一种基于多核学判别分析的舰船辐射信号识别方法

摘要

本发明公开了一种基于多核学判别分析的舰船辐射信号识别方法，对舰船辐射信号样本依次进行预处理、听觉模型特征提取、维数约简、分类器分类判决。其中在维数约简阶段，使用了基于多核学判别分析的方法，利用交替优化，分别对核映射系数和线性多核组合系数，在用图嵌入形式表示的核判别分析优化目标下，进行优化运算。与现有方法相比，本发明的方法在舰船辐射信号的识别方面，能够有效地提升系统的识别性能。

主权项

一种基于多核学习判别分析的舰船辐射信号识别方法，其特征在于：将舰船辐射信号数据库中若干个舰船辐射信号样本按比例随机划分为训练样本集和测试样本集，其中每个舰船辐射信号样本均具有表征其来源的舰船类别标签，包括顺序执行的以下步骤：步骤一，舰船辐射信号样本预处理：对舰船辐射信号样本进行预加重，然后对预加重后的舰船辐射信号样本的时域信号进行分帧，并对每帧信号进行能量归一化；步骤二，舰船辐射信号特征提取：对经步骤一处理后的舰船辐射信号样本每帧，分别提取其听觉模型特征，并将提取到的听觉模型特征作为对应的舰船辐射信号样本每帧的特征向量，对各舰船辐射信号样本中每帧所对应的听觉模型特征取均值，组成得到每个舰船辐射信号样本的特征向量；对每个舰船辐射信号样本的特征向量的每一维特征进行规整化处理后，组成每个舰船辐射信号样本的规整化特征向量；步骤三，基于多核学习判别分析的特征维数约简：将经步骤二得到的属于训练样本集的舰船辐射信号样本的规整化特征向量组成训练样本特征向量集X＝[x₁,x₂,...,x_N]，利用训练样本的舰船辐射信号来源标签信息，采用多核学习判别分析算法对X进行维数约简训练，生成多核学习判别分析算法对应的核方法降维映射阵A，同时求解得到X的核映射低维训练样本集A^TΩ；这里：Ω为训练样本集的Gram阵，其第i行j列元素其中：θ_m为多核条件下各核对应Gram阵的线性组合系数；核m的Gram阵第i行j列元素为k_m(x_i,x_j)，不同核对应Gram阵的元素分别选用不同参数下的Gauss核函数构建；M为选取的不同核的个数，1≤m≤M；步骤四，训练分类器：选用1NN分类器，直接使用经过维数约简的训练样本组成1NN分类器；步骤五，测试：对于每个测试样本，使用经步骤四得到的分类器对每个测试样本进行测试，具体包括顺序执行的以下步骤：(1)对经步骤二得到的经过规整化处理后的每个测试样本的规整化特征向量，使用核方法降维映射阵A进行维数约简，得到经过核方法维数约简后的低维样本A^TΩ_i，对于测试样本的规整化特征向量${\Omega }_i=[K(x_i^{\mathrm{test}},x_1),K(x_i^{\mathrm{test}},x_2),...,K(x_i^{\mathrm{test}},x_N){]}^T,$Gram阵K中的核函数选用步骤三中所述的多个Gauss核函数对应的Gram阵的线性组合；(2)使用分类器对A^TΩ_i进行分类，选择1NN分类器进行分类：利用1NN分类器分类的方法为：对于每一个测试样本，在全体训练样本中找到与其欧式距离最近的训练样本，使用该训练样本对应的类别标签作为该测试样本的分类判决结果。