[发明专利]一种基于多尺度稀疏保持投影一维距离像融合识别方法

说明书

本发明提供了一种基于多尺度稀疏保持投影一维距离像融合识别方法。首先，对实测一维距离像信号样本提取其归一化幅度特征并进行平移对齐预处理；然后，利用一维高斯拉普拉斯算子进行多尺度空间映射；接着，利用稀疏保持投影法对多尺度空间信号进行稀疏表示，得到多尺度空间稀疏特征向量；最后，利用多尺度决策融合分类器对目标稀疏特征向量进行分类识别，输出分类结果。本发明基于多尺度空间分析、稀疏保持投影和决策融合分类器，对一维距离像提取多尺度有效稀疏特征并通过决策融合分类器对结果进行融合识别，在一定程度上提高了一维距离像信号的识别效率，抗干扰性也得到明显增强。

技术领域

本发明涉及一种雷达一维信号识别的方法，尤其涉及一种在干扰环境下准确识别目标雷达一维距离像的技术。

背景技术

雷达自动目标识别(Radar Automatic Target Recognition，简称RATR)是雷达根据目标和环境的回波信号，基于电磁散射机理提取目标特征信息以实现目标属性类别的自动判定。雷达高分辨率一维距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况，其中包含了丰富的目标结构特征，而易于获取且数据量较小也是其先天优势。因此，基于HRRP的目标识别一直是雷达自动目标识别领域的研究热点，也是最接近实用要求的雷达目标识别技术。HRRP信号具有平移敏感性、幅度敏感性、方位敏感性等固有特性，对其处理需要根据实际情况采取相应的方法。在实际探测过程中不可避免的混入噪声干扰，对其识别方法稳健性也要有合理评估。

目前HRRP识别主要取决于如何提取目标稳定且易于识别的特征，传统的信号特征提取法如主成分分析在一维距离像识别中也成功运用并取得了较好的识别效果。然而单一的主成分提取虽然可以在一定程度上降低特征维度减小噪声影响，但效果有限，对于信息的利用也不够充分，难以突破其识别瓶颈。因此，寻找更加全面利用信号隐藏信息的特征提取方法且有效将其融合成为人们关注的重点。

近年来，多尺度空间理论在信号处理当中的成功应用再次给人们提供了一个可行的方案。由于信号在单一空间中所蕴含的信息量有限，该理论将信号映射到不同尺度的空间当中，获得信号在各个尺度空间的映射，提取各尺度空间的信号特征，综合其各自特点实现最终识别。相比传统的单一空间内特征提取法，其可以有效提高识别精度，而由于增加了尺度空间所造成的特征维度增加也可通过后期合理降维方法(如PCA)进行弥补，通过众多的实验验证，证明其是一个合理的特征提取方法。

本发明提出一种基于多尺度稀疏保持投影一维距离像融合识别方法来达到在干扰环境下的稳健识别。由于综合运用了尺度空间理论和稀疏保持投影法，在维数较低的情况下提取信号易于识别的特征，控制了计算量的同时提高了识别精度。后期通过改进的分类器决策融合识别方案达到各尺度信息的综合考量，相比经典的多尺度特征提取算法达到了更好的识别精 度，对于噪声的稳健性也得到了一定的提高。

发明内容

发明目的：本发明的目的是提供一种雷达一维距离像信号稳健识别的方案，在噪声环境中能够以较小的计算代价获得满意的识别精度，随着噪声的增强该方案的性价比愈加明显，相比应用广泛的多尺度主成分分析法识别精度平均提高2个百分点。

技术方案：

一种基于多尺度稀疏保持投影的一维距离像融合识别方法，包括步骤：

步骤1：对训练样本集X＝[x₁,x₂,...,x_n]，x_i表示第i个训练样本向量，提取其归一化频谱幅度特征集并进行平移对齐，表示与x_i对应的频谱幅度特征向量，得到平移对齐后的特征集H＝[h₁,h₂,...,h_N]；

步骤2：利用一维高斯拉普拉斯算子f对步骤1得到的特征集中的特征进行多尺度空间映射，得到训练样本多尺度空间特征向量集Z_i表示在尺度为i时，所有训练样本向量的空间映射集合；