[发明专利]一种基于多传感器的导弹目标类型识别方法

说明书

本发明公开了一种基于多传感器的导弹目标类型识别方法，包括以下步骤：1)使用传感器采集导弹目标数据，然后根据多个传感器采集的导弹目标数据，构建训练样本矩阵和测试样本矩阵；2)对训练样本矩阵进行奇异值分解，根据奇异值的贡献率确定降维维度；3)根据奇异值分解得到的样本矩阵生成分类模型，所述分类模型由线性变换矩阵和分类中心向量组组成；4)对待分类的样本进行投影预处理得到待分类样本向量，计算该向量与步骤3)得到的分类中心向量组中的每个分量的余弦距离，将距离最近的一组作为类型识别结果。本发明能利用多传感器生成的高维样本数据进行兼顾效率与准确率的导弹目标类型识别。

技术领域

本发明涉及舰船作战系统技术，尤其涉及一种基于多传感器的导弹目标类型识别方法。

背景技术

在舰船对空自防御作战中，不同类型来袭导弹的飞行速度、入射角度和末端机动方式都有所不同，因此需针对不同类型的导弹采取不同的防御作战方案。对来袭导弹目标类型进行识别可以提高防御作战的针对性。

舰船对空自防御系统对于导弹目标类型识别准确率的要求正在提高。传统的，使用单一信息来源辅助进行识别的方法已经不能满足作战使用的需要，而利用多传感器进行多源信息融合，实现对导弹目标类型的准确识别已成为当前的研究热点。但是，多传感器产生的数据维度较高，这些数据中不仅包含了导弹目标特征信息，还夹杂着冗余和不相关的信息。在高维空间中，不同样本间距离的可区分度随着样本数据维数的增加而降低，高维度样本数据不仅带来了分类计算复杂度的指数级增长，维度和维度之间的冗余和不相关信息还降低了分类算法的准确率。因此，直接利用多传感器产生的数据对导弹目标类型进行识别的效果欠佳。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于多传感器的导弹目标类型识别方法，利用多传感器生成的高维样本数据进行兼顾效率与准确率的导弹目标类型识别。

本发明解决其技术问题所采用的技术方案是：一种基于多传感器的导弹目标类型识别方法，包括以下步骤：

1)使用传感器采集导弹目标数据，然后根据多个传感器采集的导弹目标数据，构建训练样本矩阵和测试样本矩阵；训练样本矩阵和测试样本矩阵的组成结构相同，矩阵的每一行代表一种导弹目标特征，每一列表示一个导弹目标样本；

2)对训练样本矩阵进行奇异值分解，根据奇异值的贡献率确定降维维度；

3)根据奇异值分解得到的样本矩阵生成分类模型，所述分类模型由线性变换矩阵和分类中心向量组组成；

4)对待分类的样本进行投影预处理得到待分类样本向量，计算该向量与步骤3)得到的分类中心向量组中的每个分量的余弦距离，将距离最近的一组作为类型识别结果。

按上述方案，所述步骤1)中传感器包括雷达探测系统和电子侦察探测系统。

按上述方案，所述步骤2)对训练样本矩阵进行奇异值分解之前，还包括对训练样本矩阵的归一化处理步骤，具体如下：

对原训练样本矩阵A按行对每个特征进行归一化处理得到样本矩阵X，矩阵X每个元素x_ijk的计算公式为：

其中，a_ijk为原训练样本矩阵的样本值，min为样本值中的最小值，max为样本值中的最大值，k为该特征的权值，由专家系统或该领域的专家评分给出。

按上述方案，所述步骤2)中对训练样本矩阵进行奇异值分解，根据奇异值的贡献率确定降维维度的具体步骤如下：

2.1)对样本矩阵X进行奇异值分解，对矩阵X分解后，得到三个矩阵：U、S和V^T，其公式：

X＝USV^T；