[发明专利]统一模型非库属目标一维距离像判别方法

摘要

本发明提出一种基于统一模型的非库属目标一维距离像判别方法，有效的提高对输入目标库属性的判别性能。该方法首先利用所有目标的训练样本数据建立一个统一的非库属目标描述模型，然后以此统一模型作为基础，对库属目标的训练样本数据进行自适应迭代，即可获得库属目标的描述模型，最后使用似然比准则对输入目标的库属性进行判别。该方法只需建立一个统一模型，同时解决了非库属目标和库属目标的描述模型问题，另外，当新目标出现时，经过简单的迭代即可得到新的库属目标和非库属目标的描述模型，从而提高了目标库属性判别性能。

主权项

统一模型非库属目标一维距离像判别方法，其特征在于，所述判别方法首先利用所有目标的训练样本数据建立一个统一的非库属目标描述模型，然后以此统一模型作为基础，对库属目标的训练样本数据进行自适应迭代，获得库属目标的描述模型，最后使用似然比准则对输入目标的库属性进行判别，包括以下步骤：1)利用所有雷达目标的一维距离像训练矢量xij确定统一模型λ'＝{w'k,u'k,C'k}k＝1,2,…,M；其中，w'k为权系数，u'k为n维的均值矢量，C'k为n×n维的协方差矩阵，M为分量个数；2)根据xij确定条件概率密度函数Pi(k/xij)；3)根据Pi(k/xij)确定平均条件密度li,k，其中，j＝1,2,…,Ni，Ni为第i类目标的训练一维距离像样本数；4)利用xij、li,k和Pi(k/xij)确定均值Ei,k{xi}和均方值其中，5)根据li,k确定自适应控制系数和6)利用以上参量对统一模型参数自适应更新确定第i类目标的描述模型λi＝{wi,k,ui,k,Ci,k}k＝1,2,…,M；7)确定输入目标一维距离像序列的两个概率密度函数p(X/λ')和p(X/λi)；其中，X表示待识别目标的一维距离像数据序列；8)计算似然比9)利用似然比规则确定输入目标的库属性。