[发明专利]一种散射中心关联方法和装置

权利要求书

1.一种散射中心关联方法，其特征在于，所述方法包括：

确定目标在多个视角下的散射中心的第一特征数据；

将所述散射中心的第一特征数据映射至高维特征空间，以得到所述散射中心在所述高维特征空间的第二特征数据；

基于谱多流形聚类算法对多个视角下散射中心的第二特征数据进行聚类，以得到散射中心的聚类结果。

2.根据权利要求1所述的方法，其特征在于，所述基于谱多流形聚类算法对多个视角下散射中心的第二特征数据进行聚类，以得到散射中心的聚类结果包括：

训练多个混合概率主成分分析器来逼近潜在的散射中心子流形，根据所述混合概率主成分分析器的主子空间估计每个散射中心的局部切空间；基于任意两个散射中心的局部切空间之间的结构相似度以及所述两个散射中心欧式距离关系的局部相似度计算相似度权值，以得到由所述相似度权值构成的相似度矩阵；基于所述相似度矩阵，利用谱方法确定多个视角下散射中心的多流形聚类结果。

3.根据权利要求2所述的方法，其特征在于，根据如下公式计算相似度权值包括：

其中，p_ij为任意两个散射中心的局部切空间的结构相似度，q_ij为所述任意两个散射中心欧式距离关系的局部相似度，为散射中心子流形的维度，为两个局部切空间之间的主角度，o为可调参数，和为任意两个散射中心，为与欧式距离最近的K个数据点。

4.根据权利要求2所述的方法，其特征在于，基于所述相似度矩阵，利用谱方法确定多个视角下散射中心的多流形聚类结果包括：

以相似度矩阵作为约束，在k维欧氏空间中构建多个视角下散射中心的嵌入坐标表示；根据k-means算法对所述多个视角下散射中心的嵌入坐标表示进行聚类，以得到多个视角下散射中心的多流形聚类结果。

5.根据权利要求1所述的方法，其特征在于，所述确定目标在多个视角下的散射中心的第一特征数据包括：

构建目标的几何模型，然后对所述几何模型进行网格剖分，以生成目标的面元模型；确定多个视角下所述目标的面元模型的三维ISAR图像，从所述三维ISAR图像中提取该视角下散射中心的第一特征数据，以得到目标在多个视角下的散射中心的第一特征数据。

6.根据权利要求5所述的方法，其特征在于，所述确定多个视角下所述目标的面元模型的三维ISAR图像包括：

利用弹跳射线技术确定多个视角下雷达电磁波经所述目标的面元模型散射得到的散射场数据；对于多个视角中每个视角下的散射场数据，利用射线积分成像方法生成所述目标的面元模型的三维ISAR图像。

7.根据权利要求6所述的方法，其特征在于，所述从所述三维ISAR图像中提取该视角下散射中心的第一特征数据包括：

采用迭代峰值搜索算法从所述三维ISAR图像中提取该视角下散射中心的第一特征数据。

8.根据权利要求1所述的方法，其特征在于，所述将所述散射中心的第一特征数据映射至高维特征空间，以得到所述散射中心在所述高维特征空间的第二特征数据包括：

对于所述多个视角中每个视角下的散射中心的第一特征数据，将其由三维位置空间经波数域映射至六维特征空间，以得到所述散射中心在六维特征空间中的第二特征数据，为俯仰角，为方位角。

9.一种散射中心关联装置，其特征在于，所述装置包括：

确定模块，用于确定目标在多个视角下的散射中心的第一特征数据；

映射模块，用于将所述散射中心的第一特征数据映射至高维特征空间，以得到所述散射中心在所述高维特征空间的第二特征数据；

聚类模块，用于基于谱多流形聚类算法对多个视角下散射中心的第二特征数据进行聚类，以得到散射中心的聚类结果。

10.根据权利要求9所述的装置，其特征在于，所述聚类模块基于谱多流形聚类算法对多个视角下散射中心的第二特征数据进行聚类，以得到散射中心的聚类结果包括：

所述聚类模块训练多个混合概率主成分分析器来逼近潜在的散射中心子流形，所述聚类模块根据所述混合概率主成分分析器的主子空间估计每个散射中心的局部切空间；所述聚类模块基于任意两个散射中心的局部切空间之间的结构相似度以及所述两个散射中心欧式距离关系的局部相似度计算相似度权值，以得到由所述相似度权值构成的相似度矩阵；所述聚类模块基于所述相似度矩阵，利用谱方法确定多个视角下散射中心的多流形聚类结果。