[发明专利]一种用于多旋翼无人机识别的子空间特征提取方法

说明书

本发明属于目标识别技术领域，具体的说是涉及一种用于多旋翼无人机识别的子空间特征提取方法。本发明首先通过对每类无人机的雷达回波数据集进行聚类处理，然后，将样本数据与各类无人机目标聚类中心间的马氏距离组成一个聚类距离矢量，由聚类距离矢量构建奇异值加权子空间，提取目标特征，完成对多旋翼无人机的识别。由于引入聚类距离，增强了样本的空间分布结构信息，同时，在构建子空间时，采用奇异值进行加权，更加突出主投影分量的作用，从而改善了对目标的识别率。

技术领域

本发明属于目标识别技术领域，具体的说是涉及一种用于多旋翼无人机识别的子空间特征提取方法。

背景技术

随着无人机在军事、民用等领域的广泛应用的同时，也带来了很大的安全问题，如非法入侵私人区域、碰撞飞机、恐怖袭击等。因此，准确识别出无人机的类型在反无人机作战中具有非常重要的实际意义。

目前，本征子空间方法是一种识别无人机的有效方法，主要通过无人机目标的雷达回波数据集进行本征分解，由主投影分量构建子空间，提取目标特征。但是，常规由主投影分量构成的子空间，每一投影分量的权重相同，另外，样本的空间分布信息并没有有效利用，因此，基于常规本征子空间的多旋翼无人机识别方法有进一步提高目标识别率的余地。

发明内容

针对上述问题，本发明提出了一种用于多旋翼无人机识别的奇异值加权聚类距离子空间特征提取方法，通过引入聚类距离，充分利用样本空间分布信息，同时，采用奇异值对主投影分量加权，更加突出主投影分量的作用，从而进一步改善了对无人机目标的识别率。

本发明的技术方案是：

一种用于多旋翼无人机识别的子空间特征提取方法，包括以下步骤：

S1、设多旋旋翼无人机的雷达回波训练数据序列为n维列矢量x_ij，i＝1,2,…g，j＝1,2…N_i，其中，i表示无人机的类别，g表示类别数，N_i表示第i类无人机目标的训练样本数，则总的训练样本数为

S2、聚类：将第i类无人机目标的训练样本数据集进行C均值聚类，得到M个聚类中心：c_i1,c_i2…c_iM，其中，c_ik表示第i类目标的第k个聚类中心，k＝1,2,…M；

S3、计算聚类距离：计算第i类目标第j个训练样本与第r类目标第k个聚类中心c_rk的马氏距离d_ij,rk，r＝1,2,…g：

其中，T表示矩阵转置，x_rkj表示属于第r类目标第个k聚类的第j个训练样本数据，∑_rk表示第r类目标第k个聚类的训练样本集的协方差矩阵，L_rk表示第r类目标第k个聚类的训练样本个数，则L_r1+L_r2+…L_rM＝N_r，N_r为第r类的所有训练样本数；

将第i类目标第j个训练样本与第r类目标的M个聚类中心距离组成一个M维的列矢量d_ij,r：

d_ij,r＝[d_ij,r1 d_ij,r2 … d_ij,rM]^T

再将d_ij,1、d_ij,2、…d_ij,g列矢量按如下方式组成矢量d_ij：

其中，d_ij称为聚类距离矢量，长度为g×M；