一种雷达目标一维距离像局部最优子空间识别方法
【专利摘要】本发明提供了一种雷达目标一维距离像局部最优子空间识别方法，有效的提高对雷达目标的识别性能，该方法首先利用训练数据计算最近类内距离散布矩阵和最近类间距离散布矩阵，然后，通过最优比值准则建立一个局部最优子空间，提取目标特征，采用最小距离分类器进行分类，最终确定输入目标所属的类别；具体为利用雷达目标一维距离像训练矢量xij确定矢量和矢量确定矢量和确定矩阵DW和DB，确定局部最优子空间的m个矢量a1,a2,…,am，根据λi和矢量ai(i＝1,2,…,m)确定局部最优子空间利用训练矢量在子空间A中的投影确定模板库，确定输入目标一维距离像xt的局部最优子像，确定局部最优子像与库模板矢量之间的距离，利用最小距离分类器确定输入目标一维距离像所属的类别。
【专利说明】一种雷达目标一维距离像局部最优子空间识别方法
【技术领域】
[0001]本发明属于雷达目标识别【技术领域】，涉及一种雷达目标一维距离像局部最优子空间识别方法。
【背景技术】
[0002]子空间方法是经典的模式识别方法，广泛应用于图像识别、人脸识别中，在雷达目标识别中也有很多的应用。常见的特征子空间法和正则子空间法在雷达目标识别中都取得了良好的识别效果。其中，特征子空间能够在低维特征空间保持原始数据的能量，但从分类性能上讲不是最优的。相对于特征子空间而言，正则子空间通过使类内距离最小而类间距离最大来提取目标特征，一定程度上改善了目标识别性能。
[0003]然而，正则子空间法采用类间均值与类内均值从宏观上描述类内类间分布结构，但从局部上看可能不是最优的，同时正则子空间维数由目标类别数确定，目标类别数小时会造成分类信息的损失。因此，正则子空间法的识别性能有进一步改善的余地。
【发明内容】
[0004]本发明的目的在于提供了一种雷达目标一维距离像局部最优子空间识别方法，有效的提高对雷达目标的识别性能，其技术方案为:
[0005]一种雷达目标一维距离像局部最优子空间识别方法，其特征在于，首先利用训练数据计算最近类内距离散布矩阵和最近类间距离散布矩阵，然后，通过最优比值准则建立一个局部最优子空间，提取目标特征，采用最小距离分类器进行分类，最终确定输入目标所属的类别，包括以下步骤:
[0006]I)利用雷达目标一维距离像训练矢量Xu确定矢量和矢量χΛ
[0007]2)根据Xi X1；和确定矢量< 和< ;
[0008]3)根据矢量和Clii确定矩阵Dw和Db ；
[0009]4)利用矩阵Dw和Db确定局部最优子空间的m个矢量a。a2,…，am ；
[0010]5)根据 λ i 和矢量 aji = I, 2，确定局部最优子空间
【权利要求】
1.一种雷达目标一维距离像局部最优子空间识别方法，其特征在于，首先利用训练数据计算最近类内距离散布矩阵和最近类间距离散布矩阵，然后，通过最优比值准则建立一个局部最优子空间，提取目标特征，采用最小距离分类器进行分类，最终确定输入目标所属的类别，包括以下步骤: 1)利用雷达目标一维距离像训练矢量Xu确定矢量Xh和矢量P 2)根据乂…蛘和蛘确定矢量d和(?; 3)根据矢量< 和 <确定矩阵Dw和Db ； 4)利用矩阵Dw和Db确定局部最优子空间的m个矢量a”a2,…，am ； 5)根据λi和矢量aji = I, 2，…，m)确定局部最优子空间
2.按权利要求1所述一种雷达目标一维距离像局部最优子空间识别方法，其特征在于，利用每类目标的一维距离像训练样本的局部最优子像建立模板库，确定局部最优子像和库模板之间的距离，按最小距离准则判定目标类别。
3.按权利要求1所述一种雷达目标一维距离像局部最优子空间识别方法，其特征在于，判定目标的具体办法是:对矩阵D^Dll'进行本征分解，由前m个最大本征值和对应的本征向量确定局部最优子空间A = V^a2 ~#,?]，训练目标一维距离像按式y =Atx计算局部最优子像，将每类目标的训练一维距离像的局部最优子像组成相应目标的模板库{yij}，其中Yij为第i类目标的第j个训练一维距离像矢量；对输入目标的一维距离像按xt, y = Ατχ计算局部最优子像Yt,并计算以下距离:
Sij = I I yt-yij IIi = I, 2，…g ; j = 1,2，…，Ni
确定第i类目标中的最小距离:
Si = min {sij} 如果 ^-argniin{.v^则判输入目标为第k类。
【文档编号】G01S7/41GK103941244SQ201410165366
【公开日】2014年7月23日 申请日期:2014年4月23日 优先权日:2014年4月23日
【发明者】周代英, 廖阔, 沈晓峰, 梁菁, 邬震宇 申请人:电子科技大学