[发明专利]一种近邻结构保持真假目标RCS序列特征提取方法

说明书

本发明属于雷达目标识别技术领域，具体涉及一种近邻结构保持真假目标RCS序列特征提取方法。本发明提出一种近邻结构保持变换特征提取方法，该方法通过对同类样本特征之间的距离进行近邻结构保持加权，能够有效提取样本数据分布中的局部特征，克服常规变换法只能提取全局特征的缺陷，有效改善了对雷达真假目标的分类性能。

技术领域

本发明属于雷达目标识别技术领域，具体涉及一种近邻结构保持真假目标RCS序列特征提取方法。

背景技术

在雷达目标识别中，主分量分析变换法能够保持目标数据分布的主要能量，在特征维数减少的同时能够获得较高的识别率，而判别矢量变换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，从而提取到差异明显的特征，改善识别率。

但是，以上这些常规变换法只能提取到目标的全局特征，而忽略了更有利于目标识别的局部特征。因此，现有常规变换法的识别性能有进一步改善的余地。

发明内容

本发明针对上述问题，提出一种近邻结构保持变换特征提取方法，该方法通过对同类样本特征之间的距离进行近邻结构保持加权，能够有效提取样本数据分布中的局部特征，克服常规变换法只能提取全局特征的缺陷，有效改善了对雷达真假目标的分类性能。

本发明所采用的技术方案为：

设x_ij(n维列矢量)为第i^th类真假目标的第j^th个训练RCS数据序列帧,1≤i≤C，1≤j≤N_i，其中N_i为第i^th类真假目标的训练RCS序列帧数，N为训练RCS序列总帧数。将训练RCS序列帧数据x_ij进行如下变换

z_ij＝W^Tx_ij (1)

其中T表示矩阵转置，W为投影矩阵，z_ij为x_ij对应的特征矢量。在特征空间计算加权距离和

其中为加权系数

其中表示同类中与某个样本最近的k个样本的集合。从式(3)可见，当同类目标的两个样本互为k个最近样本时，其特征间距离的加权值等1，而其它的样本特征之间距离加权值为零。因此，数据分布的近邻局部结构能够得以保持。

利用矩阵迹的运算公式，并组合式(1)和式(2)

对式(4)化简，可得

J(W)＝W^TX(S_W-Ω_W)X^TW (5)

其中

基于以上分析，建立如下的条件极值问题

其中即为近邻结构保持变换矩阵。通过求解式(9)中的条件极值问题，可得近邻结构保持搂换矩阵是由矩阵(X(S_W-Ω_W)X^T)的r(N)个最大本征值对应的本征矢量组成的矩阵。

解得近邻结构保持变换矩阵后，利用式(1)即可得到任意RCS序列帧x_t对应的特征矢量z_t。