The invention discloses a method for recognizing a range profile based on a multi-scale kernel sparse preserving projection. First, the measured HRRP signal samples extracted from the normalized amplitude characteristic and translational alignment pretreatment; secondly, using the Gauss kernel function for multi-scale kernel space mapping to it; then, by using the sparse projection method to get the scale space to keep the sparse feature vectors and feature fusion; finally, character recognition using support vector machine classifier. The invention of nuclear and Gauss scale based on sparse preserving projection, realize multi-scale spatial sparse feature extraction to maintain nuclear fusion, compared with the traditional multi-scale Gauss fusion feature extraction, feature fusion in the same dimension case, this method provides higher recognition accuracy, anti noise performance is better, robust range profile recognition methods.
【技术实现步骤摘要】
基于多尺度核稀疏保持投影的一维距离像识别方法
本专利技术属于雷达目标识别
,特别涉及了一种一维距离像识别方法。
技术介绍
在雷达信号处理领域中,雷达目标识别是一个重要研究方向。雷达高分辨率一维距离像(HRRP)是宽带雷达目标散射点回波在雷达视线方向上的向量和,它反映了目标散射点沿雷达视线方向的分布情况,其中包含了丰富的目标结构特征。相比于SAR和ISAR图像,一维距离像具有对测量数据精度要求较低、易于获取且数据量较小等先天优势。因此,基于HRRP的目标识别是雷达目标识别中最有应用前景的识别方案。在获取大角度HRRP回波时,特别是在噪声环境下HRRP数据会变得线性不可分,传统的特征提取方案如主成分分析和低频小波特征提取等在处理这种数据时提取的特征可分性较差、分类精度较低,在噪声干扰下其性能迅速恶化,难以在实际工程上应用。关于一维距离像的稳健识别,目前主要从两方面入手:一是提取一维距离像易于识别且稳定的特征。二是通过设计新型分类器或者将分类结果进行融合达到抗干扰提高识别率的目的。核主成分分析(KernelPrincipleComponentAnalysis,KPCA)通过核函数先将原始一维距离像信号投影到高维空间提高其线性可分性,再由PCA算法对高维特征进行主成分提取,达到降维的目的,且可以在一定程度上降低噪声的影响,提高识别率。然而由于单一的核主成分难以表示信号的许多内在特性,而不同的特征空间有其各自的优势,对环境的适应度也有所不同。因此,有学者提出了多尺度核的概念,通过将尺度空间引入到核方法中,实现了多尺度空间核映射,再对各尺度空间特征进行融合得到新 ...
【技术保护点】
基于多尺度核稀疏保持投影的一维距离像识别方法,其特征在于,包括训练阶段和测试阶段,所述训练阶段的步骤如下:(1)对一维距离像训练样本集X=[x
【技术特征摘要】
1.基于多尺度核稀疏保持投影的一维距离像识别方法,其特征在于,包括训练阶段和测试阶段,所述训练阶段的步骤如下:(1)对一维距离像训练样本集X=[x1,x2,...,xN],提取其归一化幅度特征集再进行平移对齐操作,得到平移对齐后的幅度特征集H=[h1,h2,...,hN],N为样本容量;(2)利用高斯核函数对幅度特征进行多尺度核空间映射,得到训练样本多尺度核空间特征向量集M为尺度总数;(3)对进行稀疏保持投影,得到多尺度核稀疏特征向量集(4)对进行串行特征融合,得到多尺度核空间稀疏保持融合特征向量集Q=[q1,q2,...,qN];(5)采用支持向量机分类器对Q进行学习;所述测试阶段的步骤如下:(6)对一维距离像测试样本y,提取其归一化幅度特征并与训练样本进行平移对齐,得到平移对齐后的幅度特征hy;(7)利用高斯核函数对幅度特征hy进行多尺度核空间映射,得到测试样本多尺度核空间特征向量集Hy=[hy1,hy2,...,hyM];(8)对Hy=[hy1,hy2,...,hyM]进行稀疏保持投影,得到多尺度核稀疏特征向量集Cy=[cy1,cy2,...,cyM];(9)对Cy=[cy1,cy2,...,cyM]进行串行特征融合得到多尺度核空间稀疏保持融合特征向量qy;(10)采用步骤(5)学习完成的支持向量机分类器对qy进行分类,得到一维距离像测试样本y的目标类别。2.根据权利要求1所述基于多尺度核稀疏保持投影的一维距离像识别方法,其特征在于,在步骤(1)中,提取训练样本的归一化幅度特征的公式如下:上式中,|·|表示取模,||·||2表示取2范数。3.根据权利要求1所述基于多尺度核稀疏保持投影的一维距离像识别方法,其特征在于,在步骤(1)中,对幅度特征进行平移对齐操作的过程为,从第二个训练样本开始,以第一个训练样本幅度特征为基准进行基于最大相关性准则的平移对齐处理,其中和的互相关系数为:令不动,则平移p个距离单元,p满足:上式中,表示求取和的内积,i=2,…,N。4.根据权利要求1所述基于多尺度核稀疏保持投影的一维距离像识别方法,其特征在于...
【专利技术属性】
技术研发人员:戴为龙,刘文波,张弓,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。