[发明专利]一种旋翼无人机与飞鸟目标分类中的判别特征提取方法

权利要求书

1.一种旋翼无人机与飞鸟目标分类中的判别特征提取方法，其特征在于，包括以下步骤：

S1、设连续波雷达回波S_ij(t)为第i类目标的第j个训练样本，i＝1、2、3、4时分别表示单旋翼、四旋翼、六旋翼和八旋翼无人机的雷达回波信号，i＝5时表示飞鸟目标的雷达回波信号；j＝1,2,...,N_i，N_i表示第i类目标的训练样本数,总样本数

S2、对雷达回波信号S_ij(t)进行短时傅里叶变换，得到目标的时频谱F_ij(t,ω)：

F_ij(t,ω)＝[D_ij(t₁,ω),D_ij(t₂,ω),...,D_ij(t_Q,ω)]

其中

t_s＝t₁,t₂…t_Q

其中，D_ij(t_s,ω)表示信号在t_s时刻的离散时间傅里叶变换，w(·)为窗函数，M为窗函数的长度，L为窗函数的滑动点数，ω为角频率，运动目标的微多普勒特征包含在时频谱的幅度中，则目标的微多普勒谱图矩阵G_ij表示为：

G_ij＝|F_ij(t,ω)|

设信号长度为P，谱图G_ij的维数表示为M×Q，

S3、提取目标微多普勒谱图的加权主分量线性判别特征：

将目标的微多普勒谱图G_ij中的元素按列方式组成一个大小为M×Q维的列矢量x_ij：

其中，T表示转置，G_ij,11表示G_ij中的第1行第1列的元素，G_ij,21表示G_ij中的第2行第1列的元素，表示G_ij中的第N_i行第1列的元素，G_ij,MQ表示G_ij中的第M行第Q列的元素，由所有训练样本的微多普勒谱图对应的列矢量构成矩阵X：

计算X的协方差矩阵Φ：

其中，总体谱图均值为第i类目标的谱图均值为

S4、求取协方差矩阵前r个最大非零特征值λ₁,λ₂,...,λ_r对应的特征向量u₁,u₂,...,u_r构成加权主分量子空间W_p＝[λ₁u₁,λ₂u₂,...,λ_ru_r]，将微多普勒谱图对应的列矢量x_ij、总体谱图均值μ和第i类的谱图均值μ_i投影到加权主分量子空间得到和

根据所有训练样本的谱图加权主分量投影矢量计算类内散度矩阵S_w和类间散度矩阵S_b：

对矩阵进行奇异值分解，对于5类问题，取4个非零特征值η₁、η₂、η₃、η₄对应的特征向量v₁、v₂、v₃、v₄组成加权线性判别子空间W_l＝[η₁v₁,η₂v₂,...,η₄v₄]；

S5、将加权主分量子空间和加权线性判别子空间进行融合，得到加权主分量线性判别子空间矩阵：

将任意数据样本对应的谱图列矢量x_t向W_opt投影：

其中，y_t为获得的任意数据样本对应的加权主分量线性判别特征矢量。