[发明专利]一种基于XGBoost的雷达目标特征提取与识别方法

权利要求书

1.一种基于XGBoost的雷达目标特征提取与识别方法，其特征在于：包括如下步骤：

步骤1：提取舰船与角反射器阵列的物理3D模型，并基于该3D模型生成RCS数据及电磁散射仿真数据，构建不同强度的有源压制干扰信号；得到无压制噪声存在的理想环境与不同干信比有源压制干扰环境的舰船与角反射器的回波数据；

步骤2：由回波数据、电磁散射仿真数据计算得到舰船、角反射器阵列回波在无压制噪声存在的理想环境的极化不变量特征数据；

其中，极化不变量特征数据，包括行列式模值、功率矩阵迹、去极化系数、目标纵横比及目标极化形状因子；

步骤3：由舰船、角反射器阵列的RCS数据，回波数据及电磁散射仿真数据，计算得到舰船、角反射器阵列在不同干信比有源压制干扰环境下的极化不变量特征数据；

步骤4：推导并化简XGBoost的目标函数，求得化简后的XGBoost目标函数；

步骤5：对XGBoost目标函数进行优化，得到优化后的目标函数；

步骤6：构建XGBoost决策树，具体包括：

步骤6.1)计算收益Gain作为寻找最优切分点的依据，具体为：当决策树的构建进行到了某一节点，构建该节点分裂之前的决策树目标函数、该节点完成分裂后的目标函数以及分裂后的收益Gain；

步骤6.2)构建决策树；

步骤7：利用步骤2和步骤3获得的无压制噪声存在的理想环境与不同干信比的有源压制干扰环境下的极化不变量特征数据，划分极化不变量特征数据为训练集及测试集；

步骤8：将训练集中的舰船与角反射器阵列的极化不变量特征数据输入识别器识别，得到训练好的识别器；

步骤9：将测试集输入步骤8训练好的识别器，输出分类结果。

2.根据权利要求1所述的雷达目标特征提取与识别方法，其特征在于：步骤2，具体包括以下步骤：

步骤2.1)根据舰船、角反射器阵列的RCS数据与电磁散射仿真数据，构造出无压制噪声存在的理想环境中的舰船、角反射器阵列回波；

步骤2.2)利用步骤2.1)所述阵列回波计算出无压制噪声存在的理想环境的极化不变量特征数据。

3.根据权利要求1所述的雷达目标特征提取与识别方法，其特征在于：步骤3、具体包括以下步骤：

步骤3.1)根据舰船、角反射器阵列的RCS数据与电磁散射仿真数据，构造出不同干信比有源压制干扰环境中的舰船、角反射器阵列回波；

步骤3.2)利用步骤3.1)所述阵列回波分别计算出压制干扰干信比为0dB、3dB、6dB和9dB时的极化不变量特征数据。

4.根据权利要求1所述的雷达目标特征提取与识别方法，其特征在于：步骤4假设XGBoost算法包含T棵树，F为包含所有T颗树的函数空间，令X∈Rⁿ为输入空间，Y∈R为输出空间，

所述XGBoost的目标函数为：

其中，Obj^(k)为第k轮的目标函数，m表示样本空间共有m个样本数据，i表示第i个样本数据，f_k(x⁽ⁱ⁾)为第k轮的决策树函数，x⁽ⁱ⁾∈X,y⁽ⁱ⁾∈Y；

步骤4.1)对XGBoost的目标函数进行Taylor二阶展开，对l(y⁽ⁱ⁾,x)求处的二阶展开，可得：

步骤4.2)忽略二阶展开中项的影响，得到化简后的XGBoost的目标函数：

其中，g_i为l(y⁽ⁱ⁾,x)在处一阶展开的后项h_i为l(y⁽ⁱ⁾,x)在处二阶展开的系数项。

5.根据权利要求4所述的雷达目标特征提取与识别方法，其特征在于：(1)式中，其中w为叶子节点上的权重，γ和λ均为系数。