【技术实现步骤摘要】
本专利技术属于雷达目标识别
，涉及。
技术介绍
高分辨率雷达能获取目标的一维距离像信息，而一维距离像反映了目标散射点在雷达视线上的分布情况，相对低分辨率雷达所获取的目标雷达截面积而言，一维距离像能提供更多的有关目标结构与形状等信息，而这些信息非常有利于目标的分类。基于子空间的分类方法广泛应用于图像识别、人脸识别等领域，在雷达目标识别中也获得了良好的识别效果，其中比较有代表性的方法有特征子空间方法和正则子空间方法。但是，在大姿态角范围内及复杂的电磁环境下，一维距离像的分布出现明显的非线性，正则子空间法等线性子空间识别方法的识别性能会大大下降。为此，引入核函数来解决一维距离像中出现的非线性问题，随之提出了许多非线性识别方法，如基于核函数的特征子空间方法、基于核函数的正则子空间方法等，由于正确处理了一维距离像中的非线性，因此，这些非线性方法的识别性能有了一定的改善。但是，基于核函数的正则子空间的维数受目标类别数的限制，对于维数很高的一维距离像，会造成提取特征的长度过短，出现分类信息的损失。另外，基于核函数的正则子空间的座标轴不是正交的，使提取的特征中包含冗余信息。以上这些因素将限制基于核函数的正则子空间法的识别性能，所以基于核函数的正则子空间法的识别性能仍有进一步改进的余地。
技术实现思路
为了克服现有技术中的缺陷`，本专利技术提供了一种种雷达目标一维距离像最优正交非线性子空间识别方法，有效的提高对雷达目标的识别性能，其技术方案为，—种雷达目标一维距离像最优正交非线性子空间识别方法，首先将目标的一维距离像进行非线性变换，映射到高维线性特征空间...
【技术保护点】
一种雷达目标一维距离像最优正交非线性子空间识别方法，其特征在于，首先将目标的一维距离像进行非线性变换，映射到高维线性特征空间，然后在高维特征空间建立一个最优正交非线性变换矩阵，进行特征提取，采用最近邻分类器进行分类，最终决定输入目标所属的类别，包括以下步骤：1）利用核函数和雷达目标一维距离像训练矢量确定矩阵Ui、Vrj和(K)ij；2）根据矩阵Ui、Vrj和(K)ij确定矩阵Wα；3）根据矩阵Ui确定矩阵Bα；4）根据矩阵Wα和Bα确定子空间中的一个矢量α1；5）根据矩阵Wα、Bα和α1确定子空间中的其它的矢量αi(i＝2,3,…,n)；6）利用矢量αi确定子空间矩阵A＝[α1α2…αn]；7）确定目标的库模板矢量；8）确定输入的目标一维距离像xt的最优正交非线性投影矢量；9）确定最优正交非线性投影矢量与目标的库模板矢量之间的欧氏距离；10）确定输入的目标一维距离像所属的类别。
【技术特征摘要】
1.一种雷达目标一维距离像最优正交非线性子空间识别方法，其特征在于，首先将目标的一维距离像进行非线性变换，映射到高维线性特征空间，然后在高维特征空间建立一个最优正交非线性变换矩阵，进行特征提取，采用最近邻分类器进行分类，最终决定输入目标所属的类别，包括以下步骤: 1)利用核函数和雷达目标一维距离像训练矢量确定矩阵U1、Vrj和(K)ij ； 2)根据矩阵和0^」确定矩阵1； 3)根据矩阵Ui确定矩阵Ba； 4)根据矩阵Wa和匕确定子空间中的一个矢量Ci1; 5)根据矩阵Wa、Ba和Ci1确定子空间中的其它的矢量ai(i= 2, 3, - ,n)； 6)利用矢量aj确定子空间矩阵A= [ a: a 2--- a J ； 7)确定目标的库模板矢量； 8)确定输入的目标一维距离像Xt的最优正交非线性投影矢量； 9)确定最优正交非线性投影矢量与目标的库模板矢量之间的欧氏距离； 10)确定输入的目标一维距离像所属的类别。2.根据权利要求1所述的雷达目标一维距离像最优正交非线性子空间识别方法，其特征在于，将每类目标的一维距...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。