该发明专利技术提供了一种基于稀疏分解理论的用于实现对地面移动目标微动信号的特征提取方法，能解决1）稀疏分解算法运行时间长、占用资源多，搜索最匹配原子的过程冗长；2）实际环境中信号由于噪声干扰引起的特征提取不充分以及高维的分解参数。具体方法步骤如下：一、建立与目标信号对应的过完备原子库。将原子的尺度、位移、频率、振幅及投影值作为变化参数并将参数离散化，根据目标信号的特点及先验知识设定参数的变化范围。对原子归一化得到对应微动信号的特征原子库；二、将优化的遗传算法（GA）与MP稀疏分解结合，高效并自适应寻找参数稀疏的原子，得到描述信号特征的一系列原子参数；三、作PCA主成分分析对得到的原子向量降维并提取有效成分做为最终特征。应用本方法能有效减少稀疏分解算法的计算量、提高算法速度与资源消耗，使特征更能有效应用于后期目标识别中。?
【技术实现步骤摘要】
【技术保护点】
一种基于稀疏分解的地面移动目标微动信号特征提取，其特征包括如下步骤：步骤一：建立与目标信号对应的过完备原子库；将原子的尺度、位移、频率、振幅及投影值作为变化参数并将参数离散化，根据目标信号的特点及先验知识设定参数的变化范围；再对原子归一化得到对应微动信号的特征原子库。步骤二：将优化的遗传算法与稀疏分解结合，在由原子搜索空间映射得到的遗传空间中，自适应搜索一系列最匹配的稀疏原子，从而得到描述信号特征的一系列原子参数，直到满足分解停止条件；根据信号分解理论，分解后原信号可以表示成?（2）其中为当信号分解到第m次时分解后的残差值；当分解满足条件后，得到的原子能线性组合逼近表示原信号。步骤三：分解结束，对得到的原子参数组向量进行PCA主成分分析提取降维。?2.?按照权利一所述的基于稀疏分解的地面移动目标微动信号特征提取的方法，其特征在于步骤二中将优化的遗传算法与稀疏分解结合包括以下部分：（21）将稀疏分解的解空间映射到遗传空间中，创建初始种群Initial_Group，将字典的最匹配原子的寻找转化为种群中最适应原子的搜索，在第一代种群中寻找初始最适应个体g；并设定自适应分解停止条件。（22）对最优个体g以变异概率pm改变向量组中的特征的值，达到产生?(N?1)/4个新个体的目的。(23)?对除最佳适应个体g外的所有个体，每次选取2个个体对其进行适应度大小的比较并保留适应度高的个体；重复选择过程?(N?1)/2次从而得到(N?1)/2个竞争胜者；将这?(N?1)/2个胜者同最优适应个体g交叉，交叉概率为pc。（24）随机产生?(N?1)/4个新个体，以改善某个局部最优个体不易被淘汰从而使算法陷入局部最优的缺点。（25）由（23）（24）（25）步骤得到的个体与最适应个体g一起得到新一代个体，判断新一代个体是否达到稳定；如果不稳定重复（23）（24）（25）步骤。（26）判断新一代个体是否满足进化要求；如果不满足，则重复以上步骤；如果满足，结束搜索得到匹配原子gi?。（27）判断分解是否满足初始设定的分解条件；如果不满足则继续寻找匹配原子，如果满足，结束对信号的分解。?941174dest_path_image001.jpg,712821dest_path_image002.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：李智，阳佑虹，任和，
申请(专利权)人：四川大学，
类型：发明
国别省市：
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。