[发明专利]一维距离像的非线性子空间识别方法

说明书

所属技术领域

本发明属雷达目标识别，涉及雷达目标的一维距离像识别方法，尤其涉及雷达目标一维距离像的非线性子空间识别方法。

背景技术

高距离分辨雷达采用宽带技术，可在距离向实现对目标的高分辨率观测，将目标散射中心在雷达视线上的分布情况反映出来，即为目标的一维距离像。较之低分辨雷达的回波，一维距离像提供了可资目标识别的更多信息，相对二维雷达像(SAR或ISAR)而言，一维距离像在技术上容易实现，易于实用化。因此，基于一维距离像的雷达目标识别技术成为了当前智能识别领域中的热点，已经发展了很多线性子空间识别方法，例如，特征子空间方法、正则子空间方法、综合子空间方法等，并应用到雷达一维距离像识别中，取得了较好的识别效果。

特征子空间方法以样本协方差矩阵的主分量作为子空间的投影方向进行特征提取，具有降维和降噪的特点。从数据表示的角度来看，特征子空间方法是最佳的，但是从分类意义上说，特征子空间方法却不是最佳的。正则子空间方法采用的坐标系统能够使异类目标之间的差异与同类目标之间的差异之比最大，即增大了目标的分类信息，提高了分类性能。但是，正则子空间方法的维数不能超过目标类别数减一，对于样本矢量维数高而目标类别数小的情况，分类性能有明显的下降。修正正则子空间方法针对正则子空间方法的缺点进行了相应的改进，一方面改善了各坐标轴的最优分类性能，另一方面突破了正则子空间方法维数受目标类别数限制的缺陷。综合子空间方法组合了特征子空间法和正则子空间法的优点，即先利用特征子空间方法从样本矢量中提取特征子像，然后在特征子像域采用正则子空间方法提取分类特征。

然而，在实际应用中，雷达所处的环境非常复杂，飞机等空中目标的来向具有随机性，一维距离像又对目标姿态角的变化非常敏感，经常导致一维距离像的分布表现出明显的非线性特征。因此，线性子空间方法的识别性能仍存在进一步改进的余地。

为此，本发明提出一维距离像的非线性子空间识别方法。由于该方法一方面采用非线性变换更有效的利用一维距离像分布中的非线性特征，另一方面引入非线性子像空间充分描述目标一维距离像的特征空间区域，因此能克服现有识别方法的缺陷，进一步提高对目标的识别性能。

发明内容

本发明的目的是提供一种利用非线性子空间的方法，提高对目标的一维距离像识别的性能。本方法的技术方案是：首先采用核函数方法，将目标的雷达一维距离像进行非线性变换，映射到高维线性特征空间，再利用高维特征空间的特征变换矩阵提取每类目标的所有训练一维距离像的非线性正则子像特征，然后构成每类目标的非线性子像空间，当目标的雷达一维距离像输入时，根据它的非线性正则子像与非线性子像空间之间的欧氏距离确定输入的目标一维距离像的类别号。包括如下步骤：

确定目标的雷达一维距离像训练矢量；

确定核函数和非线性变换后的类间散布矩阵S_B；

确定S_B的非零特征值及其对应的特征向量；

确定非线性变换后的类内散布矩阵Q；

确定Q的非零特征值及其对应的特征向量；

确定每类目标的所有训练一维距离像的非线性正则子像；

利用非线性正则子像确定每类目标的非线性子像空间；

确定输入的目标一维距离像的非线性正则子像；

确定非线性正则子像与非线性子像空间之间的欧氏距离；以及

确定输入的目标一维距离像的类别号。

所述利用非线性正则子像确定每类目标的非线性子像空间的方法是：由每类目标的所有训练一维距离像x_ij对应的非线性正则子像y_ij确定各自的非线性子像空间O_i(i＝1，2，…，g)：首先从第i类目标的训练非线性子像中任选一个子像，设为y_i1，计算再选取另一个与y_i1无关的训练非线性子像，设为y_i2，计算其中(·，·)为矢量内积；同理，可计算第r(3≤r≤m_i)个基矢，m_i≤g-1其中y_ir是与y_i1，y_i2，…，y_i(r-1)线性无关的训练非线性子像。

为非线性子像空间O_i的基矢，m_i为非线性子像空间O_i的维数，与第i类目标的所有训练非线性子像有关，通过对子像进行正交化而获得；其获得的方法是：