一种反馈随机森林-压缩感知的脉冲星辨识方法技术

本发明专利技术公开了一种反馈随机森林‑压缩感知的脉冲星辨识方法，通过结合压缩感知和随机森林方式，并进行反馈调节优化，实现脉冲星辨识，实现方式为，首先进行训练数据预处理过程，对脉冲星轮廓进行稀疏采样，得到观测矢量；再进行训练过程，利用随机森林进行训练，从而得到待定的随机森林识别模型，并以识别率为依据，通过反馈机制优化测量矩阵，从而得到最终的随机森林识别模型及对应的测量矩阵；最后，对于测试信号，将经过稀疏采样得到的观测矢量送入训练好的随机森林识别模型，得到类别标签，完成对脉冲星信号的辨识。本发明专利技术通过反馈机制，多次选择测量矩阵，并训练随机森林，得到测量矩阵与随机森林的最优组合，实现高性能脉冲星辨识。

A Pulsar Identification Method Based on Feedback Random Forest-Compressed Sensing

【技术实现步骤摘要】
一种反馈随机森林-压缩感知的脉冲星辨识方法
本专利技术属于天文信号处理
，具体涉及一种基于反馈随机森林-压缩感知的脉冲星辨识方法。
技术介绍
脉冲星是一种高速自转的中子星，由于其具有良好的周期稳定性，可用于航天器自主导航。由于正确识别脉冲星类别可以尽快确定导航脉冲星相关参数，进而确定航天器位置、姿态、速度以及时间等信息，并验证其姿态方向是否准确，方便实时调整，所以快速识别脉冲星的类别，对脉冲星自主导航系统有着重要意义。当前，脉冲星信号识别的关键技术是对脉冲星提取主要特征。传统方法从累积脉冲轮廓的功率谱中提取特征向量进行轮廓匹配。为了克服积分双谱方法计算量大，信息被遗漏或被重复使用等缺点，清华大学的张贤达教授提出了选择双谱[1],避免了平凡双谱和交义项。在此基础上，谢振华改进了特征向量的降维方法,将一维选择线谱应用于脉冲星识别算法中[2]。由于该算法需计算所有双谱值，计算量大。华中科技大学的刘劲博士提出了一种新的信号识别算法[3]，利用小波变换结合双谱变换，只需计算几个低频和高频系数双谱值即可，从而降低了运算复杂度。西安电子科技大学的苏哲博士提出了一种基于Bispectra-Mellin(BM)谱的脉冲星辨识算法[4]。其特点是利用简化的Fisher可分离度使BM幅度谱域降维，得到主要特征向量，该方法普遍适用于XPNAV系统，扩展性不强。哈尔滨工程大学朱晓蕾针对通信电台识别提出了基于压缩感知和随机森林的模式识别方法研究[5]。但其在压缩感知部分选取的测量矩阵为高斯矩阵，针对本专利技术脉冲星信号集中在低频，噪声在高频，用哈达玛矩阵可以有效的滤除噪声，高斯矩阵不如哈达玛矩阵稳定，识别率不高。且本专利技术通过反馈机制通过识别准确率调节测量矩阵的大小，逐渐调节识别率到稳定状态。以上方法虽各有优势，但是脉冲星信号数据量大，需要很大的运算量。上述方法无法对脉冲星信号快速辨识，这对航天器自主导航的实时性产生较大影响，在实际应用中具有一定的局限性。相关参考文献：[1]ZhangXD，ShiY，BaoZ.Anewfeaturevectorusingselectedbispcctraforsignalclassificationwithapplicationinradartargetrecognition[J].IEEETransactionsonSignalProcessing，2001，49(9)：1875—1885.[2]谢振华，许录平，倪广仁等.基于一维选择线谱的脉冲星辐射脉冲信号辨识.红外与毫米波学报.2007.26(3):187-195.[3]刘劲，马杰，田金文等.基于小波和双谱的脉冲星信号识别[J].信息与控制，2009，38(2):249-252.[4]苏哲，王勇，许录平.一种新的脉冲星累积脉冲轮廓辨识算法[J].宇航学报，2010，31(6):1563-1568.[5]朱晓蕾.基于随机森林压缩感知和随机森林的模式识别方法研究[D].哈尔滨工程大学：信息与通信工程学院，2018..
技术实现思路
本专利技术的目的在于克服上述技术中存在的不足，即降低计算量，提高航天器自主导航的实时性。本专利技术的技术方案为一种反馈随机森林-压缩感知的脉冲星辨识方法，通过结合压缩感知和随机森林方式，并进行反馈调节优化，实现脉冲星辨识，实现方式如下，首先进行训练数据预处理过程，对脉冲星轮廓进行稀疏采样，得到观测矢量；再进行训练过程，利用随机森林进行训练，从而得到待定的随机森林识别模型，并以识别率为依据，通过反馈机制优化测量矩阵，从而得到最终的随机森林识别模型及对应的测量矩阵；最后，对于测试信号，将经过稀疏采样得到的观测矢量送入训练好的随机森林识别模型，得到类别标签，完成对脉冲星信号的辨识。而且，所述训练数据预处理过程中，将多个脉冲星的标准轮廓数据制作为原始脉冲星数据集，归一化处理脉冲星信号，对每个原始的脉冲星信号进行拟合，将每个脉冲星的信号点数统一变换为N个数据点，得到标准脉冲星数据集；其中，N为脉冲星的信号点数。而且，所述训练过程中，包括执行以下步骤，步骤一，随机选择压缩感知的测量矩阵，包括随机选择M值，从N×N的哈达玛矩阵中取前M行构成测量矩阵ΦM×N，其中，M为随机设置的测量矩阵行数，要求M<N，且M为2的幂次；步骤二，基于步骤一所得测量矩阵，利用稀疏采样，提取脉冲星累积轮廓信号的主要特征信息，得到观测矢量；步骤三，根据步骤二所得观测矢量训练随机森林模型；步骤四，反馈机制优化模型参数，包括判断待定随机森林的准确率是否大于预设的识别率门限，如果小于等于预设的识别率门限，则重复执行步骤一～三，重新随机选择随机选择M值，生成新的测量矩阵；如果大于，则确定训练好的随机森林和测量矩阵。而且，设置N＝1024，M取值范围为32-1024。而且，预设的识别率门限为95％。而且，随机森林模型的密度n取80。本专利技术针对脉冲信号的数据特点，考虑搭配压缩感知的重构算法较为复杂，选取随机森林的方式替代，并且加上反馈调节进行优化。与传统方法相比，本专利技术具有以下优势：1)无需人工提取特征。通过压缩感知中的测量矩阵将信号主要特征提取出来，避免了人工特征提取，并有效抑制了噪声。2)较高的准确率和召回率。用随机森林作为压缩感知中信号重构算法，充分发挥随机森林集成学习的优点，构建多棵决策树来识别，克服单一分类器泛化能力不强的问题，实现信号的辨识。3)反馈调节适应性强。稀疏采样性能与测量矩阵有关。而测量矩阵大小又是随机选择。这使得随机森林-压缩感知算法的性能不稳定。本专利技术通过反馈机制，多次选择测量矩阵，并训练随机森林，得到测量矩阵与随机森林的最优组合，实现高性能脉冲星辨识。附图说明图1为本专利技术实施例的训练过程流程图；图2为本专利技术实施例的测试过程流程图。具体实施方式下面结合实施例和附图说明本专利技术的技术方案。本专利技术提出了基于反馈随机森林-压缩感知(RandomForest-CompressedSensing，RF-CS)脉冲星识别方法，结合压缩感知和随机森林技术，加上反馈调节优化模型结构。用压缩感知[6](CompressedSensing，CS)中的稀疏采样技术将脉冲星辐射信号中的主要特征提取出来，有效去除噪声，节省了处理脉冲星原始信号所需的计算资源。采用随机森林(RandomForest，RF)算法做作为CS中的重构算法，实现脉冲星识别。RF是由教授LeoBreiman教授于2001年提出的一种基于CART[7](classificationandregressiontree)决策树的组合分类模型。RF算法在样本数据量较小时具备良好的特征学习和提取能力[8]，可避免数据过拟合，具有泛化能力强、识别精度高，运算速率快等优点，在很多数据集上优势明显。可参见：[6]DonohoDL.Compressedsensing[J].IEEETransactionsonInformationTheory,2006,52(4):1289-1306.[7]BreimanL.Randomforest[J].MachineLearning，2001，1845(1):5－32.[8]BreimanL,FriedmanJ,StoneCJ,etal.ClassificationandRe本文档来自技高网...

【技术保护点】
1.一种反馈随机森林‑压缩感知的脉冲星辨识方法，其特征在于：通过结合压缩感知和随机森林方式，并进行反馈调节优化，实现脉冲星辨识，实现方式如下，首先进行训练数据预处理过程，对脉冲星轮廓进行稀疏采样，得到观测矢量；再进行训练过程，利用随机森林进行训练，从而得到待定的随机森林识别模型，并以识别率为依据，通过反馈机制优化测量矩阵，从而得到最终的随机森林识别模型及对应的测量矩阵；最后，对于测试信号，将经过稀疏采样得到的观测矢量送入训练好的随机森林识别模型，得到类别标签，完成对脉冲星信号的辨识。

【技术特征摘要】
1.一种反馈随机森林-压缩感知的脉冲星辨识方法，其特征在于：通过结合压缩感知和随机森林方式，并进行反馈调节优化，实现脉冲星辨识，实现方式如下，首先进行训练数据预处理过程，对脉冲星轮廓进行稀疏采样，得到观测矢量；再进行训练过程，利用随机森林进行训练，从而得到待定的随机森林识别模型，并以识别率为依据，通过反馈机制优化测量矩阵，从而得到最终的随机森林识别模型及对应的测量矩阵；最后，对于测试信号，将经过稀疏采样得到的观测矢量送入训练好的随机森林识别模型，得到类别标签，完成对脉冲星信号的辨识。2.如权利要求1所述的反馈随机森林-压缩感知的脉冲星辨识方法，其特征在于：所述训练数据预处理过程中，将多个脉冲星的标准轮廓数据制作为原始脉冲星数据集，归一化处理脉冲星信号，对每个原始的脉冲星信号进行拟合，将每个脉冲星的信号点数统一变换为N个数据点，得到标准脉冲星数据集；其中，N为脉冲星的信号点数。3.如权利要求1或2所述的反馈随机森林-压缩感知的脉冲星辨识方法，其特征在于：所述训练过程中，包...

【专利技术属性】
技术研发人员：刘劲，陈璇，李阳阳，康志伟，韩雪侠，何宇飞，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42