买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明设计一种基于Fisher判别字典学习的主动声呐目标分类方法，属于主动声呐研究领域。本发明先使用分数阶傅里叶最优阶次域特征，提高了混响抑制能力，再在字典学习的基础上加入了Fisher限制准则对稀疏系数进行限制，从而加强了学习字典的识别性，该分类方法具有抗混响、相似目标判别的能力，是处理混响条件下，尤其是低信混比条件下主动声呐目标分类问题的一种有效方法。

主权项：1.基于Fisher判别字典学习的主动声呐目标分类方法，其特征在于：该方法包括以下各步骤：步骤一、最优阶次分数阶傅里叶变换处理带混响的实测数据对于混响背景下的主动声呐目标回波信号，利用迭代二维峰值搜索法寻找最佳阶数Pi，并在最佳阶数Pi对混响背景下的实测信号进行分数阶傅里叶变换，其中i＝1,2,…,n，n表示回波信号个数，得到每个信号的u域值；步骤二、建立基于Fisher判别字典学习模型将经过步骤一处理后的主动声呐训练信号A作为初始学习字典，在Fisher判别准则对于稀疏系数的强限制下，使得其具备更强有力的识别能力，基于Fisher判别字典学习模型，该模型为JD,X＝argminD,X{rA,D,X+λ1||X||1+λ2fX}1其中主动声呐训练信号A＝[A1,A2,…,Ak]，其中Ak为第k类训练信号；字典矩阵为D＝[D1,D2,…,Dk]，Dk为第k类训练信号所对应的字典矩阵；训练信号A在字典D上的稀疏系数矩阵为X＝[X1,X2,…,Xk]，其中Xi为第i类训练信号Ai在字典D上的稀疏表示矩阵；rA,D,X为限制数据保真项；||X||1为稀疏惩罚项；fX为稀疏系数限制项；λ1为正则化参数，λ2为调节参数，且λ1＞0，λ2＞0；利用限制数据保真项rA,D,X来对字典进行限制；设Ai在D上的稀疏表示矩阵其中为第i类训练信号Ai在第k类子字典Dk上的稀疏系数，即表示为模型为 其中为第i类训练信号Ai在整个字典D上的惩罚项；为第i类训练信号Ai在此类子字典Di上的惩罚项；而为第i类训练信号Ai在第j类子字典Dj上的惩罚项；通过Fisher准则将稀疏系数的类内散度SwX最小化，类间散度SbX最大化，对稀疏系数进行限制，其中 mi和m为稀疏系数Xi和X的均值向量；ni是类Ai的样本数目；为了便于寻找最优解，因此直观地将稀疏系数限制项fX定义成凸优化函数的形式，其形式为 其中η为系数，表示X的Frobenius范数，其作为一个弹性项，使得fX变得凸且稳定，优化了稀疏系数限制项；步骤三、重构分类固定步骤二的学习字典和稀疏系数，通过交替迭代的方式更新稀疏系数与字典，直到达到迭代次数或满足条件后结束；将测试样本导入，根据迭代后的各类别字典以及上述步骤计算得到的各类别稀疏系数Xi计算得到的平均系数向量mi，重构出重构数据；利用重构数据与测试信号进行匹配，判定测试信号类别与最大匹配度类别字典相同，判断标签，统计正确个数，得到分类准确率。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于Fisher判别字典学习的主动声呐目标分类方法