[发明专利]基于GASVM算法的雷达电磁干扰回波图像的分类方法

说明书

本发明属于机器学习和雷达图像分类领域，为提出雷达电磁干扰回波图像的分类方法，实现准确的对雷达电磁干扰回波图像进行分类。为此，本发明采用的技术方案是，基于GASVM算法的雷达电磁干扰回波图像的分类方法，步骤如下：1)对雷达干扰回波图像进行特征提取，提取图像的颜色特征和纹理特征；2)使用遗传算法从提取到的特征中获得最优分类权重向量解；3)使用得到的加权系数构建支持向量机图像分类器；4)使用构造好的分类器对雷达图像进行分类处理。本发明主要应用于雷达图像分类处理场合。

技术领域

本发明属于机器学习和雷达图像分类领域，具体讲,涉及基于遗传算法的支持向量机(GASVM)算法的雷达电磁干扰回波图像的分类方法。

背景技术

当在近距离内存在两部以上的同频雷达进行同时工作，或者存在临频电台等信号源向外发射电磁波时，雷达显示器上就出现几种形式特殊的回波图像。这种干扰回波常表现为单条或多条线状、点线状回波带从中心以相等的间隔呈螺旋状向四周放射出来。近距离的电磁干扰，雷达屏幕上会产生满屏的干扰麻点；而远距离电磁干扰，则会在某个方向上存在固定的干扰。若是单频点电磁干扰，干扰呈直线状；而对于具有一定带宽的干扰，则会在雷达屏幕上产生满屏干扰麻点。这些干扰回波图像，就是雷达电磁干扰回波。

电磁干扰回波是一种常见的非气象回波，这种回波很容易与气象回波混杂，造成严重的干扰。对于电磁干扰回波，目前还没有一个公认有效的方法来进行去除，有一些研究人员对此提出了一些解决方案。但这些方法对雷达电磁干扰回波的去除效果都不是特别理想。

发明内容

为克服现有技术的不足，本发明旨在提出雷达电磁干扰回波图像的分类方法，实现准确的对雷达电磁干扰回波图像进行分类。为此，本发明采用的技术方案是，基于GASVM算法的雷达电磁干扰回波图像的分类方法，步骤如下：

1)对雷达干扰回波图像进行特征提取，提取图像的颜色特征和纹理特征；

2)使用遗传算法从提取到的特征中获得最优分类权重向量解；

3)使用得到的加权系数构建支持向量机图像分类器；

4)使用构造好的分类器对雷达图像进行分类处理。

具体步骤细化如为：

步骤1：提取雷达图像的颜色特征与纹理特征准备进行雷达图像分类；

步骤2：使用遗传算法确定特征权值，使用遗传算法对提取到的各种图像特征进行加权处理，基于不同特征对图像分类效果贡献的大小，在分类的时候，为贡献较大的图像特征提供更大的权值，而贡献较小的特征，则提供相对较小的权值，通过这种形式联合多种图像特征共同对雷达图像实行分类处理；

步骤3：支持向量机SVM的图像分类器的构建，训练集样本数为n，则训练集表示为x_i,y_i,1<i<n，其中x_i∈R^m,y_i∈R，m表示训练集输入参数的准度，x_i表示一个m维的向量，y_i是一个实数，表示训练集输出结果，使用非线性映射其中x_i为输入空间的输入向量，H_i为高维特征空间H中的向量，将输入样本映射到高维特征空间H，并在H中实行线性估计，SVM在高维特征空间H中的估计函数为

其中w是估计函数的权值向量，b是估计函数的偏移量；

根据结构风险最小化原则，将(6)转化为一个优化问题，即在约束条件

下，求下列函数的最小值：