[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

摘要

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。

主权项

1.一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xij进行非线性变换yij＝ATφ(xij)     (1)其中φ(·)为非线性映射函数，A为变换矩阵，yij为xij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S23、在特征空间计算异类目标样本非线性特征间的调制距离平方和：其中为类间邻域分布结构调制系数，当异类样本x_ij和x_lk互为k₂个近邻子时：否则为零；利用矩阵迹的运算公式，式(10)转换为将式(1)代入式(12)对式(13)化简，得其中S24、根据步骤S22和步骤S23，建立如下邻域分布结构非线性投影矩阵的极小化问题：令其中将式(18)代入式(17)定义核函数k(xij,xlk)＝φ(xij)Tφ(xlk)并代入式(20)其中K＝φ(X)Tφ(X)      (22)式(21)右边对α求偏导并令其等于零，将式(21)转化为特征方程问题，取矩阵的M(≤N)最大特征值对应的特征矢量代入到式(18)中，可得k邻域非线性投影矩阵S25、将式(23)代入式(1)得到xij的非线性特征矢量yij：利用式(24)即可得到任意样本xt的特征矢量yt。