[发明专利]一种真假目标特征提取方法

摘要

本发明属于雷达目标识别技术领域，具体的说是一种真假目标特征提取方法。该方法通过对同类样本非线性特征间的差异值进行基于距离函数的加权，而不考虑异类样本非线性特征之间的差别，增强同类目标样本的分布紧密度，能够提取目标样本数据分布的局部结构特征，克服了常规特征子空间及正则子空间只能提取目标数据分布全局结构特征的缺点，从而提高目标识别性能，对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了方法的有效性。

主权项

1.一种真假目标特征提取方法，其特征在于，包括以下步骤：a、设n维列矢量x_ij为第i^th类真假目标的第j^th个训练一维距离像,1≤i≤g，1≤j≤N_i，其中N_i为第i^th类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数；b、采用距离函数加权非线性子空间特征提取方法，构建目标函数，具体包括：b1、对训练一维距离像xij进行如下变换：yij＝ATφ(xij)    (1)其中，φ(·)为非线性映射函数，A为变换矩阵，yij为xij对应的非线性特征矢量，T表示矩阵转置；b2、在非线性特征空间计算任意两个样本数据之间的加权距离平方和：其中wij,kr为加权系数：其中σ2是一个参数，根据实际需求进行预设；式(3)表示，当两个样本属于同一个目标类时，其加权值不等于零，而两个样本属于不同目标类时，其加权值为零；将式(1)代入式(2)：利用矩阵迹的运算公式，将式(4)转换为：令其中αlm是系数，将式(6)代入式(5)：引入核函数：k(xij,xkr)＝φ(xij)Tφ(xkr)   (8)将式(8)代入式(7)，化简可得：其中P＝2(D‑W)     (12)b3、在αT(KDKT)α＝1的条件下，求使式(8)中J(α)最小的α，即：求解式(14)中的极小化问题，可得如下的特征方程：(KPKT)α＝λ(KDKT)α    (15)b4、求解式(15)中的特征方程，取矩阵(KDKT)‑1(KPKT)的M个最大的特征值对应的特征矢量α1,α2,…,αM，代入式(6)中，可得距离函数加权非线性子空间矩阵A：M≤N；b5、组合式(1)和式(16)可得目标函数：利用式(17)可得到任意一维距离像样本对应的非线性特征矢量。