[发明专利]一种目标库属性判别邻域保持学习子空间特征提取方法

说明书

本文公开了一种目标库属性判别邻域保持学习子空间特征提取方法。该方法首先利用稀疏分析获得库属目标的每个训练样本的邻域样本稀疏系数，然后在低维空间以该系数对每一样本的邻域重构样本进行加权，建立邻域保持学习子空间提取库属目标的判别特征，由于在特征空间保持了邻域分布结构，增大库属目标特征分布区域的聚集度，从而提高了对库属目标和非库属目标的判别性能。对4类目标的仿真实验验证了方法的有效性。

技术领域

本发明属于雷达目标识别技术领域，涉及一种目标库属性判别邻域保持学习子空间特征提取方法。

背景技术

基于一维距离像的雷达目标识别方法属于传统的模式识别方法，待识别目标必须是库属目标，即是参与了训练的目标。但是，实际应用中，对于非协作的飞机目标，其中一些目标是无法获取训练数据以建立它们的特征模板，这种没有参与训练的目标称为非库属目标，从而造成非库属目标的错误识别，导致对目标的识别性能降低。因此，在实际识别应用中，首先应该对待识别目标的库属性进行判别，然后，根据判别结果才能正确处理后续的识别任务。

传统的征子空间目标判别方法是一种经典的判别方法，利用库属目标训练样本建立特征子空间提取目标特征，从分离意义上讲，这种特征不是最优的，可能造成库属目标的特征分布区域扩大，从而使传统的特征子空间判别方法的性能下降，因此，传统的特征子空间目标库属性判别方法的性能有进一步改善的余地。

发明内容

针对上述问题，本发明提出一种目标库属性一维距离像判别邻域保持学习子空间特征提取方法，利用邻域样本稀疏系数对邻域重构样本进行加权，以保持低维空间的邻域分布结构，从而使库属目标的特征分布区域不再扩大，因此，改善了对库属目标和非库属目标的判别率。

本发明的技术方案是，邻域保持学习子空间特征提取方法：

设x_ij(n维列矢量)为第i^th类库属目标的第j^th个训练一维距离像,1≤i≤g，1≤j≤N_i，其中N_i为第i^th类库属目标的训练样本数，N为训练样本总数。针对训练样本x_ij，按类的顺序构建稀疏学习字典B_ij

利用字典B_ij，对样本x_ij进行稀疏分析

其中||·||₁表示1-范数，是稀疏系数。由稀疏系数构造加权系数w_ij,rk

其中是中的元素。设变换矩阵为A，其维数为n×m维(m＜n)，库属目标的训练样本x_ij向矩阵投影

y_ij＝A^Tx_ij (4)

其中y_ij为投影矢量。计算所有库属目标训练样本的邻域加权重构误差

其中I为单位矩阵。

将式(4)代入式(5)可得

其中

通过条件极值优化方法，式(7)中最小化问题可转换为如下的本征方程

XEX^Ta_m+1-l＝λ_lXX^Ta_m+1-l (9)