[发明专利]基于高斯选控玻尔兹曼机的HRRP识别方法

摘要

本发明公开了一种基于高斯选控玻尔兹曼机的HRRP识别方法，主要针对已有HRRP识别方法不足，提出了高斯选控玻尔兹曼机应用于HRRP的噪声稳健识别。其实现步骤是：(1)预处理数据；(2)构建高斯选控玻尔兹曼机网络；(3)初始化网络参数；(4)将预处理后的HRRP训练样本输入高斯选控玻尔兹曼机；(5)对隐藏层和选择因子进行迭代采样；(6)更新可见层；(7)更新网络参数；(8)训练线性SVM分类器，输出识别结果。本发明降低了对HRRP数据噪声先验的依赖性，同时能够有效提取原始数据的有用特征，具有良好的噪声稳健性，并提高了HRRP识别正确率。

主权项

1.一种基于高斯选控玻尔兹曼机的高分辨距离像HRRP识别方法，其特征在于，采用高斯选控玻尔兹曼机训练预处理后的高分辨距离像HRRP样本，自动提取特征训练线性SVM分类器，该方法的具体步骤包括如下：(1)预处理数据：(1a)对雷达接收的飞机目标高分辨距离像HRRP训练样本进行预处理,得到预处理后的高分辨距离像HRRP训练样本；(1b)对雷达接收的飞机目标高分辨距离像HRRP测试样本进行预处理，得到预处理后的高分辨距离像HRRP测试样本；(2)构建高斯选控玻尔兹曼机网络：搭建一个可见层和隐藏层全连接的2层高斯选控玻尔兹曼机网络，并设置网络参数；(3)初始化网络参数：(3a)用两组随机数分别初始化可见层与任务相关隐藏层以及可见层与任务无关隐藏层的权重；(3b)用零向量初始化可见层、任务相关隐藏层、任务无关隐藏层的偏置向量；(3c)用全1向量初始化任务相关选择因子,用全0向量初始化任务无关选择因子；(4)将预处理后的高分辨距离像HRRP训练样本输入高斯选控玻尔兹曼机；(5)对隐藏层和选择因子进行迭代采样：(5a)固定选择因子，利用条件概率公式，对高斯选控玻尔兹曼机的任务相关隐藏层节点进行采样；(5b)固定选择因子，利用条件概率公式，对高斯选控玻尔兹曼机的任务无关隐藏层节点进行采样；(5c)固定隐藏层，利用条件概率公式，计算高斯选控玻尔兹曼机的任务相关选择因子为1的概率；(5d)固定隐藏层，利用概率公式，计算高斯选控玻尔兹曼机的任务无关选择因子为1的概率：(5e)判断对隐藏层和选择因子迭代采样的次数是否达到25次，若是，则执行步骤(6)；否则，执行步骤(5a)；(6)按照下式，更新高斯选控玻尔兹曼机的可见层节点：其中，v_i表示高斯选控玻尔兹曼机的可见层中第i个节点，表示高斯选控玻尔兹曼机的可见层中第i个节点的任务相关选择因子，σ_i表示高斯选控玻尔兹曼机的可见层中第i个节点的标准差，∑表示求和操作，J₁表示任务相关隐藏层节点个数，表示高斯选控玻尔兹曼机的可见层中第i个节点与任务相关隐藏层节中第j个节点的权重，表示高斯选控玻尔兹曼机的任务相关隐藏层中第j个节点，表示高斯选控玻尔兹曼机的可见层中第i个节点的任务相关偏置向量，表示高斯选控玻尔兹曼机的可见层中第i个节点的任务无关选择因子，J₀表示任务无关隐藏层节点个数表示高斯选控玻尔兹曼机的可见层中第i个节点与高斯选控玻尔兹曼机的任务无关隐藏层中第k个节点的权重，表示高斯选控玻尔兹曼机的任务无关隐藏层中第k个节点，表示高斯选控玻尔兹曼机的可见层中第i个节点的任务无关偏置向量；(7)判断高斯选控玻尔兹曼机的可见层更新次数是否达到10次，若是，则执行步骤(8)；否则，执行步骤(5)；(8)更新高斯选控玻尔兹曼机的权重以及偏置向量；(9)判断高斯选控玻尔兹曼机的权重以及偏置向量的更新次数是否达到200次，若是，高斯选控玻尔兹曼机训练完成，执行步骤(10)；否则，执行步骤(5)；(10)训练线性SVM分类器：(10a)将预处理后的高分辨距离像HRRP训练样本输入训练后的高斯选控玻尔兹曼机网络，自动提取训练样本的任务相关隐藏层特征；(10b)将训练样本的任务相关隐藏层特征训练线性SVM分类器；(10c)将预处理后的高分辨距离像HRRP测试样本输入训练后的高斯选控玻尔兹曼机网络，自动提取测试样本的任务相关隐藏层特征；(10d)将测试样本的任务相关隐藏层特征输入训练好的线性SVM分类器进行分类，得到高分辨距离像HRRP噪声稳健识别结果。