CN108828574B - 一种类间分离增强子空间真假目标特征提取方法 - Google Patents
一种类间分离增强子空间真假目标特征提取方法 Download PDFInfo
- Publication number
- CN108828574B CN108828574B CN201810383340.5A CN201810383340A CN108828574B CN 108828574 B CN108828574 B CN 108828574B CN 201810383340 A CN201810383340 A CN 201810383340A CN 108828574 B CN108828574 B CN 108828574B
- Authority
- CN
- China
- Prior art keywords
- class
- inter
- true
- equal
- class separation
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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
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:
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xij进行如下变换:
yij=WTxij (1)
其中,W为变换矩阵,yij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ith类与第kth类训练数据集分布区域之间的距离平方:
dik=WT(mi-mk)T(mi-mk)W (2)
其中,mi和mk分别第ith类与第kth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:
dik=tr(W(mi-mk)(mi-mk)TWT)=tr(WSikWT) (6)
其中,tr(·)表示矩阵的迹,
Sik=(mi-mk)(mi-mk)T (8)
b4、根据公式(6)和(7),建立加权目标函数J(W):
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xt的特征矢量yt。
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:
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xij进行如下变换:
yij=WTxij (1)
其中,W为变换矩阵,yij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ith类与第kth类训练数据集分布区域之间的距离平方:
dik=WT(mi-mk)T(mi-mk)W (2)
其中,mi和mk分别第ith类与第kth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:
dik=tr(W(mi-mk)(mi-mk)TWT)=tr(WSikWT) (6)
其中,tr(·)表示矩阵的迹,
Sik=(mi-mk)(mi-mk)T (8)
b4、根据公式(6)和(7),建立加权目标函数J(W):
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xt的特征矢量yt。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810383340.5A CN108828574B (zh) | 2018-04-26 | 2018-04-26 | 一种类间分离增强子空间真假目标特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810383340.5A CN108828574B (zh) | 2018-04-26 | 2018-04-26 | 一种类间分离增强子空间真假目标特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828574A CN108828574A (zh) | 2018-11-16 |
CN108828574B true CN108828574B (zh) | 2022-02-08 |
Family
ID=64154124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810383340.5A Active CN108828574B (zh) | 2018-04-26 | 2018-04-26 | 一种类间分离增强子空间真假目标特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828574B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020222331A1 (ko) | 2019-04-30 | 2020-11-05 | 엘지전자 주식회사 | 자동 추종 기능을 갖는 카트용 송신 장치 |
CN112149061A (zh) * | 2020-09-25 | 2020-12-29 | 电子科技大学 | 一种多类平均最大化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 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348462A (ja) * | 2003-05-22 | 2004-12-09 | Mitsubishi Electric Corp | 分散シミュレーションシステム |
RU2004108949A (ru) * | 2004-03-18 | 2005-09-27 | Военно-Морской Институт Радиоэлектроники (Ru) | Устройство эмуляции радиолокационной станции с активным ответом, сопряженной с обзорной радиолокационной станцией |
JP2007226424A (ja) * | 2006-02-22 | 2007-09-06 | Fujifilm Corp | 特徴点検出方法および装置並びにプログラム |
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 |
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 |
CN105303152A (zh) * | 2014-07-15 | 2016-02-03 | 中国人民解放军理工大学 | 一种人体再识别方法 |
CN105607045A (zh) * | 2016-01-11 | 2016-05-25 | 西安电子科技大学 | 一种欺骗式干扰下组网雷达的优化布站方法 |
JP2016133441A (ja) * | 2015-01-21 | 2016-07-25 | 三菱電機株式会社 | 類識別装置 |
WO2017101434A1 (zh) * | 2015-12-16 | 2017-06-22 | 深圳大学 | 一种多摄像机间人体目标再识别的方法及系统 |
CN106950546A (zh) * | 2017-03-22 | 2017-07-14 | 西安电子科技大学 | 基于马氏距离重加权的非均匀杂波抑制方法 |
CN107132516A (zh) * | 2017-05-16 | 2017-09-05 | 电子科技大学 | 一种基于深度置信网络的雷达一维距离像目标识别方法 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387701B (zh) * | 2008-10-24 | 2011-01-05 | 西北工业大学 | 一种基于前向预测的被动时间反转混响抑制方法 |
US9229106B2 (en) * | 2010-08-13 | 2016-01-05 | Ryan Dotson | Enhancement of range measurement resolution using imagery |
CN103383449B (zh) * | 2013-07-14 | 2015-04-08 | 西安电子科技大学 | 基于esprit算法的机载雷达近程杂波抑制方法 |
CN104459663B (zh) * | 2014-11-27 | 2017-02-22 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的舰艇与货船分类方法 |
-
2018
- 2018-04-26 CN CN201810383340.5A patent/CN108828574B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348462A (ja) * | 2003-05-22 | 2004-12-09 | Mitsubishi Electric Corp | 分散シミュレーションシステム |
RU2004108949A (ru) * | 2004-03-18 | 2005-09-27 | Военно-Морской Институт Радиоэлектроники (Ru) | Устройство эмуляции радиолокационной станции с активным ответом, сопряженной с обзорной радиолокационной станцией |
JP2007226424A (ja) * | 2006-02-22 | 2007-09-06 | Fujifilm Corp | 特徴点検出方法および装置並びにプログラム |
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 |
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 |
CN105303152A (zh) * | 2014-07-15 | 2016-02-03 | 中国人民解放军理工大学 | 一种人体再识别方法 |
JP2016133441A (ja) * | 2015-01-21 | 2016-07-25 | 三菱電機株式会社 | 類識別装置 |
WO2017101434A1 (zh) * | 2015-12-16 | 2017-06-22 | 深圳大学 | 一种多摄像机间人体目标再识别的方法及系统 |
CN105607045A (zh) * | 2016-01-11 | 2016-05-25 | 西安电子科技大学 | 一种欺骗式干扰下组网雷达的优化布站方法 |
CN106950546A (zh) * | 2017-03-22 | 2017-07-14 | 西安电子科技大学 | 基于马氏距离重加权的非均匀杂波抑制方法 |
CN107132516A (zh) * | 2017-05-16 | 2017-09-05 | 电子科技大学 | 一种基于深度置信网络的雷达一维距离像目标识别方法 |
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 (4)
Title |
---|
FEATURE EXTRACTION USING SUPERVISED INDEPENDENT COMPONENT ANALYSIS BY MAXIMIZING CLASS DISTANCE;Yoshinori Sahguchi;《Proceedings of the 9th International Conference on Neural Information Processing》;20011231;2502-2506 * |
Radar target HRRP recognition based on reconstructive and discriminative dictionary learning;Daiying Zhou;《Signal Processing》;20161223;52-64 * |
基于运动特征的弹道导弹目标识别技术;李陆军;《控制与制导》;20170817;89-96 * |
非线性正则子空间法雷达目标一维距离像识别;周代英;《模式识别与人工智能》;20070228;101-104 * |
Also Published As
Publication number | Publication date |
---|---|
CN108828574A (zh) | 2018-11-16 |
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 | |
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 | |
CN108828574B (zh) | 一种类间分离增强子空间真假目标特征提取方法 | |
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 | |
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 | |
CN109766835B (zh) | 基于多参数优化生成对抗网络的sar目标识别方法 | |
CN108845303B (zh) | 一种非线性稳健子空间真假目标特征提取方法 | |
CN107545279B (zh) | 基于卷积神经网络与加权核特征分析的图像识别方法 | |
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 | |
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 | |
CN106951822B (zh) | 一种基于多尺度稀疏保持投影一维距离像融合识别方法 | |
CN113269203B (zh) | 一种用于多旋翼无人机识别的子空间特征提取方法 | |
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 | |
CN110068799B (zh) | 一种稀疏邻域中心保持rcs序列特征提取方法 | |
CN111325158B (zh) | 一种基于cnn和rfc的集成学习的极化sar图像分类方法 | |
CN108828533A (zh) | 一种类内样本相似结构保持非线性投影特征提取方法 | |
CN107403136B (zh) | 基于结构保持字典学习的sar目标型号识别方法 | |
CN113962298B (zh) | 一种低秩判别子空间真假目标一维距离像特征提取方法 | |
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 | |
CN110826599A (zh) | 一种稀疏表示样本分布边界保持特征提取方法 | |
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 |
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 |