基于核支持向量最優(yōu)變換矩陣的雷達目標(biāo)一維距離像識別

基于核支持向量最優(yōu)變換矩陣的雷達目標(biāo)一維距離像識別1引言高分辨雷達接收的目標(biāo)回波占據(jù)多個距離分辨單元，形成目標(biāo)的一維高分辨距離像，反映了目標(biāo)散射點在雷達視線上的分布情況，為物理特性相似的復(fù)雜目標(biāo)分類提供了必要的信息來源。但是，一維距離像敏感于目標(biāo)姿態(tài)角的變化。因此，采用合適的特征提取和分類方法，是正確識別目標(biāo)的關(guān)鍵。支持向量機 （SVM）最早由 Vapnik□□,□□□□□□□□ （SRM）思想的具體實現(xiàn)，其□□□□□□□□□□□□□□□□□ SVM□□□□□□□□□□□□1引言高分辨雷達接收的目標(biāo)回波占據(jù)多個距離分辨單元，形成目標(biāo)的一維高分辨距離像，反映了目標(biāo)散射點在雷達視線上的分布情況，為物理特性相似的復(fù)雜目標(biāo)分類提供了必要的信息來源。但是，一維距離像敏感于目標(biāo)姿態(tài)角的變化。因此，采用合適的特征提取和分類方法，是正確識別目標(biāo)的關(guān)鍵。□□□□□ (SVM)最早由 Vapnik□□,□□□□□□□□□□□□□ (SVM)最早由 Vapnik□□,□□□□□□□□現(xiàn)，其結(jié)構(gòu)簡單且具有全局最優(yōu)性能。故應(yīng)用分類器。此外，在模式識別領(lǐng)域得到成功應(yīng)用的還有零空間方法主要是利用類內(nèi)散布矩陣的零空間特性結(jié)合空間。本文結(jié)合上述方法，提出了一種新的方案：用量集（SVs）,通過 SVs□□□□□□□□(SRM)□□□□□□SVM□□□□□□□□□□□□(null-space)□□,□□□Fisher準(zhǔn)則求解最優(yōu)的線性子SVM□□□□不同□□□□□□Sb□□□□□□□Sw,再由Sb,Sw構(gòu)建的Fisher□□□□□□□□□□□□□□,□□□□□□□□□□,□□類目標(biāo)進行特征提取。2支持向量集兩類目標(biāo)的支持向量集對非線性可分的訓(xùn)練樣本集：□□□□□□□□□□□□□□□□□□□□□□□□，□ xi口中（xi），Q（xi）是xi□□□□□□□， 中□□□□，□□□□□□□□□□□□□□訓(xùn)練樣本集變?yōu)椋?/p>

在高維特征空間中利用SVM在高維特征空間中利用SVM方法求支持向量集，方法如下：多類支持向量集對多類問題，本文選用相對簡單且有效的一對多方法。假設(shè)訓(xùn)練樣本集一共有C個類別，該方法需要構(gòu)造其余的類別分開。CDSVM分類器，第i(i=1…C)個分類器將第iC個類別，該方法需要構(gòu)造其余的類別分開。CDSVM分類器，第i(i=1…C)個分類器將第i類與在構(gòu)建第別為反例集合，即yj=1,①(xj)Di,其余類yj=-1,①(xj)?i。根據(jù)式(5)的定義得到屬于第i類的正例支持向量集，在此定義為SVi。例支持向量集，在此定義為SVi。同理，可得到總共C個類別的支持向量集，記為：3最優(yōu)變換矩陣3.1利用支持向量構(gòu)造3.1利用支持向量構(gòu)造Fisher判別式3.2利用零空間特性求解最優(yōu)變換矩陣Kw-1Kb□□□□□□□,□□□□□Kw□□□□□□□□(12)的分母為零，此時若Kw-1Kb□□□□□□□,□□□□□Kw□□□□□□□□(12)的分母為零，此時若征值對應(yīng)的特征向量構(gòu)造變換矩陣，忽略了類內(nèi)散布矩陣空間是由特征值為零的特征向量構(gòu)成的矩陣，使得式分子>0，必然有最好的可分性。研究表明零空間方法求變換矩陣優(yōu)于其他的子空間方法。下面給出一種有效的零空間方法，并用其求解最優(yōu)變換矩陣。其中n為支持向量維數(shù)， N為支持向量集的樣本個數(shù)， C為類別數(shù)。由于支持向量的數(shù)量通常都比較少，因此 n>N，rank(Kb)=C-1。求解變換矩陣步驟如下：基于最優(yōu)變換矩陣的目標(biāo)識別將式(16)中的第 i(i=1,…，C)類目標(biāo)的均值向量 mi□□□□□□□ W投影：投影矢量yi作為第i□□□□□□□□□□□□□□□□□□□：□□□□□□□□□□□□□□□□□□□□□□□ yt,計算歐式距離：實驗結(jié)果□□□□□□□□□ ISAR雷達對空中3種飛機(安-26,獎狀，雅克-42)所成的距離像。采樣點數(shù)為 256。試驗數(shù)據(jù)為3種飛機任取一段的 260幅距離像，用隔一取一方法將距離像分為訓(xùn)練樣本集和測試樣本集。識別前做如下處理：歸一化：將每幅距離像用總能量歸一。□□□：□□ Fourier□□□□□□□□,□□□□□□□ Fourier變換即可對齊。□：□□□□□□□□□□□□□□ (SVN),□□□□□□□□□□ Fisher方法(□□□□□□□