[发明专利]基于Stacking集成学习方式雷达HRRP目标识别方法

说明书

本发明公开了一种基于Stacking集成学习方式雷达HRRP目标识别方法，属于雷达目标识别领域。包括训练阶段和识别阶段，训练阶段：从原始HRRP中提取多种特征，然后再利用ReliefF算法和SVM_RFE算法对提取的特征进行挑选，基于挑选的特征子集，对三个基分类器进行训练，基分类器的分类结果作为元分类器的训练数据；识别阶段：从原始HRRP中提取多种特征，然后再乘以训练阶段获得的特征筛选矩阵，完成特征选择过程，将获得的特征子集导入已训练好的基分类器进行分类，分类结果作为元分类器的测试数据，而元分类器的分类结果作为最终分类识别结果。本发明所述雷达HRRP目标识别方法在处理多类目标分类问题时具备高精度识别能力，且所需样本少，识别效率高。

技术领域

本发明涉及一种Stacking集成学习方式雷达高分辨一维距离像(HighResolution Range Profile，HRRP)目标识别方法，用于高分辨距离像雷达的自动目标识别，属于雷达自动目标识别领域。

背景技术

雷达自动目标识别技术是当前雷达信号处理的一个热点领域。相比于合成孔径雷达图像和逆合成孔径雷达图像，高分辨距离像是一种包含丰富的目标结构信息且数据量较少的一维高分辨率雷达信号，具有获取方便，处理简单，成本较低等优势。在实际的雷达目标识别系统中，目标的识别准确率和识别系统复杂度是两个相互制约的因素。因此如何在提高识别准确率的同时又不大幅度增加识别系统复杂度是一个亟待解决的问题。

近年来，决策融合和多特征融合被广泛应用到雷达自动目标识别方法中，基于特征融合或决策融合的雷达HRRP目标识别算法被陆续推出。但都存在着识别准确率低、识别效率低、没有把特征融合与决策融合相结合等问题。

发明内容

针对以往雷达HRRP目标识别算法存在识别准确率低、特征融合与决策融合没有结合等问题。受无用冗余特征会降低识别效率和识别准确率，不同分类器具有不同的识别优势的启发，本发明提出一种基于Stacking集成学习方式雷达HRRP目标识别方法。该方法能够有效提高识别准确率，识别算法复杂度也不高，同时具有较好的识别效率。

本发明采用的技术方案为，一种基于Stacking集成学习方式雷达HRRP目标识别方法，包括以下步骤：

S1按照训练集应尽量包含目标各角度的数据，且测试集与训练集的样本不重复出现的规则，建立训练集和测试集：对于训练集中第i类目标的第j个HRRP样本可以表示为对于测试集中第i类目标的第j个HRRP样本可以表示为n表示HRRP样本的第n个采样点，N代表HRRP样本中共有N个采样点。

S2训练阶段，训练时先从HRRP训练样本中提取均值距离像特征、径向长度特征、PCA变换特征。再把三类特征串联成组合特征，然后用ReliefF算法筛选特征，用SVM_RFE算法从筛选后的特征中提取最优特征子集，最后基于最优特征子集，利用Stacking集成学习的方式获得训练后的基分类器和元分类器，具体如下：

S2.1对第i类目标的第j个HRRP训练样本做2范数归一化，得到归一化后HRRP训练样本信号

S2.2基于归一化HRRP训练样本信号进行特征提取，将提取的三类特征串联成组合特征,具体步骤如下：

S2.2.1提取归一化后HRRP训练样本信号的均值距离像特征

整个训练集对应的均值距离像特征为其中z表示每类目标均有z个训练样本。