我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:ag视讯 > 弹道学 >

弹道目标模式识别技术及性能评估pdf

归档日期:06-26       文本归类:弹道学      文章编辑:爱尚语录

  1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。

  国防科学技术大学 硕士学位论文 弹道目标模式识别技术及性能评估 姓名:吴晓勇 申请学位级别:硕士 专业:电子与通信工程 指导教师:张文明 20091001 国防科学技术大学研究生院工程硕士学位论文 摘要 本文以反导系统真假目标识别为研究背景,以中段目标群为研究对象,研究 了基于RCS序列和基于一维距离像的弹道中段目标特征提取与特征评估方法、弹 道目标雷达识别方法和分类器性能评估方法等方面内容。论文通过逼真的战情仿 真手段,充分利用微波暗室测量数据,设计弹道目标识别系统,在若干典型战情 下进行了特征提取与评估、目标识别及评估研究。在研究中注重所提取特征的物 理意义及所提出识别和评估方法的工程可实现性,得到了一系列有价值的结果。 特征提取是雷达目标识别的关键环节,能否提取出物理意义清晰、可分性强 的特征在一定程度上决定了识别的成功与否。论文根据中段目标群的特征信号及 其运动特点,采用基于窄带的RCS序列特征提取方法、基于宽带一维距离像的特 征提取方法。在特征评估方面,应用了基于距离可分性测度的评估方法和模糊评 估方法。 分类器设计与评估是目标识别的中心环节。论文根据弹道目标识别特点,采 用了四种分类器:模板匹配法、决策树法、模糊综合评判法和模糊神经网络法。 在分类器性能评估方面,采用了基于置信度的可靠性评估方法和AUC评估方法。 为分类器的设计、组合和优化提供了可行的手段。 最后总结全文,探讨了反导系统中的模式识别技术发展趋势,并对今后研究 方向提出了一些参考意见和想法。 关键词:反导系统;雷达目标特征信号:特征提取:模式识别;性能评估 第1页 国防科学技术大学研究生院工程硕士学位论文 ABSTRACT With a of formissile defense andaresearch backgroundtargetIrecognition systems ofthe midcourse thesis indetailthe target target.group,thisinvestigates methodsof feature extractionandevaluationformidcoursebasedonthe RCS and targets sequences one-dimensional themethodsof andclassifier rangeprofiles,and targetrecognition evaluationforballistic assistanceof performance targets,etc.Wi也the vividsimulatio璐 andthe datafrom.themicrowavedark thesis a measuring l-oom,this designstarget forballistic onwhichthe feature recognition extractionand system targets,based target the andevaluationare indetail evaluation,and forsome targetrecognition investigated valuableresultsareobtained. typicalscenarios,and Featureextractiona roleinradar key is plays targetrecognition,and thoroughly inthisdissertation.Twofeatureextraction analyzed methodsale putforward,including the of RCS—time basedonnarrowbandechoesandthe sequence algorithms shape feature extraction basedonwideband011e—dimensional algodthms range profile.0n evaluation cwahationbasedon approaehes,theapproach distance criterion separability andtheevaluation based011 4He forwardtoevaluatethe fuzzy approach theoryput extracted features. andevaluation011classifierare in .n圮design pivotal target steps recognition.Four methodof classifierbasedondecision classifiers,the templetmatching,the tree,the classifierbased011multi—featurefusionandthemethodof fuzzy neuralnetwork fuzzy are for fraudinview proposed ofthecharacteristiesofthe alleging target theelmsifierevaluation recognition.On evaluation approaches,thedependability based011confidencemeasuresandthe approach evaluation based011 approach AUC.Thosemethods theoretic andfeasible laovide suppo矗 meaI毽for and classifiers. designing,choosingcombining At thesis is ofthe last,the summarized.啊1e(echnology development-trendspattern are new discussed.neandthefurtherworkare recognition OUt. point pointed Words:Missiledefense Key Jystem,Radarsignature,Feature evaluation reeognifion,Performance 第ll页 国防科学技术大学研究生院工程硕士学位论文 图目录 图1.1论文主要研究内容框架结构图…………………………………………………..5 图2.1雷达目标识别系统及识别过程的原理图…………………………………………9 图2.2五类目标RCS序列图…………………………………………………………….11 图2.3基于RCS的特征提取结果……………………………………………………….14 图2.4基于一维距离像的特征提取结果……………………………………………….17 图2.5仿真得到的五类目标RCS序列……………………………………………….24 图2.6弹头与诱饵在特征平面上投影……………………………………………….25 图2.7雷达观测的五类目标距离像…………………………………………………….26 图3.1三类目标模板………………………………………………………………………35 图3.2三类目标特征……………………………………………………………………37 图3.3决策树决策过程…………………………………………………………………38 图3.4基于RCS真假目标识别决策树框图…………………………………………..39 图3.5五类目标RCS基于决策树识别实验过程图…………………………………….40 图3.6基于一维距离像真假目标识别决策树框图…………………………………….41 图3.7五类目标基于一维距离像决策树识别实验过程图…………………………..42 图3.8模糊目标识别框图………………………………………………………………46 图3.9模糊神经网络结构图………………………………………………………….48 图4.1雷达获取的五类目标宽窄带特征……………………………………………….56 图4.2N.P准则判决原理示意图……………………………………………………….58 图4.3三种分类器的ROC曲线…………………………………………………………60 图4.4I的C凸包法示意图……………………………………………………………….63 图4.5四种分类器的ROC曲线…………………………………………………………….“ 第iv页 国防科学技术大学研究生院工程硕士学位论文 表目录 表2.1不同评价指标的比较…………………………………………………………………。19 表2.2基于距离可分性测度的五类目标特征评估结果……………………………….25 表2.3基于模糊度的五类目标特征模糊评估结果……………………………………25 表2.4距离像可分性评估…………………………………………………………………….27 表2.5基于距离像的二次特征可分性评估……………………………………………。27 表3.1反导系统中五种常用模式识别方法比较…………………………………………3l 表3.2对100组样本的匹配结果…………...………………………………………………….37 表3.3基于RCS序列决策树识别结果…………………...………………………...…..42 表3.4基于一维距离像决策树识别结果…………………………………...…………...…42 表3.5基于模糊综合评判法识别结果……………………………………………………47 表3.6识别率……………………………………………………………………...……………50, 表4.1识别结果及评估结果…………………………………………………………………。56 表4.2两类目标识别的混淆矩阵…………………………………………………………..59 表4.3四种分类器的AUC…山………………………………………………...…………….64 第v页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的 研究成果.尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其 他人已经发表和撰写过的研究成果,也不包含为获得国防科学技术大学或其它教 育机构的学位或证书而使用过的材料.与我一同工作的同志对本研究所做的任何 贡献均巴在论文中作了明确的说明并表示谢意。 学位论文题目:一.瑾道旦捶搓塞迟别披苤丞性能透鱼 一一. ,二月够日 学位论文作者签名:—吴』堑L日期:2。。7年 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定.本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档,允许论文被查阅和借阅;可以将学位论文的全部或部分内容编入有关数据库 进行检索,可以采用影印、缩印或扫描等复制手段保存.汇编学位论文. 保密学位论文在解密后适用本授权书。) 学位论文作者签名:. 望型良 日期:Ⅺ口7年,上月够臼 储指导教师张型缝弘一吼叩年侬月辱B 国防科学技术大学研究生院工程硕士学位论文 第一章 绪论 1.1引言 弹道导弹自问世以来,在国家安全中发挥着越来越重要的作用。尤其是海湾战争以来, 弹道导弹在作战中表现出来的重大功效使得各国高度重视并竞相发展弹道导弹技术。到目 前为止,世界上已有40多个国家和地区拥有弹道导弹,至少有15个国家有能力制造弹道导 弹【l】。随着弹道导弹及其相关技术在世界范围内的日益发展和扩散,以及西方发达国家弹 道导弹防御技术和防御系统的不断研究和部署,弹道目标识别技术作为现代雷达目标识别 技术发展的一个重要方向,在国内外引起广泛研究。但由于目标实测数据的缺乏,现有识 别研究大多是建立在理论计算或目标缩比模型室内测量的数据之上,实验数据缺乏遍历性 和代表性,致使以此为基础的目标识别算法难以适应复杂多变的战场环境。用动态的观点 研究反导系统中的真假目标识别问题,通过数字仿真产生不同战场条件下的目标雷达特征 信号、战场环境和目标伪装等进行深入研究,已成为弹道目标雷达识别领域的紧迫任务。 我国正处于弹道导弹攻防的双重威胁之中,对弹道导弹识别技术的研究迫在眉睫。深 入开展反导系统真假目标识别技术研究,不仅能够为研制我军的反导系统提供技术储备, 同时也能够为改进我军弹道导弹突防措施、提高我军弹道导弹突防能力提供参考依据,因 此对于反导系统真假目标识别研究是我军目前迫切需要解决的军事前沿课题。 随着弹道导弹技术的飞速发展,作为其作战对手的反导系统也成为当前人们关注的热 点之一。当前国内外研究得最多的反导系统是美军的反导系统。研究者们主要是对于反导 采用高分辨距离像、目标速度、目标长度分辨弹道目标的方法,得到了较好的识别效果; 刘丽华【3l对弹道中段雷达特征分析与提取进行了相关研究,建立了锥形弹头在弹道中段的 进动模型,推导出进动周期和惯量比之间的数学关系,并利用惯量比有效的区分弹头与重 诱饵。关于反导系统的特征提取技术,国内外有大量的文献报道,但对于反导识别中的重 要的环节——模式识别技术及分类器设计,报道相对较少。 分类器设计是反导系统目标识别的核心和关键技术之一,它的优劣在一定程度上决定 了反导系统的成败。因此,研究反导系统中的模式识别技术,不仅可以拓展模式识别技术 的应用领域,优化反导系统分类器设计,提升反导系统的识别性能,同时为我国先进体制 雷达的研制以及反导系统的建立提供技术储备,还可以为我弹道导弹突防战术设计、干扰 和诱饵方案的优化等提供有力的参考依据,具有十分重要的军事意义和理论价值。 本文正是在上述背景下,针对反导系统中真假目标识别这一难点,重点研究了弹道导 弹特征提取与评估、目标识别以及分类器性能评估等问题。 第1页 国防科学技术大学研究生院工程硕士学位论文 1.2弹道目标雷达识别研究现状 由于弹道目标识别在雷达目标识别领域中的特殊地位和挑战性,一直受到国内外研究 者的广泛关注,是当前国内夕卜雷达目标识别研究的热点问题之一。 国外对于反导系统雷达特征提取与识别技术研究相对较早。前苏联是最早开展弹道导 弹识别国家,但美国在弹道导弹识别投入最多,其研究水平一直处于世界领先地位。从1959 年开始,美国高级研究计划局执行了多次试验计划,以解决中段与再入段导弹防御系统酶 弹道目标识别技术,并且专门研制了一批目标特征信号测量雷达,采集了大量训练数据, 丰富了目标分类数据库。在目标特征信号储备了足够多的数量之后又进行了多次实战演 习;1971年12月8日用高空“斯帕坦导弹在夸贾林岛成功地摧毁了一枚隐藏在多 个诱饵中的民兵弹头;随后又于1972年5月5日和7月15日相继用地空搿斯普林特 导弹在夸贾林岛从诱饵云中识别出再入弹头,并拦截成功;在1975年仍用基尔南系统的雷 达网成功地创造了在更为恶劣的再入干扰环境——雨l用大力神助推器炸成碎块,加上箔条 云团和小质阻比的碎片云——中识别出了线年的海湾战争以及后来的伊拉克 战争中,美国“爱国者防空系统有效完成了对战术弹道导弹的检测、跟踪和识别,’成功 拦截并摧毁了多枚伊拉克导弹。据有关报道,目前反导系统中的早期预警雷达主要采用了 窄带RCS统计模式识别方法。能分辨出母舱和再入弹头州。自1999年以来,美国地基中段 防御系统共进行14次拦截试验,其中9次成功,5次失败,根据美国总审计局在2002年2月’ 公布的。综合飞行试验IFT,-1A试验报告15】表明,反导系统的识别技术主要是基于大量试 “宙斯盾一弹道导弹防御系统总共进行了20次拦截试验,其中16次获得成功,4次失败。 对目前已公布细节的前8次拦截试验进行分析,所采用的目标群组合都很简单。前三次拦 截试验使用了相同的目标群,即一个模拟弹头、母舱和一个大型球形诱饵,该气球的直径 为2.2米,比模拟弹头亮6倍。在接下来的两次试验中,目标群设置相同,只是气球直径变‘ 为1.7米,亮度为模拟弹头的3倍。另外增加了两个直径0.6米的小型气球诱饵,其亮度为模 拟弹头的t/2或1/3。截止目前为止,就反导系统是否有效的问题,仍然存在着激烈的争论。 而反对的核心就是目标识别问题。进攻方在中段可以布撒很多诱饵,这些诱饵形状不一、 大小不一。其辐射温度可以有很大不同;其次,诱饵可以具备一些旋转、章动等运动特征; 此外,弹头模拟成诱饵在技术上也很简单,来袭弹头也可以和诱饵一样没有固定特征。 国外针对弹道目标识别研究代表性工作有::Leon[6]根据目标在某一特定高度下的速度 技术发展中心的支持下,研究了一种序贯目标识别法。这一方法以Watdisl的序贯概率比检 验为基础,当错误概率在规定的门限之内时,雷达停止对被识目标的照射.分类器做出判 率等特征进行了比较,总结了从累计概率分布、傅立叶变换等特征中提取参数进行分类的 第2页 国防科学技术大学研究生院工程硕士学位论文 方法。目前美军导弹防御系统尚未揭示特征产生机理,距智能化的特征提取与目标识别仍 有较大差距。 国内从事反导系统中模式识别研究的有:许小剑【9】利用目标RCS幅度信息,采用模糊 判决原理对多类导弹目标进行识别实验,在准确测得目标位置和运动参数的情况下,达到 了平均84.6%的识别率;冯德军【lol等根据导弹目标距离像识别连续性、动态性特点,提出 了一种适用于距离像识别的置信度函数,采用距离像的序贯识别方法有效改善识别器性 能;张居凤【ll】根据目标运动过程中的动态一维距离像,采用匹配的方法完成了几类弹头的 分类识别;郑小亮【12】基于匹配的方法针对弹头RCS的特征进行有效的识别。国内在弹道 目标特征提取与识别方面取得一定进展,但受测量手段的限制,缺乏必要基础数据和飞行 试验的验证。 在弹道目标雷达识别中,弹道中段目标飞行时间长,可以实现较长时间的识别与拦截。 而在助推段,诱饵尚未放出,此时进行拦截无需进行真假目标识别,但拦截技术难度较大; 在再入段,空气的过滤作用使目标识别相对容易,但拦截时间短,拦截风险大。因此,导 弹防御系统把更多的力量集中在中段,中段被认为是导弹防御的关键阶段。另外,中段目 标群特殊的运动和散射特性,其目标识别方法有鲜明特色。这也决定了大部分的弹道目标 识别研究主要围绕中段识别而开展。在本文中,如无特殊指出,弹道目标识别也均特指中 段。当前最典型的弹道目标识别系统是美国的反导系统。从以上分析可以看出,国内外对 于反导系统雷达特征提取与识别技术研究取得了一定进展,但由于技术难度、军事应用价 值以及敏感性,有关的研究成果较为零散,并且公开的论述不多见,目前尚未形成较完整 的体系。总的来说,当前反导系统雷达特征提取与识别技术研究仍处于发展阶段,还未达 到理论成熟、技术完善的地步。下面将以反导系统为例,阐述弹道目标雷达识别存在的几 点不足。 1、对于弹道真假目标特征研究较少,特征提取方法比较单一。由于弹道目标识别先 验知识相对缺乏,因此,对特征提取提出了很高的要求,不但要具有良好的可分性,而且 要物理意义清晰。所提取的特征应能反映真假目标的本质属性,包括散射特征、结构特征、 运动特征等。而目前这方面虽有一些研究基础,但还需深入成体系化。 2、识别手段相对滞后。弹道目标识别是典型的非合作目标识别,目标识别雷达不仅 难以获得待识别目标群的雷达散射特征数据库,甚至连真假目标类型和数目都知之不详, 这使得弹道目标识别与其它场景的目标识别存在显著的差别。 3、雷达目标识别评估手段缺乏。只有通过准确、定量的评估,才能使所提出的雷达 目标识别方法的可行性得到保障。而目前雷达目标别评估体系还需完善,相关研究较少, 这妨碍了弹道目标雷达识别的发展。 1.3性能评估技术现状 性能评估是系统设计的重要组成部分,通过科学合理的评估,设计者能发现系统的长 第3页 国防科学技术大学研究生院工程硕士学位论文 处和不足,并在此基础上进行改进和优化。对反导系统真假目标识别而言,目标识别系统 的性能评估尤其具有特殊的地位;对导弹防御方丽言,进行目标识别效果评估不仅能比较 各种识别特征、识别算法的性能,寻找在特定战情下的有效特征和最优识别方案,而且能 优化拦截方案设计,为整个防御系统的设计提供有价值的参考信息;对于突防方来说,有 效评估防御方识别系统的识别性能是优化诱饵设计和选择突防技战术方案的重要依据。因 此,无论是防御方还是突防方都需要有效评估导弹防御系统的目标识别性能。尽管人们已 经认识到目标识别评估的重大理论意义和实际应用价值,但限于时间较短和难度较大,总 体来说,目前国内外在该领域的研究还处于起步的阶段。 识别评估中的一个重要内容是分类器的性能评估,这是模式识别理论中的一个重要研 究方向,研究者主要在理论方面作了较深入的分析与探讨,提出了一系列的分类器的性能 评估方法【13H馒。在分类器错误率的估算方面,如“交叉验证、甜刀切法”、“自助法等, 它们均是利用训练样本的一个子集来估计分类器的准确度;“最大似然模型选择法’’、“Bayes 模型选择法”等主要用于参数估计的相应算法的推广以及不同模型的比较和选择【161。而 David H.Wolpert等从另一个角度提出了著名的“没有免费午餐定理一,提出在缺乏先验信 息的情况下,设计者不能泛泛地说哪种算法是优越的,没有任何理由可以“偏爱”某一种 识别算法或分类模型而轻视另外一刊171。SatoshiWatanabe等提出了“丑小鸭定理,指出 特征提取对识别性能的约束,强调在没有具体应用场景的前提下,也不存在“优越”或“更 在文献【15】中证明,对特定的识别场景而言,即使采用十分简单的分类器,也有可能获得 很好的识别效果。这些研究者均强调的是:必须深入考察恰当的特征以及数据与算法的适 应程度,不存在与场景无关的最优学习算法或模式识别系统,也不存在与场景无关的最优 特征。换言之,单纯依赖于理论推导和算法分析是不够的,模式识别本质上是一门实验科 学,必须具体情况具体分析1191。 具体到弹道目标雷达识别评估领域,许多研究者也注意到了识别评估体系与实际战情 及环境特性都是连续动态的,具有很强的不确定性,很难有一种普适的目标识别算法,也 很难建立一套普适的目标识别评估体系。尽管如此,由于系统设计等诸方面的需要,国内 外相关领域的研究者还是在雷达目标识别评估领域开展了许多研究,提出了一系歹lJ评估思 路和评估方法IzlH驯。 总的来说,目前的弹道目标雷达识别评估缺乏系统性,不同的研究者从不同的侧面进 行研究,缺乏统一的评估指标、评估体系结构,这固然与该领域开展研究的时间不长有关, 也与弹道目标雷达识别的动态性、复杂性和多样性有关。由于识别场景千差万别、霉达体 制各不相同、识别手段多种多样。再加上评估本身含有大量的不确定因素、模糊因素和人 为因素,使得该领域的发展缓慢。 第4页 国防科学技术大学研究生院工程硕士学位论文 1.4论文主要工作和结构安排 通过以上论述,可知在当前的弹道目标雷达识别研究中,不论在特征提取、识别方法 还是评估方法等环节都存在很多不足,亟待完善和发展。另一方面,该项研究又有实际应 用的迫切需求。因此,在这方面进行深入、系统的研究十分必要。 本论文研究源于射频注入式仿真试验系统。依托项目支持,根据研究现状和需求,论 文确定了基本的研究思路和研究内容:全文以反导系统中真假目标识别为背景,以弹道目 标特征提取与评估、分类器设计、分类器性能评估为研究主线,重点研究基础性的技术难 点,包括弹道目标的雷达特性、物理意义清晰的特征提取方法、可行性强的弹道目标识别 方法及评估方法等。在研究中,注重将具体识别算法与实际的战情背景相结合,注意所提 取特征的实际物理意义及所采用算法的工程可实现性。 论文基本轮廓是:特征提取与评估(第二章卜—◆分类器设计(第三章卜—◆分类器性能 评估(第四章)。论文结构如图1.1所示。 图1.1论文主要研究内容框架结构图 第一章绪论主要介绍了本论文的背景和研究意义,以及国内外研究现状。首先从反导 系统在现代战争中的重要地位和面临的严峻挑战,阐明了开展弹道导弹目标识别研究的重 要意义,然后较系统地回顾了国内外在弹道目标雷达识别与性能评估方面的现状。最后介 绍了本文的整体框架和研究内容。 第二章研究了弹道目标雷达特征提取与评估,这是弹道目标识别的关键环节之一。考 虑到所提取特征的实际物理含义,本章提取的特征主要包括两个方面:基于RCS序列和基 于一维距离像特征。然后对所提取的特征进行评估,在评估时采用了两种方法——基于距 离可分性测度的评估方法和模糊评估方法,通过评估选取了具有良好可分性的特征。 第三章研究弹道目标识别方法。本章首先介绍了目前报道用于反导系统雷达目标识别 的五种主要模式识别方法,并具体分析每种方法适用的场景。然后针对弹道目标识别先验 信息多少的差异,设定不同的场景,采用四种真假目标识别方法:模板匹配法、基于决策 第5页 国防科学技术大学研究生院工程硕士学位论文 树的识别方法、模糊综合评判法和模糊神经网络法,结合仿真战情进行了实验,四种方法 都获得了较满意的结果。 第四章研究分类器性能评估,根据弹道目标识别的特点,采用基于置信度的可靠性评 估方法和AUC评估方法。阐述了这两种评估方法的基本原理,并应用这两种方法对本文 提出的四种典型的识别方法进行了识别评估。 第五章对全文进行了总结,归纳了论文的主要工作和创新之处,探讨了弹道目标识别 的发展趋势及进一步研究需要解决的问题. 第6页 国防科学技术大学研究生院工程硕士学位论文 第二章弹道目标雷达特征提取与评估 2.1引言 在模式识别理论中,特征提取指从特征形成、经选择或变换去除不相关和冗余的特征, 改善数据质量,直到得出最有效特征的这一全过程。而特征评估指对提取的有效特征进行 评价,使特征中更好地反映分类信息,从而提高分类器的性能。因而,特征提取与评估的 好坏直接影响到分类方法的选择和目标识别系统性能的优劣,它是模式识别三大核心问题 之一。如果所提取的特征对于不同类别可分性良好,就比较容易设计出性能优良的分类器。 对于弹道目标识别而言,特征提取与评估的重要性尤其凸显。可以说,有效的特征提取与 评估是弹道目标识别的前提条件。 本章主要研究弹道目标的特征提取与评估问题,考虑到所提取特征与评估的实际物理 含义,着重提取反映目标运动信息和结构信息的特征量。结构安排如下: 2.2介绍了雷达目标识别的概念、弹道目标在雷达识别应用领域中的地位和目标识别 系统及其识别过程。 2.3研究基于RCS序列和基于一维距离像的弹道目标特征提取问题。分析了弹头目标 的雷达散射特性,提取RCS的分布和变换特征,对于不同类别具有良好可分性,能明显改 善分类器设计性能。研究基于宽带回波序列的运动特征提取问题,所提取的特征包括两方 面,一是利用宽带回波序列获取目标一维距离像提取目标的长度信息。二是利用宽带序列 获取目标的长度变化信息。 2.4研究弹道目标特征评估问题。在特征评估中主要采用了两种评估方法:基于距离 可分性特征的评估方法和特征的模糊评估方法。在阐述了特征评估的基本原理后,设置仿 真战情,分别对窄带特征和宽带特征进行了评估。 2.5对本章进行小结。 2.2雷达目标识别概述 所谓雷达目标识别是指利用雷达对单个目标或目标群进行探测,从接收到的目标后向 散射回波中提取目标雷达信号特征和反映目标属性的稳定特征信息,并运用己有的目标先 验信息,从而对目标的类别、型号、真假和属性等作出某种判决的--N技术,本质上它属 于模式识别的范畴。其研究内容主要包括雷达信号的特征提取与评估、分类决策、性能评 估等。目前,目标识别作为雷达新的功能之一已在诸如海情监控系统、弹道导弹防御系统、 防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥着巨大的作用IZ7J。 雷达目标识别技术是当今雷达探测领域的一个重要研究方向。随着科学技术的发展, 武器性能的提高,对雷达目标识别提出了越来越高的要求。在雷达目标识别技术的众多应 第7页 , 国防科学技术大学研究生院工程硕士学位论文 用领域中,弹道导弹目标识别技术占有独特而重要的地位,这是因为随着弹道导弹技术的 飞速发展,使得研究切实有效的导弹防御技术成为保卫国防安全亟待解决的问题。对于弹 道目标识别,必须依靠有效的目标特征分类技术(模式识别技术。模式识别技术的不断创 新和发展为雷达目标识别的研究提供了有利的条件。 在绪论中就已指出,反导系统真假目标识别是模式识别技术的一个具体应用领域,因 此也受益于模式识别理论的迅速发展。作为一个研究领域,模式识别诞生于20世纪20年 代,髓着40年代计算机的出现,50年代人工智能的兴起,模式识别在60年代迅速发展成 先一门学科。它是一个多领域的交叉学科,涉及到统计学、工程学、人工智能、计算机科 学、神经科学等诸领域。它所研究的理论和方法在很多科学和技术领域中都得到了广泛的 重视,推动了人工智能系统的发展,扩大了计算机的可能性。几十年来,模式识别研究取 得了大量的成果,在很多地方取得了成功的应用,具有很大的应用价值。不同领域的研究 者为解决实际问题进入该领域,除弹道目标识别外,还包括字符识别、医疗诊断、语音识 别等领域。如此广泛的模式识别应用,吸引了众多的研究力量,产生出许多新方法,推动 着该领域的进一步发展网。尤其是近年来,在传统的概率与统计相交叠的领域取得重大进 展的前提下,又出现了许多令人振奋的新方法,如机器统计学习理论(StatisticalLeaming 体现了特有的优势。不同领域识别方法的多样性及模式识别理论本身的发展为雷达目标识 别提供了良好的契机,同时也推动了反导系统识别技术的发展。 一个典型的雷达目标识别系统及识别过程的原理框图可以用图2.1来表示。主要由信 号采集与处理、特征获取、分类器设计及分类器性能评估四部分组成。一般分上下两部分: 上部分完成未知类别模式的分类,邵识别过程;下半部分属于分类器设计的训练与学习过 程,利用样本进行训练,确定分类器的具体参数,完成分类器的设计【29J。而分类决策在识 别过程中起作用,对待识别的样本进行分类决策。需要指出的是应用的目的不同、采用的 分类识别方法不同,具体的分类识别系统和过程将有所不同。 第8页 国防科学技术大学研究生院工程硕士学位论文 L…一…………………………………………………J 图2.1雷达目标识别系统及识别过程的原理图 下面对图2.1的各个阶段作简单说明。信号采集与原始特征的提取是目标识别的预处理 阶段,它是目标识别的基础,对于雷达而言,即获取目标RCS序列、一维像,通过测量、 采样和量化,得到可用向量或矩阵表示的一维矢量,此后还要进行噪声的去除、野值的剔 除等事后处理工作。二次特征提取、评估与选择概括来说是特征获取,它是目标识别的关 键阶段,通过该阶段的工作,可将样本表示成特征空间上的一个点。分类器设计是模式识 别的中心环节,其基本任务是在样本训练集或先验知识基础上确定某种规则,使按该规则 进行识别所引起的损失最小。分类器性能评估是模式识别系统必不可少的一个环节,它不 仅是评估识别系统性能的优劣的需要,而且根据其评估反馈可以调整识别系统设计的多个 环节,进行系统优化。 2.3弹道目标雷达特征提取 特征提取是目标识别系统的关键,它将直接影响识别的效果,适当的特征提取可以使 分类简单、误识率低。雷达目标空间包含了目标本身以及所有目标的物理参量(例如形状、 体积、质量、表面材料的电磁参数与粗糙度、姿态以及运动学参数等)。如果用雷达能直接 得到这些参数,那么真假目标的辨认与识别变得十分容易。遗憾的是,对于高速飞行弹道 导弹的探测,雷达测得的复回波参数空间与目标空间之间并没有一一对应的简单关系。为 此,还需要对目标回波进行分析处理以得到各种特征信号,对特征信号还要进行空间映射 变换,期望得到更高的同类聚合性和异类之间的可分离性,以便于判决和分类。本节主要 是针对弹道目标雷达识别的RCS序列和一维距离像进行特征提取研究。 第9页 国防科学技术大学研究生院工程硕士学位论文 2.3.1基于目标RCS序列的特征提取 2.3.1.王模型描述 Cross 目标的雷达散射截面(Radar 力的一个物理量,它对目标姿态十分敏感,可以大致确定目标的大小。通常情况下,弹道 目标在运动过程中相对雷达的姿态是不断变化的,因而回波的时间经历也将出现强弱起 伏,该起伏特性随目标的形状、尺寸而异,若为群目标,则将随目标的性质、数量和分布 而不同。从扫标回波当中可以获取RCS髓目标姿态角起伏变化的数据,其变化规律反映了 目标形体结构的物理特性。因此根据RCS序列的起伏程度、随时间的变化规律等信息识别 是雷达目标识别的重要方法之一。 如图2.2所示,选取某实际弹头、锥球体、仿真弹头(它的静态散射特性与锥球体完全 相同,只是运动特性不同)以及大小气球诱饵等五类目标。真目标自旋稳定,伴随有章动, 假目标姿态不稳定,有翻滚运动。从雷达获得回波系列可以得到:弹头由于采用了姿态控 制技术,RCS变化较小,在小段时间内的极差和方差将不会太大,长度变化较小;另外弹 头存在章动等特有的运动方式,其章动频率为2Hz,而仿线Hz。仿 真弹头以及诱饵与弹头的特性有一定的差别:转发式有源诱饵的长度特性与弹头有一定盼 差射,而且其不包含章动信息;仿真诱饵一般没有采用姿态控制技术,存在翻滚运动,不 包含章动信息,其RCS起伏及长度变化的幅度和周期均与弹头有较大差别。这些雷达回波 特征为弹道目标的识别提供了很有价值参考. 第lO页 国防科学技术大学研究生院工程硕士学位论文 飘舅盯I■锄 疆舅盯婀(.) 图2.2五类目标RCS序列图 但对于低分辨力雷达,它发射的是单频电磁波或少数几个点频下的电磁波,由于频率 域本身所能包含的目标信息极少,为了提取出可供目标识别的特征量,必须有一个利用目 标运动来进行空间非相干积累的过程。许小剑在文献[9]qu阐述通过这一空间积累,可以得 到RCS幅度信息,从中提取的特征包括位置特征、散布特征、分布特征、相关特征、Mellin 变换特征以及傅氏变换等特征参数。具体如下: 1、位置特征参数 它描述了目标RCS序列的平均位置和特定位置,在利用样本特征推断总体特征时,均 值是最常用的统计量。 RCS均值:它是反映目标对雷达信号散射能力的度量指标,一般来说,真假目标的 RCS均值存在一定的差异:根据RCS多次观测的平均值,可以初步确定目标的属性。例 第ll页 国防科学技术大学研究生院工程硕士学位论文 如,根据均值可以较容易地区分母舱和弹头,另外,有源诱饵的RCS值也和真目标有一定 的差异。 2散布特征参数 它描述了目标RCS序列在整个实数轴上的分散程度,主要有标准差、方差、极差等. RCS标准差:目标RCS的起伏特性是反映耳标属性的重要指标。真假目标运动方式 存在的差异(真弹头目标一般是自旋稳定的,而且存在章动等特有的运动,而假目标一般没 有姿态控制,存在翻滚等运动方式),这些差异导致了真假目标的起伏特性存在较大的差别, 其中一点就是反映在方差上。翻滚目标盼RCS方差较大,真目标的RCS方差一般较小, 但不为0。 RCS极差:它也是反映目标RCS起伏的一个特征量。存在翻滚的君标RcS起伏较大, 其极差也较大。对于某些诱饵,RCS极差也是鉴别其的有效特征,例如,气球诱饵的RCS 起伏极小,其极差接近于0,恒增益转发有源诱饵也接近于0;另一方面。翻滚的无源诱 饵其极差大于真弹头.因此,使用RCS的极差鉴别真假目标是一种有效方法。 3、分布特征参数 分布特征参数描述了目标RCS统计分布的总体密度函数的图形特征,包括标准偏度系 数(密度函数不对称性的测度)和标准峰度系数(密度函数的峰值偏离标准正态分布峰值的 程度)。 4、相关特征参数 相关特征参数有线性相关系数和线性时关系数等。其中,线性相关系数给出了各且标 回波RCS值之间的相依性测度,线性时关系数则表示了目标回波RCS与时间之间可能存 在的线、Mellill变换特征 的“方位不变特征一。 6、傅氏变换特征 了目标的运动特性,是~种鉴别真假的有效特征。真弹头目标为保持姿态稳定,存在章动 等特有的运动方式,而且其频率一般在2Hz左右,目标的章动会引起它相对雷达视线的变 化,从而引起其RCS的起伏。其起伏周期与目标的章动周期一致.而诱饵RCS的起伏特 性与线算法实现 对大量外场测试目标RCS数据的处理结果表明;当RCS序列比较短耐,它们均比较 稳定,因而在弹道目标窄带雷达目标识别中,常从RCS序列中提取如下几个参数作为目标 识别的特征量。若窗口长度为N(即窗口内有Ⅳ个采样点),各个RCS采样点值为 仃尉=1,2,…re),其数学定义分别如下: 第12页 国防科学技术大学研究生院工程硕士学位论文 1、RCS均值: (2.3.1) 歹=隆) r^r 2/ 1j1 2、标准差:S=I∑b一力/(Ⅳ一1)} (2.3.2) L扣1 , j 3、极差: 吒=仃删一仃min (2.3.3) 度函数的对称性及峰值大小的测度。对长度为Ⅳ,均值和标准差为孑和S的RCS序列 吼G=1,2,…,N),其数学定义分别如下: 偏度系数:g。:羔№一孑炒r厶厨 (2.3.4) 它是密度函数不对称性的测度。 峰度系数:92:隆阽,一孑沁】4-3Nt/2q匾ff (2.3.5) Lf霉l J’ 它表征目标RCS密度函数的峰值偏离标准正态分布峰值的程度。 5、相关特征参数: 相关特征参数有线性相关系数和线性时关系数等。 线):/∑q-j№一万)/s卜l蠢_,)一万/s]/(N一/) (2.3.6) 线性时关系数:rt:(√西胁)掌兰№一万)/s卜(f/Ⅳ一1/2)} (2.3.7) 6、Mellin变换特征:M0)= (2.3.8) 式中A七=圪(k)-v口@+1),圪@)为目标RCS幅度序列。 7、RCS傅氏变换序列(用于提取目标的章动信息,具体实现为:将RCS变换到频域, 得到其频域序列第二大值的位置,由此算出RCS的变化频率。允=导丘,其中刀为频域 』V 序列第二大值的位昆.f为雷达采样频率,Ⅳ是采样长度)。值得注意的是由于RCS为一 实数序列,对其进行傅氏变换后,共频域序列呈现对称特性,即该序列以Ⅳ/2为中心呈现 对称性。寻找频域序列第二大值位置时,只需从在其中一半位置寻找(即从l~Ⅳ/2)。 2.3.1.3仿真结果 所设定的识别模板共有五个,分别是一个诱饵目标(假锥球体,与设为真目标的锥球体 外形相同,只是存在运动特性的差异)、两个真弹头目标(锥球体和某实际导弹)和两个气球 诱饵。利用锥球体和某实际导弹的暗室测量数据,通过弹道仿真计算得到各个时刻的目标 第13页 国防科学技术大学研究生院工程硕士学位论文 位置信息,通过自旋、章动、翻滚等姿态仿真得各个时刻的目标姿态信息,从而计算得到 电波入射角,然后通过查表的方法在暗室测量数据文件中查找对应的RCS幅度和相位数 据,组成待识别对象的数据序列。设定作为真实目标的锥球体和某实际导弹的章动频率为 示。 矿#正已_g巷l—m—uz 图2.3基于RCS的特征提取结果 2.3.2基于一维距离像的特征提取 2.3.2.1模型描述 目标一维距离像是指处在光学区的雷达目标,当照射电磁波的带宽使得其距离分辨单 元远小于巨标的径向尺寸时,揖标连续占据多个距离单元,形成一幅在雷达视线距离上投 影的具有高低起伏特点的目标幅度图像,它揭示了目标沿雷达视线方向散射中心的分衣, 反映了目标精细的结构特征。如果雷达接收机能够得到目标的一维电磁散射图像,那么就 可以设计出简单的分类器来完成目标识别。目标的一维距离像(或一维散射中心)是光学区 雷达目标识别的重要特征,与目标实际外形之间有着紧密的对应关系,可以作为识别真假 弹头的依据,在弹道导弹目标识别中具有十分重要的意义。 第14页 国防科学技术大学研究生院工程硕士学位论文 基于一维距离像的特征提取与识别方法是近阶段以来研究得极多的课题之一,各种新 思想、新方法常有报道。大体而言,有以下几种思路: l、直接利用一维距离像进行识别,即将未知目标的距离像整体作为特征矢量,与类 法【30】是一致的,毫无疑问,这需要详细的特征数据库; 2、基于特征变换的距离像识别方法,对距离像进行各种变换,例如梅林变换、小波 变换、K-L变换等,得到二次特征,这样的目标主要是减小距离像的特征维数,降低对特 征库的要求,一般而言,这样的方法得到的识别效果要比前一种方法略差: 3、基于物理特性的距离像识别方法,这类方法主要着眼于距离像的物理特征,例如 散射中心数目的多寡(它反映了目标结构的复杂程度)、距离像的长度(这是目标最重要的属 性之一)、距离像的对称特性等,这类方法的物理意义最为清晰,它可采用模板库的方法进 行匹配识别,也可采用基于先验知识的方法进行识别,其灵活性较大,缺点是某些物理属 性难以有十分清晰的数学表达式,但从与实际情况相符的角度而言,这类方法无疑具有较 大的优势(因为防御方难以获得识别对象的特征库),正因为如此,所以我们采用了是第三 种方法。 如上所述,在考虑所提取特征物理意义的同时,我们还要考虑它的可实现性,在各种 特征中,目标的长度信息是相对较易于提取而且最重要的信息之一,因此,首先我们将利 用长度信息。另外,由于导弹目标所特有的运动方式(章动)会对距离像的长度进行调制, 该调制信息是判别目标类型的重要依据:真弹头目标的长度将随章动呈现周期性的起伏, 其周期和幅度与章动参数有关,而诱饵不具有此项特征,要么是没有起伏信息(有源诱饵), 要么是起伏极大(无姿态控制的翻滚目标)。正因如此,我们目前所提取的特征包括:距离 像的长度均值、距离像的长度标准差、距离像的长度标准差极差、距离像的长度变化周期 等。具体如下: l、目标长度特征:目标的长度是真假鉴别的重要依据。真目标的长度一般在一定的 界限1内(1-3米),而假目标的长度与之有一定的差别:母舱的长度要大于弹头,而有源诱饵 的距离像长度很小,碎片的长度一般也小于弹头长度。采用长度信息识别目标也是国内外 ,=o,1,2,…n-1 (2.3.9) 厶=【m觚训日(f)q/)-mini/Ill(1)gj△, 式(2.3.9)9日(,)为距离像,留为门限阈,它与噪声电平有关,△,为距离分辨单元大小。在 本仿真系统中,我们采用的长度计算方法与M.A.Hussain的方法相同。 2、目标长度标准差与极差:由于运动方式的差异,真假目标长度变化的幅度也会有 一定的差别。翻滚目标的长度变化幅度较大,而章动目标的长度变化较小。这两个特征量 描述了目标长度随时间的起伏。 3、目标长度变化周期:真目标的特有运动(章动)会引起目标雷达视线的变化,该变化 会反映在散射点的相对位置上,也就是目标长度的变化。目标的长度变化周期应与章动周 第15页 国防科学技术大学研究生院工程硕士学位论文 111 期基本一致。通过对目标长度信息的提取,然后进行傅氏变换可以得到目标长度变化的周 期。 2.3.2名算法实现 若窗口长度为N(即窗口内有Ⅳ幅距离像),先计算每幅距离像的长度。设距离长度 门限阈值为g,距离像相邻采样点之间的距离为厶,。将距离像归一化处理后,统计距离像 中最左侧大于门限阈值的点与最右侧大于门限阈值的点之间的总采样点数为札,这该幅距 离像的长度L毒(札一1江。 这样窗口内就得到了Ⅳ个一维像的长度,设各个一维像值为厶O;1,2,…Ⅳ),雯lJ各个 特征韵计算如下: /,At 、 i、长度均值:三=f∑厶i 犯.3.10) \jtl / P . . 11 1^r, .‘ , 12 2、长度标准差: s=f∑伍一三)/(Ⅳ一1)l (2.3.11) Ljll / j 3,长度变化幅度(极差):先对每一个距离像分别进行长度特征提取,然后用窗口内长 度最长距离像长度减去窗口内长度最小距离像的长度,得到距离像的长度变化幅度: 毛=(In觚亿)一min(L,)) (2.3.12l 4、长度变化周期:主要用于提取目标的章动信息,具体实现为:将长度变换到频域, 得到其频域序列第二大值的位置,由此算出长度的变化频率。厶=导Z,其中珏为频域 序列第二大值的位置,Z为雷达采样频率,Ⅳ是采样长度)。值得注意的是由于长度为一 实数序列,对其进行FFT变换后,其频域序列呈现对称特性,即该序列以Ⅳ/2为中心呈现 对称性。寻找频域序列第二大值位置时,只需从在其中一半位置寻找(即从l一Ⅳ/2。该方 法意在提取目标的长度变化周期,从而提取其章动周期特性。显然,数据长度越长,则FFT 变换提取的精度就越高。因此,进行长度变化周期特征提取时,可采用较长的窗。 2.3.2.3仿真结果 , 仿真中采用某实际弹头目标的暗室测量数据和动态仿真平台所产生的数据,通过弹道 仿真、姿态仿真得各个时刻的目标姿态信息。然后通过查表的方法在数据库中查找对应的 特征数据,组成待识别对象序列.通过设定运动为章动来模拟真弹头,通过设定运动为翻 开始观测数据,共获得200s的观测数据,特征提取统计窗长度为10s,滑动窗长度为l墨。 两类目标的各特征随时间变化曲线页 国防科学技术大学研究生院工程硕士学位论文 图2.4基于一维距离像的特征提取结果 2.4弹道目标雷达特征评估 对提取特征的进行优化之后,就要对优化的结果进行评价。特征提取的好坏将直接影 响分类识别结果,因而特征评估起着非常重要的作用。特征评估是通过反复选择不同的特 征组合,采用定量分析比较的方法,判断所得到的特征维数,及所使用特征是否对分类最 有利,它的基本方法仍然是模式识别的典型方法,即找到一种判据(或准则),通常用一种 式子表示,使这种计算准则达到极值。这种用以定量检验分类性能的准则称为类别可分离 性判据,用来检验不同的特征组合对分类性能好坏的影响。特征评估离不开评判标准,评 判标准的主要作用是评价特征对不同子集的区分能力。不同的评判标准具有不同的优化偏 向,它也不总是产生相同的最优子集。一般而言,用于特征选取的评判标准总是试图度量 一个特征或特征子集对于输出分类的区分能力,如何选择评价指标应根据特征子集选择的 具体应用而定。 在当前弹道目标雷达识别中,各种特征提取方法层出不穷,显然在实际识别系统中无 法一一采用,而且也没有这个必要。为科学、定量地比较特征之间的差异,构造最优的识 别系统,必须进行特征评估。对目标特征评估的方法大体分两类:一类以计算样本在特征 第17页 国防科学技术大学研究生院工程硕士学位论文 空间离散程度为基础的准则,称为基于距离的可分离性判据;另一类则基于概率密度分布 的判据。下面先介绍几种常用的特征评判标准,然后针对上节提取的两组特征,结合弹道 目标特征评估特点,采用基于类内类间距离的特征可分性评估和特征的模糊评估两种评估 方法。 2.4.1特征评估标准 就目前而言,广泛采用的评判标准主要有以下几类(311: 1、基于距离的可分性判据 散度越小,则类别的可分性越好。基于鼯离的可分性判据直接依靠样本计算,直观简捷, 物理意义清晰,因此目前应用较为广泛.对于两类问题q和仍,劬中任一点和%中每一 点都有一个距离,将这些距离平均,可求得两类之间的典型距离。在多维空间中存在许多 距离度量,如欧氏距离、马氏距离等. 2、基于概率依赖度量的可分性判据 间相互关联的程度.以便用一个变量的值预测另外一个变量值的能力。它可以用于发现某 一特征和某一类之间的相关性。在特征评估中,它主要用于度量特征与类别之问的关联程 度。如果特征五和类劬之间的相关性高于特征x:和类q之间的相关性,则应选择特征五。 特征z和类q之闯的依赖度是由条件概率密度p№)和联合概率密度p∽之间的“距离’’ 来度量。 常用的概率距离度量包括Chemo妇哂驱离t s (2.4.1) 厶=一In E【o,l】 p。qqlP卜。“国:妞 和Bhattacharyya距离: 以=一In他Hq岫GI国:y2dr (2.4.2) 不难看出,取,=0.5时以=厶。这两种距离都能用于度量评估x和织之间的概率依 赖性,只需在计算串用联合概率密度代替一个条件密度。总依赖度能通过计算这些条件概 率距离的加权平均而获得.从而得到一个多类特征有效性的准贝Ij。 S、基于熵度量的概率可分性判据 熵(entropy)度量的概率可分性判据是最经常用于特征评估的指标之一·这种度量方法 与概率依赖性类似,它根据Shannon的信息理论,主要取决于从莱一特征中获取的信息。 从特征五获取的信息可以定义为,使用该特征时,先验不确定性与期望的后验不确定性之 间的差别。如果从特征%中获取的信息大于从特征南中获取的信息,则黾对于识别显然更 第18页 国防科学技术大学研究生院工程硕士学位论文 为有利,应当选择特征而。信息度量的常用方法是采用信息论中的熵,熵是不确定性的一 种度量,它可以用来表征基个概率分布偏离给定标准分布的程度,这时它称为相对熵。相 对熵越小,两类概率分布的差别就越大,当两类分布完全相同时,相对熵达到最大值(等于 零)。 4、基于分类误差的可分性判据 特征评估的最终目的是设计一个具有较高性能的识别系统,此系统能以最低的误识率 分类未知模式。用分类器的错误率标准作为特征评估标准是一种最直接的方法,使分类器 错误率最小的一组特征应当是最好的特征。计算错误率通常采用Baycs最小错误率决策的 类概率误差e由下式给出 r 1 P=n一1峄ph洲pG炳 (2.4.3) p∽∽是第f类后验概率,而pG)表示联合概率密度函数。显然,能使P小的特征是好特 征。但该方法计算十分复杂,对先决条件要求也较高,误差不容易计算,在实际中难以进 行。 5、基于一致性度量的可分性判据 一致性测度是一种较新的度量方法,近年来受到了广泛的关注。这种方法和其它方法 有较大不同,因为它在选择特征子集时强烈依赖于训练集和最小特征偏I句(MinFeaturesbias) 的用法。最小特征偏向指尽可能少的特征的一致性假定。这种方法目的在于找出满足可接 受的不一致性比例的最小特征集合,其中的不一致性比例可由设计者来设置。一致性测度 虽然可以同时剔除不相关和冗余的特征,但显然易受噪声和“异点数据的影响。 对以上各种评估测度进行比较,其结果如表2.1所示。 表2.1不同评价指标的比较 评估指标 通用性 时间复杂度 精确度 基于距离的可分性判据 好 低 . 基于j雅酬哺i度量的可制蝴腮 好 低 . 经典判据 基于熵度量的概率可分性判据 好 低 · 基于分类误差的可分性判据 差 高 很高 基于一致性度量的可分性判据 好 中等 - 表2.1中最后一列的“.”表示采用相应的度量标准的评估判据无法反映其精确性程度, 除了基于分类误差的可分性判据以外,其它的可分性判据精确度都要依赖于特定的数据集 和分类器。从表中也可以看出,随着精确度的增加,对时间的要求也相应地提高。 随着数学工具的完善和发展,近年来出现了一些新的特征评估方法,如采用统计学习 理论的特征评估方法、模糊特征评估方法等。究其本质而言,这些评估方法与表2.1中的 评估思想是一致的,只不过采用了不同的数学工具。 第19页 国防科学技术大学研究生院工程硕士学位论文 2.4.2基于类内类间距离的特征可分性评佶 面对提取出的众多特征,需要一个定量的准则(也称判据)来衡量模式特征豹好坏,常 用的有基于类间距离、概率分布、熵函数等多种评判标准,根据上面的讨论,可知在通常 采用的评价标准中,基于距离的评价标准便于分析和计算,概念清晰,而且十分直观。特 征向量之间的距离是它们相似性的一种很好度量,同一类别的样本在特征空间上应当聚集 在一起,而不同类别的样本应离得较远。显然样本之间的距离越大类别可分性就越大,分 类就相对容易实现。因此,采用类内类间距离是一种良好的特征评估方法。此处我们采用 基于距离的可分性测度以(第f类和第/类的可分性准则函数),作为比较本章第二节提取 两组特征量性能的标准,其定义如下: 在多类特征评估中,采用直观的可分性准则以作为特征度量的标准,其定义如下: 厶=上or,+os (2.4.4) 其中 小再忑 (2.4.5) 表示类间平均样本距离,以为样本维数,朋趾和聊弦分别为两类模式样本集均值的第七维分 量。 a;毒 (2.4.6) 其中,兄为第f类目标的第七个样本,,,为第f类目标所含样本总数,外q分别为第f 类目标和第歹类目标样本的标准差。 该距离可分性测度具有明显的物理意义.它反映了两类模式均值向量之间的距离和它 们各自的标准差·显然,类间距离越大、类内样本距离越小,越好分类。因此,以越大, 第f类和第jf类模式间的可分性就越好。 2.4.3特征的模糊评估 模糊数学的发展为特征评估提供了一种新的手段,它是通过衡量模糊集的模糊程度来 评价所采用的特征对于分类的性能表现,也就是采用这些特征将不同类别分开的难易程 度。在具体阐述该方法之前,首先介绍几个将要用到的模糊数学中的定义。 I、模糊度 一个有力个支持点的模糊集A的模糊度,0),是用它与最接近的确定集合彳之间的距 离来度量的: 第20页 国防科学技术大学研究生院工程硕士学位论文 r(4=参d0,彳) (2.4.7) 中的k是为了使厂(么)的值在0和1之间,它的值根据采用的距离度量不同而不同。 若采用广义汉明距离,则后=1,这样定义的7(彳)称作线性模糊度(H锄姗血g模糊度) r(42寺荟线) 若采用欧氏距离,则k=2,此时7(彳)称为二次模糊度(Euclid模糊度) 水)=去阻如)刊训] 卿) 2、熵 模糊集A的熵定义为 H(么)=—n三ln一2∑。-t·s(鳓(五)) (2.4·10) 其中 (2.4.11) 最(心(而))=讹(而)1Il(玩(薯))一(1一心(毛))lIl(1一心(薯)) 根据以上定义可知模糊度和熵具有以下性质:如果对所有的而,i=1,2,…,捍,有 最大。 3、万度 模糊数学中常用

  “原创力文档”前称为“文档投稿赚钱网”,本网站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】

本文链接:http://judopoints.com/dandaoxue/146.html