一种非线性类组稀疏表示真假目标一维距离像识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114241233A(43)申请公布日2022.03.25(21)申请号202111450631.X(22)申请日2021.11.30(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人周代英廖阔沈晓峰冯健(74)专利代理机构电子科技大学专利中心51203代理人周刘英(51)Int.Cl.G06V10/764(2022.01)G06V10/774(2022.01)G06K9/62(2022.01)权利要求书1页说明书4页(54)发明名称一种非线性类组稀疏表示真假目标一维距离像识别方法(57)摘要本发明公开了一种非线性类组稀疏表示真假目标一维距离像识别方法，属于雷达识别技术领域。本发明首先利用非线性映射函数将训练样本映射到高维空间，在高维空间对输入样本进行稀疏分析，并以类别为组计算非线性重构误差，采用非线性类组重构误差计分函数对目标进行分类，由于引入非线性映射，解决了一维距离像数据分布出现的非线性问题，从而改善了对目标的识别性能。CN114241233ACN114241233A权利要求书1/1页1.一种非线性类组稀疏表示真假目标一维距离像识别方法，其特征在于，包括下列步骤：步骤1：基于预设的非线性函数φ(·)将训练样本映射到高维特征空间，在高维空间将非线性映射样本组成矩阵：[φ(X1)φ(X1)…φ(Xg)]；其中，xij表示第i类真假目标的第j个训练样本的一维距离像，1≤i≤g，1≤j≤Ni，g为类别数，Ni为第i类真假目标的训练样本数；步骤2：在高维空间对待识别的一维距离像xt进行稀疏分析，获取各类组的非线性系数系数：所述一维距离像xt的非线性映射φ(xt)的类组稀疏表示为：其中，αi表示第i类组的非线性稀疏系数，||·||2表示2阶范数，λ表示调节参数，α＝[α1α2…αg]；根据xt的非线性映射φ(xt)的类组稀疏表示的求解结果，确定各类组的非线性系数系数αi；步骤3：以类别为组计算非线性重构误差Ei：T定义核函数k(xij,xrl)＝φ(xij)φ(xrl)，其中，xrl表示第r类真假目标的第l个训练样本的一维距离像；第i类组的的误差其中，矩阵K1,i和K2,i分别为：步骤4：遍历所有非线性重构误差，若当前的非线性重构误差Em均比其余的非线性重构误差Ei小，其中，i≠m，则判定xt的目标类别为：当前非线性重构误差Em所对应的类别。2CN114241233A说明书1/4页一种非线性类组稀疏表示真假目标一维距离像识别方法技术领域[0001]本发明属于雷达识别技术领域，具体涉及一种非线性类组稀疏表示真假目标一维距离像识别方法。背景技术[0002]在雷达目标识别中，由于目标是由多个散射中心构成的，表现出明显的稀疏性，因经，稀疏表示分类方法获得了好的识别效果。但是，随着目标姿态角范围的增加，加之背景干扰噪声的随机性，一维距离像数据分布中出现了较大的非线性，传统的线性稀疏表示分类方法不能有效地描述一维距离像数据分布中的非线性，造成其识别性能受到限制。因此，现有传统的线性稀疏表示分类方法的识别性能有进一步改善的余地。发明内容[0003]本发明提供了一种非线性类组稀疏表示真假目标一维距离像识别方法，可用于提高雷达目标识别性能。[0004]本发明采用的技术方案为：[0005]一种非线性类组稀疏表示真假目标一维距离像识别方法，所述方法包括：[0006]步骤1：基于预设的非线性函数φ(·)将训练样本映射到高维特征空间，在高维空间将非线性映射样本组成矩阵：[φ(X1)φ(X1)…φ(Xg)]；[0007]其中，xij表示第i类真假目标的第j个训练样本的一维距离像，Xi表示训练样本矩阵，1≤i≤g，1≤j≤Ni，g为类别数，Ni为第i类真假目标的训练样本数；[0008]步骤2：在高维空间对待识别的一维距离像xt进行稀疏分析，获取各类组的非线性系数系数：[0009]所述一维距离像xt的非线性映射φ(xt)的类组稀疏表示为：[0010][0011]其中，αi表示第i类组的非线性稀疏系数，·2表示2阶范数，λ表示调节参数，[0012]根据xt的非线性映射φ(xt)的类组稀疏表示的求解结果，确定各类组的非线性系数系数αi；[0013]步骤3：以类别为组计算非线性重构误差Ei：[0014]T定义核函数k(xij,xrl)＝φ(xij)φ(xrl)，其中，上标T表示转置，xrl表示第r类真假目标的第l个训练样本的一维距离像；[0015]第i类组的的误差其中，矩阵K1,i和K2,i分别为：3CN114241233A说明书2/4页[0016][0017][0018]步骤4：基于各组的非线性重构误差判定xt的类别：若满足Em＜Ei,for