一种雷达一维距离像多尺度多核学习目标识别方法技术

本发明专利技术公开了一种雷达一维距离像多尺度多核学习目标识别方法，主要适用于岸基对海警戒雷达的海面舰船目标分类识别。其主要流程是：在训练阶段，首先对一维距离像训练样本进行多尺度变换，形成不同尺度下的多尺度变换特征；然后对各多尺度变换特征进行核空间变换处理，形成不同核函数下的核空间变换；对各核空间变换进行线性合成，构造投影矩阵；最后将获取的训练样本投影向量送入SVM分类器进行训练；在测试阶段，首先获取训练样本的投影向量；然后将获取的训练样本的投影向量送入训练好的SVM分类器进行测试。本发明专利技术通过构造的多尺度多核学习将非线性的数据映射到高维线性可分空间中，实现数据的特征提取，完成雷达对舰船目标的分类识别。船目标的分类识别。船目标的分类识别。

【技术实现步骤摘要】
一种雷达一维距离像多尺度多核学习目标识别方法


[0001]本专利技术属于雷达目标识别


技术介绍

[0002]高分辨一维距离像(HRRP)可以反映目标的详细物理结构特征，如散射体分布、目标尺寸等信息。与SAR和ISAR图像相比，高分辨一维距离像具有工程实现简单、更容易处理的特点，目前已在雷达自动目标识别(RATR)中得到了广泛的应用。高分辨一维距离像数据具有数据维度高、非线性等特性。核方法可以将非线性不可分的数据映射到高维特征空间，使得数据具有线性可分性，从而通过线性方法求解复杂的非线性问题。核方法虽然能够有效的解决非线性分类问题，但是通常情况下的核学习采用的是单一的核函数，并且比较依赖基础核函数的选择。在实际应用中，当出现高维或不平衡样本集时，单核学习不能很好的解决问题。
[0003]为了更好的解决高分辨一维距离像非线性问题，多核学习方法通常被用作常用的方法。多核学习具备了多个单核函数的学习能力，而且根据不同核函数的权重，可以灵活调整多核函数的学习效果，能够适应不同的数据集。多核学习可以有效解决识别中的非线性问题，如2018年本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雷达一维距离像多尺度多核学习目标识别方法，其特征在于：步骤(1)：对一维距离像训练样本进行多尺度变换，形成不同尺度下的多尺度变换特征；步骤(2)：对各多尺度变换特征进行核空间变换处理，形成不同核函数下的核空间变换；步骤(3)：对各核空间变换进行线性合成，构造多尺度多核学习投影矩阵；步骤(4)：将获取的训练样本投影向量送入SVM分类器进行训练；步骤(5)：利用构建的多尺度多核学习投影矩阵，获取测试样本的投影向量；步骤(6)：将获取的测试样本的投影向量送入训练好的SVM分类器进行舰船目标分类识别；其中所述步骤(1)还包括：步骤A：构建多尺度变换模型，设置多尺度变换参数范围及跨度；步骤B：构建离散KL散度模型，计算多尺度变换个数；步骤C：对一维距离像训练样本进行多尺度变换，形成多尺度变换特征；其中所述步骤(2)还包括：步骤D：利用合同尺度法构建基础核函数模型；步骤E：对各多尺度变换特征进行核空间变换处理，获取不同基础核函数下的核空间变换；其中所述步骤(3)还包括：步骤F：利用多尺度多核学习方法构建合成核函数模型；步骤G：结合核主成分分析法计算特征投影矩阵。2.根据权利要求1所述的一种雷达一维距离像多尺度多核学习目标识别方法，其特征在于：所述步骤B还包括：首先计算各尺度下的离散KL散度：其中Z...

【专利技术属性】
技术研发人员：杨学岭，宋虎，吴鑫，孟凡君，穆加艳，
申请(专利权)人：中国船舶重工集团公司第七二四研究所，
类型：发明
国别省市：