1.基于核鉴别局部切空间排列的雷达目标距离像识别方法,其特征在于,包括以下步骤:
获取若干已知其所属目标类别的训练距离像和待识别其所属目标类别的测试距离像;
预处理获取的训练距离像和测试距离像;
基于局部切空间重构误差最小化和类间散射最大化准则,得到从高维距离像空间到低维特征空间的映射矩阵V;
提取训练距离像和测试距离像的特征:
y=VTk
其中,VT为映射矩阵V的转置,k为任意一个训练或测试距离像的核向量;
采用最近邻法比较测试距离像和训练距离像的特征,将每个待识别的测试距离像划归到离其最近的训练距离像所属的目标类别中。
2.根据权利要求1所述的基于核鉴别局部切空间排列的雷达目标距离像识别方法,其特征在于,所述的映射矩阵V的求解方法如下:
K(E-PN-B)Kv=βKKv
其中,β为广义特征方程的特征值,v为特征值所对应的特征向量;K是与X对应的核矩阵,K=[k1,...,kN];X为训练距离像集合,X=[x1,...,xN]∈Rm,N为训练距离像总数,ki(i=1,...,N)是xi与所有训练距离像之间的核函数值所构成的列向量;PN是元素为1/N的N×N的矩阵;E为N×N的矩阵,当xi和xj同属于类别g时,其对应元素Eij为1/Ng,否则Eij为0,Ng为第g(g=1,...,C)类雷达目标的训练距离像个数,C为雷达目标类别总数;B是N×N的矩阵;
获取广义特征方程的前d个最大特征值对应的特征向量;
采用前d个最大特征值对应的特征向量构建成映射矩阵:
V=[v1,...,vd]
其中,V为映射矩阵,vi(i=1,...,d)为广义特征方程的第i个最大的特征值对应的特征向量,d为特征向量的个数。
3.根据权利要求2所述的基于核鉴别局部切空间排列的雷达目标距离像识别方法,其特征在于,训练距离像xi与所有训练距离像之间的核函数值所构成的列向量ki的计算方法为:
ki=[κ(xi,x1)...,κ(xi,xN)]T
其中,xi为第i个训练距离像,N为训练距离像总数,κ(·,·)为核函数。
4.根据权利要求2所述的基于核鉴别局部切空间排列的雷达目标距离像识别方法,其特征在于,所述矩阵B的所有元素初始化为0,采用以下方式对矩阵B进行迭代更新:
其中,Di表示第i个训练距离像的n个近邻点在所有训练距离像集合中的索引编号,In是n×n的单位矩阵,Gi是n×(d+1)的矩阵。
5.根据权利要求1-4任一所述的基于核鉴别局部切空间排列的雷达目标距离像识别方法,其特征在于,所述预处理获取的训练距离像和测试距离像进一步包括:
采用傅里叶变换并取模的方式分别将训练距离像和测试距离像进行对齐处理;
将对齐处理后的每个训练距离像和测试距离像进行能量归一化处理。