[发明专利]一种类内样本相似结构保持非线性投影特征提取方法

说明书

本发明属于雷达目标识别技术领域，具体的说是一种类内样本相似结构保持非线性投影特征提取方法。本发明的方法利用类内样本相似结构计算目标函数，建立非线性投影矩阵，在目标样本数据分布出现非线性的情况下，能够保持类内样本相似的局部结构，获得非线性投影特征，克服了常规非线性子空间只能提取样本数据全局非线性特征的缺点，从而提高了目标识别性能，对四类仿真目标的RCS数据进行了仿真实验，实验结果验证了方法的有效性。

技术领域

本发明属于雷达目标识别技术领域，具体的说是一种类内样本相似结构保持非线性投影特征提取方法。

背景技术

在雷达目标识别中，样本数据分布中会出现明显的非线性，造成线性子空间法的识别性能明显下降，甚至无法完成识别任务。而基于核函数的非线性子空间法，由于能够更好地表示数据中出现的非线性，因此，非线性子空间法的识别性能有了较大的改善。

然而，这些非线性子空间法只能够提取到样本数据分布中的全局非线性特征，而研究表明，数据分布中的局部结构非线性特征更有利于目标分类，因此，现有常规非线性子空间法的识别性能有进一步改善的余地。

发明内容

本发明的目的，就是针对上述问题，提出一种类内样本相似结构保持非线性投影的目标特征提取方法，利用类内样本相似结构计算目标函数，建立非线性投影矩阵，在目标样本数据分布出现非线性的情况下，能够保持类内样本相似结构，获得有利于分类的非线性局部结构投影特征，克服了常规非线性子空间只能提取样本数据全局非线性特征的缺点，有效改善了对雷达真假目标的分类性能。

本发明的技术方案为：

一种类内样本相似结构保持非线性投影特征提取方法，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RCS数据序列帧,1≤i≤g，1≤j≤N_i，其中N_i为第i^th类真假目标的训练RCS序列帧数，N为训练RCS序列总帧数；

b、采用类内样本相似结构保持非线性投影特征提取方法，构建目标函数，具体包括：

b1、将训练RCS序列帧数据x_ij的非线性映射进行如下变换：

z_ij＝W^Tφ(x_ij) (1)

其中，T表示矩阵转置，φ(·)为非线性映射函数，W为变换矩阵，z_ij为x_ij对应的非线性特征矢量；

b2、在非线性特征空间计算同类任意两个样本非线性特征矢量之间的差值平方和：

其中，为类内样本相似结构保持系数：

其中Π_k(·)表示类内样本k个最相似样本的集合；式(3)表示，当同一目标的两个样本属于同一相似样本集合时，其样本对应的非线性投影之间的差异值包含在目标函数中，用于构建非线性投影矩阵；而不属于相似样本集合的其它样本对应的非线性投影间差异值将不包含在目标函数中，对非线性投影矩阵的构建没有任何影响；

b3、利用矩阵迹的运算公式，将式(2)转换为

将公式(1)代入(4)，可得：

公式(5)可化简为：

其中