非库属目标一维距离像判别方法技术

非库属目标一维距离像判别方法属雷达目标识别。步骤：对雷达目标一维距离像训练矢量进行预处理，减去其均值；确定核函数、核矩阵及其前ｑ个最大非零特征值对应的特征向量与训练一维像的非线性映射组合而成的非线性特征子空间；确定雷达目标一维距离像训练矢量在非线性特征子空间中的投影和总库目标模板；根据训练目标假设下的最小距离的条件均值和条件均方根差的估值，确定非库属目标判别门限；根据输入的雷达目标一维距离像在非线性特征子空间中的投影与目标库模板矢量之间的最小欧氏距离，确定输入的雷达目标一维距离像是否属于非库属目标，不属于，则确定输入的雷达目标一维距离像所属的类别。本发明专利技术能使一维距离像识别器识别到输入为非库属目标，主动进行训练建库。

【技术实现步骤摘要】

本专利技术属于雷达目标识别、涉及一维距离像识别技术，尤其涉及一维距离像识别 中的非库属目标判别方法。技术背景雷达目标识别是根据雷达目标回波所提供的有关信息，对目标的类别、属性等作 出判决。回波信息量取决于观测手段。以高距离分辨率雷达为观测手段能够获取目标 的一维距离像， 一维距离像反映了目标的几何形状和结构特征，与低分辨率雷达相比， 可以提供更多识别所需的特征信息。但是， 一维距离像对目标姿态角的变化十分敏感，在不同的目标姿态角下，同一 目标的一维距离像可以完全不同。因此，采用恰当的特征提取和分类方法是基于一维 距离像的雷达目标识别成功的关键。H. J. Li等直接采用一维距离像作为特征矢量来识别空中目标。S. Hudson等利 用相关滤波器对飞机进行分类。而R. A. Mitchell等使用从一维距离像中抽取稳健 的统计特征识别飞机目标。在实际中，以上方法均取得了良好的识别效果。L. M. Novak 等利用特征子空间法识别雷达目标，也获得了较高的识别率。由于非线性特征子空间 利用了雷达目标一维距离像的非线性特性，能进一步提高雷达目标的正确识别率。然而，当需要识别的目标没有参与训练过程时，由于一维距离像识别器的输入为 非库属目标的一维距离像，所有的分类识别方法均不能对此情况予以判别。为此，需要研究一种非库属目标判别方法，在分类决策阶段对非库属目标的一维 距离像进行判别。当判别输入的一维距离像属于库属目标时，就进行正常的分类识别， 当判别输入的一维距离像属于非库属目标时，说明出现了新目标，即训练库中没有包 含的目标，则对新目标的一维距离像进行训练建库，从而完成目标一维距离像动态建 库的过程。本专利技术中，以非线性特征子空间法为例对进行了 深入研究。本专利技术的也可应用于其它一维距离像的分 类识别方法中，判别输入的一维距离像是否属于非库属目标。
技术实现思路
本专利技术的目的是为雷达目标一维距离像识别系统提供一种可靠的非库属目标判 别方法。本专利技术采用的技术方案是 一种，其特征在于 在分类决策阶段对非库属目标的一维距离像进行判别，当判别输入的一维距离像为库 属目标时，进行正常的分类识别，当判别输入的一维距离像为非库属目标时，则对新 目标的一维距离像进行训练建库，从而完成目标一维距离像动态建库的过程。包括如 下步骤对雷达目标一维距离像训练矢量进行预处理，减去其均值；确定核函数、核矩阵及其前《个最大非零特征值对应的特征向量与训练一维像的 非线性映射组合而成的非线性特征子空间；确定雷达目标一维距离像训练矢量在非线性特征子空间中的投影和总库目标模板；确定在库属目标假设下最小距离的条件均值和均方根差的估值；根据在库属目标 假设下的最小距离的条件均值和条件均方根差的估值，确定非库属目标判别门限；以及根据输入的雷达目标一维距离像的在非线性特征子空间中的投影与目标库模板矢量之间的最小欧氏距离，确定输入的雷达目标一维距离像是否属于非库属目标，若不属于非库属目标，则确定输入的雷达目标一维距离像所属的类别。所述确定输入的雷达目标一维距离像是否属于非库属目标，采用的准则是设 //。代表输入目标为库属目标，设A代表输入目标为非库属目标，设d^在两种假设下的条件概率密度分别为/7(《in ///。)及; (之m ///,)则指定假设i/。下的正确判别概率值，求取一个相应的门限值，使 <formula>formula see original document page 6</formula>其中/^为假设//。下的正确判别概率，即输入目标为库属目标时正确判别为库属目标的概率，《为g对应的判决门；判决规则为 <formula>formula see original document page 6</formula>当^小于4时，输入目标判为库属目标,否则判为非库属目标，为非库属目标 判别门限。在假设/Z。下，由训练一维像数据对应的最小距离^^的统计特征，确定门限其中w《in和~min分别是《in在/f。下的条件均值和条件均方根差。当非库属目标判别门限^确定后，分类规则为《in = min{《}当^《in >《Ae"判输入目标为非库属目标(A}'/《in <《* 判输入目标为第Z类，= arg min{《}。所述对雷达目标一维距离像训练矢量进行预处理，减去其均值是对雷达目标一维 距离像训练矢量 .进行预处理，其中z、l，2,…,g， j、l,2，…iV,.， g为目标类别数，^为第/类目标的一维距离像训练样本数。确定核函数是A:(、，xJ，核矩阵是K-^w，其中iV为所有目标的训练样本总数，A^7V,+乂…+ iVg。确定核矩阵K的前g个最大非零特征值对应的特征向量为a,，04,…, 。确定雷达目标一维距离像训练矢量 在非线性特征子空间中的投影为 ^=[ i<V 9f ...确定g类目标的总库目标模板为6^，y2,…,yj 其中万为第/类目标的非线性特征子像的平均训练矢量。所述确定在库属目标假设下的最小距离的条件均值和条件均方根差的估值为-1 g 乂' — < =^ Z ，"氙》=^"1经(,》)-《)2 s巾"(y^')力，淺目禾示削战'性肖ffin <=1 乂=1子像与第/类目标库模板矢量之间的欧氏距离。所述确定输入的雷达目标一维距离像在非线性特征子空间中的投影^0^2， )所述确定输入的雷达目标一维距离像与目标库模板矢量之间的欧氏距离为《,y,-nll 其中"i,2，…,g所述确定输入的雷达目标一维距离像的最小距离为 《 =i^n{《} 其中A:4，2，…，g。本专利技术的积极效果是通过判别，改变了由于需要识别的目标没有参与训练过程 时， 一维距离像识别器不能对此情况予以判别的状况，进一步提到了雷达目标的识别 率。当判别输入的一维距离像属于库属目标时，进行正常的分类识别，当判别输入的 一维距离像属于非库属目标时，说明出现了新目标，即训练库中没有包含的目标，则 对新目标的一维距离像进行训练建库，从而完成目标一维距离像动态建库的过程。 附图说明附图示出本专利技术的的流程图。具体实施方式以下结合附图对本专利技术的具体实施方式进行说明。令g为目标类别数，为第/类目标的 一 维距离像训练样本数，iV-A^+A^…+ iVg， iV为所有目标的训练样本总数，"维列矢量x々表示第/类目标的 第7'个姿态角的一维距离像训练矢量，其中 l,2,…，g， y、l,2,…iV,。对 进行预处理，减去其均值，则￡{ } = 0。对 进行如下非线性变换其中-O为非线性映射，可将矢量映射到高维线性特征空间，、为Xy在高维特征空间对应的像，其维数为任意大或无穷大，设为"。 计算协方差矩阵其中r表示转置。设u为协方差矩阵c的非零特征值;i对应的特征向量，则u满足以下方程Cu = Au (3)由于非线性映射-O没有显式表达式，因此，不能直接由式(3)求得特征值和对应的特征向量，而可按以下方法求解。在高维特征空间，u可表示为g w,,.=i 乂=1在式(3)两边同乘以^(x》71，可得 》7Cu—(xyf义u 定义核函数 A(x,，x,^0(x,) (x,)(4)(5)(6)其中^v本文档来自技高网...

【技术保护点】
一种非库属目标一维距离像判别方法，其特征在于：在分类决策阶段对非库属目标的一维距离像进行判别，当判别输入的一维距离像为库属目标时，进行正常的分类识别，当判别输入的一维距离像为非库属目标时，则对新目标的一维距离像进行训练建库，从而完成目标一维距离像动态建库的过程，包括如下步骤：对雷达目标一维距离像训练矢量进行预处理，减去其均值；确定核函数、核矩阵及其前ｑ个最大非零特征值对应的特征向量与训练一维像的非线性映射组合而成的非线性特征子空间；确定雷达目标一维距离像训练矢量在非线性特征子空间中的投影和总库目标模板；根据在库属目标假设下的最小距离的条件均值和条件均方根差的估值，确定非库属目标判别门限；以及根据输入的雷达目标一维距离像的在非线性特征子空间中的投影与目标库模板矢量之间的最小欧氏距离，确定输入的雷达目标一维距离像是否属于非库属目标，若不属于非库属目标，则确定输入的雷达目标一维距离像所属的类别。

【技术特征摘要】

【专利技术属性】
技术研发人员：沈晓峰，杨万麟，周代英，张乃，杨瑞明，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：90[中国|成都]