[发明专利]一种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。

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，x_ij对应的类标签矢量为(g-1)维矢量t_i；

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x_ij向n×(g-1)维矩阵A投影：

y_ij＝A^Tx_ij (1)

其中，y_ij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i^th类目标的特征聚集在t_i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t_i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A_opt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(TT^T+A^TXX^TA-2A^TXT^T)+tr(AA^T) (5)

其中tr(·)表示矩阵的迹，