[发明专利]基于先验最优变分自编码机的HRRP目标识别方法

权利要求书

1.一种基于先验最优变分自编码机的HRRP目标识别方法，其特征在于，包括以下步骤：

(1)提取Q类目标的雷达回波在雷达视线上沿着距离维的成像数据x，并将Q类高分辨距离成像数据随机分为训练样本集和测试样本集；其中，Q为大于0的正整数；

(2)对成像数据进行均值归一化的预处理，得到预处理后的训练集数据x'；

(3)构建由两个感知机组成的先验最优变分自编码机，

(3a)设置第一多层感知机，该感知机包含两个隐层，每个隐层分别有400个节点，感知机的输入维度为256，输出维度为60；

(3b)设置第二多层感知机，该感知机包含两个隐层，每个隐层分别有400个节点，感知机的输入维度为30，输出维度为256；

(3c)将第一多层感知机的输出进行重参法处理，并将重参法处理后的第一多层感知机的输出作为第二多层感知机的输入，构成先验最优变分自编码机；

(4)利用预处理后的训练集数据x'对先验最优变分自编码机进行训练，学习第一多层感知机和第二多层感知机的参数，得到训练好的第一多层感知机和第二多层感知机；

(5)将训练集数据和测试集数据依次输入到训练好的第一多层感知机中，分别提取出训练集对应的隐变量特征a和测试集对应的隐变量特征b；

(6)将训练集对应的隐变量特征a输入支持向量机SVM中，训练支持向量机分类器，使用训练好的支持向量机分类器对测试集对应的隐变量特征b进行分类，得到目标识别结果。

2.如权利要求1所述的方法，其特征在于，(1)中将Q类高分辨距离成像数据随机分为训练样本集和测试样本集，其实现如下：

(1a)将雷达回波在雷达视线上沿着距离维的成像数据x，依次记为第1类高分辨距离成像数据、第2类高分辨距离成像数据、…、第Q类高分辨距离成像数据；

(1b)将Q类高分辨距离成像数据通过轨迹段随机抽取的方式，抽取P个训练样本集和A个测试样本集，每个训练样本或测试样本均包含N个距离单元，得到P×N维训练样本集矩阵，和A×N维测试样本集矩阵。

3.如权利要求1所述的方法，其特征在于，(2)中对成像数据进行均值归一化的预处理，通过如下公式进行：

其中x'表示预处理后的训练集数据，|| ||₂表示二范数运算。

4.如权利要求1所述的方法，其特征在于，(3c)中将第一多层感知机的输出进行重参法处理，其实现如下

(3c1)将第一多层感知机的输出等分为两部分，分别记作μ，σ；

(3c2)从均值为0，方差为1的高斯分布中采样数据，记作ε；

(3c3)通过(3c1)和(3c2)的结果计算第二多层感知机的输入z:

z＝μ+ε×σ。

5.如权利要求1所述的方法，其特征在于，(4)中利用预处理后的训练集数据x'对先验最优变分自编码机进行训练，其实现如下

(4a)将预处理后的训练集数据x'输入到第一多层感知机，计算x'所对应的条件对数似然lnp_θ(x'|y)的变分下界：

其中，φ表示第一多层感知机的参数，θ₁表示第一多层感知机输出的先验分布充分统计量，θ₂第二多层感知机的参数，y表示x'对应的目标类别，p_θ表示基于第二多层感知机输出确定的条件分布概率，表示变分下界函数符号；

(4b)利用批量随机梯度下降方法，将先验最优变分自编码机的第一多层感知机的参数φ，第一多层感知机输出的条件先验分布充分统计量θ₁，和第二多层感知机的参数θ₂通过最大化变分下界公式迭代更新500次，得到训练好的第一多层感知机和第二多层感知机。