[发明专利]一种邻域分布结构非线性投影目标特征提取方法

说明书

本发明属于雷达目标识别技术领域，具体涉及一种邻域分布结构非线性投影目标特征提取方法。本发明提出一种邻域分布结构非线性投影特征提取方法，该方法通过利用邻域样本构建非线性投影矩阵，增大近邻样本的作用，而降低远距离分散样本的影响，能够有效提取非高斯分布数据的非线性局部结构特征，克服常规非线性投影法的缺陷，有效改善了对雷达真假目标的分类性能。

技术领域

本发明属于雷达目标识别技术领域，具体涉及一种邻域分布结构非线性投影目标特征提取方法。

背景技术

投影方法在雷达目标识别中得到了广泛的应用，主分量投影法能够很好地表示目标数据集的主分量方向，而判别矢量投影法通过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，从而提取到更有利于分类的特征。

但是，样本数据分布中出现明显的非线性时，以上线性投影法不能有效处理非线性问题，其识别性能明显下降，甚至无法完成识别任务。因此，提出了很多基于核函数的非线性投影法，这些非线性投影法由于能够更好地表示数据中出现的非线性，因此，非线性投影法的识别性能有了较大的改善。

然而，以上这些非线性投影法只适合于样本数据是高斯分布的情况，而实际中样本数据的分布可能是非高斯分布，针对非高斯分布情况，现有非线性投影法的识别性能显著降低。研究结果表明现有常非线性投影法的识别性能有进一步改善的余地。

发明内容

本发明针对上述问题，提出一种邻域分布结构非线性投影特征提取方法，该方法通过利用邻域样本构建非线性投影矩阵，增大近邻样本的作用，而降低远距离分散样本的影响，能够有效提取非高斯分布数据的非线性局部结构特征，克服常规非线性投影法的缺陷，有效改善了对雷达真假目标的分类性能。

本发明所采用的技术方案为：

一种邻域分布结构非线性投影目标特征提取方法，其特征在于，包括以下步骤：

S1、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；

S2、采用邻域分布结构非线性投影特征提取方法，构建目标函数，具体包括：

S21、将训练一维距离像x_ij进行非线性变换

y_ij＝A^Tφ(x_ij) (1)

其中φ(·)为非线性映射函数，A为变换矩阵，y_ij为x_ij对应的非线性特征矢量，T表示矩阵转置；

S22、在非线性特征空间计算同类任意两个样本非线性特征矢量之间的调制距离平方和：

其中为类内邻域分布结构调制系数；当同类样本x_ij和x_ik互为k₁个近邻子时：

否则为零；

利用矩阵迹的运算公式，式(2)转换为：

将式(1)代入式(4)

对式(5)化简，得

其中