对海雷达目标识别中全极化HRRP的特征提取与选择

作者:范学满;胡生亮;贺静波; 刊名:电子与信息学报 上传者:唐明军

【摘要】充分、有效地利用目标全极化HRRP的特征信息是提高对海雷达目标识别率的研究热点之一。该文利用CST软件仿真建立了7类海上目标在不同方位角下的全极化HRRP数据库。在此基础上,提取了4类共39个特征。提出一种基于归一化互信息(NMI)并利用模拟退火(SA)算法进行优化的全局最优特征选择算法,并命名为NMI-SA。基于HRRP数据集以及9个UCI数据集,利用k-近邻分类器将该算法与另外3种常用的特征选择算法进行对比,结果表明新算法选择的特征具有良好的可分性和较低的冗余度,最终用于分类时的正确率总体优于其余3种算法。最后,用该算法对全极化HRRP的39个特征进行重点分析,选择出25个辨别力强、冗余度低的特征。

全文阅读

1引言研究如何从众多舰艇以及角反射体组成的多目标群中识别出目标舰艇,已成为对海雷达的一项重要课题。全极化HRRP能够提供比单极化HRRP更为丰富的目标结构信息,随着全极化HRRP技术在对海雷达上的逐步应用,基于全极化HRRP的特征提取与目标识别技术引起广泛关注[1]。文献[2,3]将4种极化方式下的HRRP看作4个独立通道分别进行特征提取,均没有利用极化特征[4]。文献[5-8]利用极化分解理论提取H/A/a/P、极化不变量、相似性参数等极化特征进行分类识别,取得了较好的分类效果。本文综合上述单通道HRRP特征和极化特征两类特征,从物理结构、散射随机性、散射矩阵结构相似性、Mueller矩阵相似性4个方面提取了共计39个特征,旨在充分利用全极化HRRP各类信息,更加全面地刻画目标特性。理论上讲,用于分类的特征数越多,各类目标的可分性越强。然而实际并非总是如此,因为并不是所有特征对分类都起积极作用,同时维数过高可能引起维数灾难[9]。本文提取的39个特征的辨别力不尽相同,因此需要进行特征选择,剔除与分类任务不相关的特征,从而提高泛化能力[10,11]。由于互信息(MutualInformation,MI)能够有效反映变量之间的非线性关系且具有十分成熟的理论基础,因此成为特征选择算法中用于评估特征重要性的最常用准则之一。文献[12]中总结了近20年来基于MI的特征选择算法的研究进展,列举了17种基于MI的特征选择算法,这些算法都是基于贪婪策略递增地进行特征选择,即每步只选择一个使分类相关性最大、特征子集冗余度最小的特征,已经选择的特征不能被剔除,直到所选特征数目满足要求为止,显然这些基于MI的特征选择算法都是次优的。针对上述问题本文利用归一化互信息(NormalizedMutualInformation,NMI)代替互信息进行特征间冗余度以及特征(集)与分类任务间相关性的度量,并利用模拟退火算法(SimulatedAnnealing,SA)[13]进行优化搜索,从而较为高效地选择出全局最优的特征子集。2全极化HRRP特征提取目前,对海雷达的分类识别重点关注舰艇和角反射体目标,本文在角反射体方面选择由20个三面角反射体组成的异型角反射体(三面角反射体的垂直边长为1.52m),取6个异型角反射体两两间隔30m构成角反射体阵列,如图1所示。在舰艇方面选择主要结构参数如表1所示的6艘舰艇。2.1全极化HRRP数据库建立由于上述舰艇目标多为非合作目标,因此很难通过实测建立目标的全极化HRRP数据库。本文利用SolidWorks3维建模软件建立上述7类目标的1:1模型,然后导入CST电磁仿真软件进行仿真计算4种极化方式(HH,HV,VH,VV)下的全极化HRRP,H,V分别表示水平和垂直极化。对于对海雷达而言,上述7类目标在电磁仿真计算时都属于电极大目标,因此仿真效率较低。考虑到目标的对称性,同图1异型角反射体阵列结构示意图表1各舰艇的主要结构参数编号舰长(m)舰宽(m)吃水深度(m)舰艇160.09.52.9舰艇2135.016.04.5舰艇3153.820.46.3舰艇4157.019.06.0舰艇5172.816.86.5舰艇6182.824.18.1时为兼顾仿真计算效率,本文选取舰首左舷一侧0??30?,75??105?,150??180?这3个角域进行分析。CST仿真参数设置为:方位角为0??30?,75??105?,150??180?(舰首方向为0?,角度步长0.1?),俯仰角为90?;中心频率为10GHz,带宽100MHz,频率采样点数为128;采

参考文献

引证文献

问答

我要提问