[发明专利]一种基于遗传算法利用一维距离像进行目标识别的方法

摘要

本发明提供了一种基于遗传算法利用一维距离像进行目标识别的方法，涉及目标识别领域，对个体编码为二进制串，并选择个体进行个体适应度的检测和选择，利用选择算子进行交叉与变异操作后，对一维距离像进行目标识别，本发明由于采用了遗传算法来进行目标识别，使待识别目标一维距离像与一维距离像模板数据库的匹配时间缩短50％以上，识别速度大幅提高的基础上且能够保持良好的目标识别精度。

主权项

一种基于遗传算法利用一维距离像进行目标识别的的方法，其特征在于包括下述步骤：步骤1：对个体进行编码和解码遗传算法将个体编码为二进制串，由基因{0,1}组成，设参数的取值范围是[A,B]，则用长度为n的二进制串来编码表示此参数，共产生2n种不同的编码，编码对应关系为：0000...000=0→A0000...001=1→A+θ0000...010=2→A+2θ...1111...111=2n→B---(1)]]>其中反之，当个体编码为本发明所述二进制串，则其解码公式为：X=A+(Σi=1nbi·2i-1)·B-A2n-1---(2)]]>其中，X为个体，bi为第i个个体的二进制码；步骤2：生成初始种群对于初始的种群，其个体用均匀分布的随机数产生；步骤3：个体适应度的检测和选择按照个体适应度的大小决定个体的遗传几率，定义个体适应度函数为：f(Ii,j)=|X(i,j)⊗X||X(i,j)⊗X(i,j)||X⊗X|---(3)]]>式(3)中，Ii,j为目标为i角度为j的个体，f(Ii,j)为个体Ii,j的适应度函数，X(i,j)为第i类目标在第j个角度的雷达目标一维距离像序列，X为待识别目标的雷达目标一维距离像序列，为序列X(i,j)和序列X的相关系数，为序列X(i,j)和序列X(i,j)的相关系数，为序列X和序列X的相关系数；步骤4：选择遗传算子本发明使用如下三种遗传算子：a)选择运算使用比例选择算子，利用个体i的适应度与所有个体适应度之和的比值大小决定遗传到下一代的概率，设个体i的适应度与所有个体适应度之和的比值为Pi，即个体i被选中的概率Pi为：Pi=fi/Σn=1Mfn---(4)]]>其中，M为种群数，fi为个体i的适应度，fn，为个体n的适应度；b)交叉运算使用单点交叉算子，以交叉概率Pc从步骤a)中选择运算后的种群中随机挑选个体，随机选择交叉点后，将其中两个个体在交叉点位置交换基因码形成两个子个体；c)变异运算使用基本位变异算子，设Pm为变异概率，对于步骤b)中的种群个体,根据变异概率Pm随机选取个体并对此个体中随机选取的某位进行变异，所述变异为0→1和1→0；步骤5：目标识别将参数终止进化代数T、种群数M、交叉概率Pc和变异概率Pm在各自取值范围中取值后进行目标识别，目标识别过程的详细步骤如下：首先将已知的各种目标类型各个角度下的一维距离像作为模板数据库，将模板数据库中的一维距离像数据和待测目标一维距离像数据按步骤1进行编码，然后将已获得的一维距离像数据组成模板数据库作为种群，种群数为M，并将模板数据库中的一维距离像数据与待测目标的一维距离像数据根据步骤3分别求出个体适应度，并按照步骤4中的选择运算概率Pi选取相应的个体数目，在选择运算过程中同时对模板数据库中的数据根据预设的交叉概率Pc和变异概率Pm执行步骤b)和步骤c)中所述的交叉和变异运算，经过选择运算并经过交叉和变异操作后的个体组成下一代，即子代；在子代中不断重复本步骤中所述的目标识别过程，经过终止进化代数T代后，当个体适应度值持续上升至固定值不再变化时，则所得到的子代个体为最优解，若个体适应度值仍在不断升高，则终止进化代数T重新取值，直到个体适应度值持续上升至固定值不再变化时，所得到的子代个体为最优解，所述最优解即模板数据库中储存的某种目标某一角度下的一维距离像，与待测目标的一维距离像匹配的适应度值最高，将待测目标判定为此最优解的目标类型，从而完成目标识别。