[发明专利]一种稀疏邻域中心保持RCS序列特征提取方法

摘要

本发明属于雷达目标识别技术领域，具体涉及一种稀疏邻域中心保持RCS序列特征提取方法。本发明的方法首先对训练样本集进行稀疏分析，利用稀疏系数计算样本的类内邻域中心和类间邻域中心，建立稀疏邻域中心保持变换矩阵，通过该变换能够更好地保持特征邻域中心的类内聚集度，而增大特征邻域的类间分离度，从而提高了目标识别性能。

主权项

1.一种稀疏邻域中心保持RCS序列特征提取方法，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RCS数据序列帧,1≤i≤C，1≤j≤N_i，其中N_i为第i^th类真假目标的训练RCS序列帧数，N为训练RCS序列总帧数，针对x_ij的稀疏表示，构建稀疏学习字典：其中D^ij为稀疏字典，由除x_ij外的所有训练样本矢量组成；S2、利用字典进行稀疏分析：其中||·||₁表示1‑范数，α_ij是使等式成立的N维列矢量，是稀疏系数组成的列矢量：其中表示相应的稀疏系数；S3、基于稀疏系数计算x_ij的类内中心：其中是x_ij的类内中心，|·|表示求系数的绝对值，是由稀疏系数对第ith类的样本加权和矢量；S4、计算x_ij的类间中心：其中是x_ij的类间中心，是由稀疏系数对除i^th类样本外的其它样本加权和矢量；S5、寻找变换矩阵A使x_ij的投影矢量更接近对应类内中心的投影矢量，而远离x_ij的类间中心的投影矢量，并利用稀疏系数和作为权系数，建立如下目标函数：其中其中T表示矩阵转置，A为变换矩阵，为x_ij对应的稀疏系数矢量，为x_rk对应的稀疏系数矢量，1≤r≤C,r≠i,1≤k≤N_r,和是加权系数；S6、利用矩阵迹的运算公式，将目标函数转换为其中tr{·}取矩阵的迹，上式化简为J₁(A)＝tr{A^TΜA}J₂(A)＝tr{A^TQA}其中M＝X(W^W‑W^WP^T‑PW^W+PW^WP^T)X^TQ＝X(W^B‑W^BS^T‑W^BS+SW^BS^T)X^T其中在条件J₂(A)＝tr{A^TQA}＝1下，求使J₁(A)＝tr{A^TΜA}中的J₁(A)最小的则称为稀疏邻域中心保持变换矩阵；S7、获得稀疏邻域中心保持变换矩阵后，由下式可得到任意RCS序列帧x_t对应的投影特征矢量z_t：