基于分数阶傅里叶变换的目标特征提取方法.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CN105403873A(43)申请公布日2016.03.16(21)申请号201510920520.9(22)申请日2015.12.11(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人杜兰史蕙若李林森孙永光(74)专利代理机构陕西电子工业专利中心61205代理人王品华张问芬(51)Int.Cl.G01S7/41(2006.01)权利要求书3页说明书6页附图2页(54)发明名称基于分数阶傅里叶变换的目标特征提取方法(57)摘要本发明公开了一种基于分数阶傅里叶变换理论的特征提取方法，主要解决现有技术在对三类飞机目标分类过程的特征提取中特征单一且分类效果不理想的问题。其技术方案是：1、对训练信号做分数阶傅里叶变换；2、对变换后的训练信号提取特征；3、对提取出的特征进行特征选择；4、用选出特征对分类器进行训练；5、对测试信号做分数阶傅里叶变换；6、对变换后测试信号提取步骤3中所选出特征；7、把从测试信号中提取的特征送入到训练好的分类器中，完成对三类飞机目标的分类。本发明将传统的时域和多普勒域特征扩展到分数域，能够更好地描述目标回波特性，提高分类正确率，可用于对直升机、螺旋桨飞机和喷气式飞机这三类目标的分类。CN105403873ACN105403873A权利要求书1/3页1.基于分数阶傅里叶变换的特征提取方法，包括：A.训练步骤：(A1).对三类飞机目标训练信号分别进行间隔为0.1，范围为0～1阶的分数阶傅里叶变换，获得各阶分数阶的训练信号fa(u)；(A2).分别对各阶分数阶训练信号fa(u)提取峰值函数方差，峰值函数熵，幅值方差，幅值熵，二阶中心矩，四阶中心矩，得到62维特征；(A3).对(A2)所得特征进行选择，使上述62维特征得以降维，得到其中使训练数据分类正确率最大的特征，组成训练特征向量F；(A4).用训练特征向量F对高斯核SVM分类器的参数进行训练，得到训练好的高斯核SVM分类器；B.测试步骤：(B1).对三类飞机目标测试信号分别进行间隔为0.1，范围为0～1阶的分数阶傅里叶变换，获得各阶分数阶的测试信号ga(u)；(B2).对各阶分数阶测试信号ga(u)提取(A3)中所选出特征，组成测试特征向量F1；(B3).将(B2)中得到测试特征向量F1送入到训练好的高斯核SVM分类器中，完成对飞机目标的分类。2.根据权利要求1所述的基于分数阶傅里叶变换的特征提取方法，其中步骤(A2)中对各阶分数阶训练信号提取特征，按如下步骤进行：(A21).构造幅值相关函数:其中，fa(u)是对训练信号经过分数阶傅里叶变换后的信号，l＝1,2,......,fix(M/2)为平移变数，fix表示向下取整，mod(u+l,M)表示取整数u+l除以整数M后的余数，u＝0,1,2,...,M，M为分数域总点数；(A22).对幅值相关函数f(l)取极大值点，得到峰值函数peak(l)，并对变换后训练信号fa(u)提取如下特征：首先，提取0～0.9阶峰值函数方差feature1和峰值函数熵feature2：其中，表示峰值函数的幅值概率，表示峰值2CN105403873A权利要求书2/3页函数的均值，表示峰值函数的能量概率，l＝1,2,......,fix(M/2)为平移变量；其次，提取0～1阶幅值熵feature3和幅值方差feature4：其中p(u)为fa(u)模一归一化信号波形，代表fa(u)幅度的均值；最后，提取0.1～1阶的二阶中心矩feature5和四阶中心矩feature6：其中，表示fa(u)幅值的一阶矩。3.根据权利要求1所述的基于分数阶傅里叶变换的特征提取方法，其中步骤(A3)对(A2)所得特征进行特征选择，按如下步骤进行：(A31).将(A2)所得的全部特征构成集合Y＝{yi:1≤i≤D}，D为总特征个数，D＝62。(A32).定义评价函数J，并用其表示特征对训练数据的分类正确率，选出集合Y中评价函数J(yi)最大的特征y，构成特征集合Xk，k表示集合Xk内特征个数，令k＝1，执行(A33)；(A33).判断k是否达到设定的特征数目，如果是，则执行(A37)；否则从剩余特征集合Y-Xk中选择1个特征qk+1，加入特征集合Xk，组成新的特征集合Xk+1，即Xk+1＝Xk+qk+1，使得J(Xk+1)≥J(Xk)，执行(A34)；(A34).定义qr为集合Xk+1中的最差特征，qr满足：J(Xk+1-qr)≥J(Xk+1-ql),且l≠r；从集合Xk+1中找出最差的特征qr，并判断该最差的特征的序号r：若r＝k+1，则令k＝k+1，返回(A33)；若r＜k+1，判断J(Xk+1-qr)≥J(Xk+1)是否成立，如果不成立，则令