[发明专利]类聚集子空间的真假目标一维距离像特征提取方法

说明书

本发明属于雷达技术领域，尤其涉及一种类聚集真假目标一维距离像特征提取方法，该方法能够使同类目标特征更加紧密，而异类目标特征之间的分离更大，克服常规判别子空间方法的缺陷，即使在不同目标数据分布出现较严重的交叠，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。

技术领域

本发明属于雷达技术领域，尤其涉及一种类聚集真假目标一维距离像特征提取方法。

背景技术

在雷达目标一维距离像识别中，主分量分析子空间是由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，但从分类上讲不是最优的。而判别矢量子空间法能够减小同类之间的差异，同时增大异类之间的差异，在分类性能上比主分量子空间法有了一定的改善。

但是，当同类目标的数据分布很分散，导致异类目标数据分布出现严重的交叠，将造成判别矢量子空间法的识别性会明显下降，其至无法识别。因此，判别矢量子空间法的识别性能有进一步改善的余地。

发明内容

本发明的目的在于提供一种类聚集子空间的真假目标一维距离像特征提取方法。该方法能够使同类目标特征更加紧密，而异类目标特征之间的分离更大，克服常规判别子空间方法的缺陷，即使在不同目标数据分布出现较严重的交叠，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。

一种类聚集子空间的真假目标一维距离像特征提取方法，具体步骤如下：

S1、设g类目标的训练一维距离像数据按列组成矩阵其中列矢量x_ij为第i类真假目标的第j个训练一维距离像(n维),1≤i≤g，1≤j≤N_i，N_i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、将S1所述x_ij向矩阵W投影，得到投影矢量y_ij＝W^Tx_ij；

S3、在投影矢量空间，计算类内距离和类间距离的加权和sum，其中，sum中第一项是类内距离加权和，第二项为类间距离加权和；

S4、将S1所述代入S3所述sum中，可得

化简得到sum＝tr(W^TX(D-S)X^TW)，其中，s_ij,ik和s_ij,rk分别对应类内距离加权系数和类间距离加权系数，D为对角矩阵，其对角元素为S是由权系数构成的矩阵X是S1所述的矩阵；

S5、令H＝X(D-S)X^T，则sum＝tr(W^THW)，为了限制权值，加入条件得到Y^TLY＝1，其中，

S6、将S4所述sum＝tr(W^TX(D-S)X^TW)转换成矩阵的迹表示，即tr(YLY^T)＝1，结合S1所述可得tr(W^TXLX^TW)＝1，其中，tr(*)是取矩阵的迹；

S7、令P_L＝XLX^T，求mintr((W^TP_LW)^-1(W^TP_HW))，具体为：对mintr((W^TP_LW)^-1(W^TP_HW))取W的偏导，令其等于零，得取非零特征值对应的广义特征向量构成类聚集子空间W＝[w₁w₂…w_M]，则获得任意的真假目标一维距离像x_t的特征矢量y_t。