The invention belongs to the technical field of radar target recognition, in particular to a true and false target feature extraction method. By weighting the difference between the non-linear features of the same sample based on the distance function without considering the difference between the non-linear features of the different sample, the method can enhance the distribution compactness of the same target sample, extract the local structure features of the distribution of the target sample data, and overcome the conventional feature subspace and regularity. Subspace can only extract the global structural features of target data distribution, so as to improve the performance of target recognition. Simulation experiments on four types of simulated target range profiles show that the proposed method is effective.
【技术实现步骤摘要】
一种真假目标特征提取方法
本专利技术属于雷达目标识别
,具体的说是一种真假目标特征提取方法。
技术介绍
在雷达目标识别中,常规特征子空间与正则子空间方法是有效的特征提取方法。特征子空间能够保持目标数据分布主要能量方向,而正则子空间法能够增大异类目标特征之间的差异,同时减小同类目标特征之间的差异。因此,这些线性子空间法获得了良好的分类性能。但是,当样本数据中呈现明显的非线性时,以上线性子空间法的识别性能会下降。为了克服数据非线性分布的影响,提出了非线性子空间方法,例如非线性特征子空间法、非线性正则子空间法等,识别性能有了一定的改善。然而,这些非线性方法只能提取数据分布的全局结构特征,忽视了局部结构特征,而局部结构特征有利于提高识别率。现有常规非线性子空间法的识别性能有进一步改善的余地。
技术实现思路
本专利技术的目的,就是针对上述问题,提出一种距离函数加权非线性子空间的真假目标特征提取方法。本专利技术的技术方案为:一种真假目标特征提取方法,其特征在于,包括以下步骤:a、设n维列矢量xij为第ith类真假目标的第jth个训练一维距离像,1≤i≤g,1≤j≤Ni,其中Ni为第ith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;b、采用距离函数加权非线性子空间特征提取方法,构建目标函数,具体包括:b1、对训练一维距离像xij进行如下变换: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;b2、在非线性特征空间计算任意两个样本数据之间的加权距离平方和:其中wij,kr为加 ...
【技术保护点】
1.一种真假目标特征提取方法,其特征在于,包括以下步骤:a、设n维列矢量xij为第i
【技术特征摘要】
1.一种真假目标特征提取方法,其特征在于,包括以下步骤:a、设n维列矢量xij为第ith类真假目标的第jth个训练一维距离像,1≤i≤g,1≤j≤Ni,其中Ni为第ith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;b、采用距离函数加权非线性子空间特征提取方法,构建目标函数,具体包括:b1、对训练一维距离像xij进行如下变换: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;b2、在非线性特征空间计算任意两个样本数据之间的加权距离平方和:其中wij,kr为加权系数:其中σ2是一个参数,根据实际需求进行预设;式(3)表示,当两个样本属于同一个目标类时,其加权值不等于零,而两个样本属于不同目标类时,其...
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。