效改善了对雷达真假目标的分类性能。

本发明的技术方案为：

一种类间分离增强子空间真假目标特征提取方法，其特征在于，包括以下步骤：

a、设n维列矢量x_ij为第i^th类真假目标的第j^th个训练一维距离像,1≤i≤g，1≤j≤N_i，

其中N_i为第i^th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；

b、采用类间分离增强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x_ij进行如下变换：

y_ij＝W^Tx_ij (1)

其中，W为变换矩阵，y_ij为变换特征矢量，T表示矩阵转置；

b2、在变换特征空间计算第i^th类与第k^th类训练数据集分布区域之间的距离平方：

d_ik＝W^T(m_i-m_k)^T(m_i-m_k)W (2)

其中，m_i和m_k分别第i^th类与第k^th类训练样本数据集的均值矢量：

同时，在变换特征空间计算平均类内距离平方：

b3、利用矩阵的运算公式，将式(2)和式(5)分别转换为：

d_ik＝tr(W(m_i-m_k)(m_i-m_k)^TW^T)＝tr(WS_ikW^T) (6)

其中，tr(·)表示矩阵的迹，

S_ik＝(m_i-m_k)(m_i-m_k)^T (8)

b4、根据公式(6)和(7)，建立加权目标函数J(W)：

其中，

为增强因子，

为两类之间马氏距离：

b5、根据公式(10)对W求偏导并令其等于零，可得：

公式(13)中的W即为类间分离增强子空间变换矩阵，再利用公式(1)即可得到任意真假目标一维距离像x_t的特征矢量y_t。

本发明的有益效果为：利用类间分离程度作为增强因子，加大了类间分离大的数据样本在建立子空间过程中的作用，进一步增大异类之间的分离程度，从而提高目标识别性能，即使目标区域有混叠的情况下，仍然能获得高的识别率。

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°～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(真目标、碎片、轻诱饵和重诱饵)，在姿态角0°～80°范围内,利用本文的类间分离增强子空间特征提取方法和基于常规正则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，常规正则子空间特征提取法的识别率为88％，而本文的类间分离增强子空间识特征提取方法的识别率为96％；对碎片，常规正则子空间特征提取法的识别率为82％，而本文的类间分离增强子空间特征提取方法的识别率为89％；对轻诱饵，常规正则子空间特征提取法的识别率为84％，而本文的类间分离增强子空间特征提取方法的识别率为90％；对重诱饵，常规正则子空间特征提取法的识别率为86％，而本文的类间分离增强子空间特征提取方法的识别率为89％。平均而言，对四类目标，本文的类间分离增强子空间特征提取方法的正确识别率高于常规正则子空间特征提取法，表明本文的类间分离增强子空间特征提取方法确实改善了多类目标的识别性能。

Claims (1)

1.一种类间分离增强子空间真假目标特征提取方法，其特征在于，包括以下步骤：

a、设n维列矢量x_ij为第i^th类真假目标的第j^th个训练一维距离像,1≤i≤g，1≤j≤N_i，

其中N_i为第i^th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；

b、采用类间分离增强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x_ij进行如下变换：

y_ij＝W^Tx_ij (1)

其中，W为变换矩阵，y_ij为变换特征矢量，T表示矩阵转置；

b2、在变换特征空间计算第i^th类与第k^th类训练数据集分布区域之间的距离平方：

d_ik＝W^T(m_i-m_k)^T(m_i-m_k)W (2)

其中，m_i和m_k分别第i^th类与第k^th类训练样本数据集的均值矢量：

同时，在变换特征空间计算平均类内距离平方：

b3、利用矩阵的运算公式，将式(2)和式(5)分别转换为：

d_ik＝tr(W(m_i-m_k)(m_i-m_k)^TW^T)＝tr(WS_ikW^T) (6)

其中，tr(·)表示矩阵的迹，

S_ik＝(m_i-m_k)(m_i-m_k)^T (8)

b4、根据公式(6)和(7)，建立加权目标函数J(W)：

其中，

为增强因子，

为两类之间马氏距离：

b5、根据公式(10)对W求偏导并令其等于零，可得：

公式(13)中的W即为类间分离增强子空间变换矩阵，再利用公式(1)即可得到任意真假目标一维距离像x_t的特征矢量y_t。