基于GA优化支持向量机的毫米波辐射计目标识别.pdfVIP

ERd， 集为(x，YI)，i=1，2，…，n，X ye“1，一1)是类别号。则分类超平面方程_ 5 立 wT．x-f-b=0(其中w为分类超平面的法 线，是可调节的权值向量，b为偏置，决定相 对原点的位置)的优化问题可描述为：在满足 (1) yI【wT-I-b)-I≥o，i_1，2，…，n (b)斜率曲线 的约束条件下求甬数 图1 110m高度下三种金属板目标的波形及其斜 (2) 率曲线 ①(w)=抑12=三(wTw) 的最小值。 峰值点对应着与扫描方向垂直的目标中线， 本文采用径向基内积函数，即： 且具有近似对称性；辐射计输出信号的强弱 受到目标尺寸的影响，尺寸越大，信号越强 ‰hpf一呼]c∞ (波形与横轴围成的面积越大)。因此从时域 波形可选择其峰值、波形宽度、面积及最大 2．2 目标特征的提取和选择 斜率作为特征量。 本文立足于毫米波辐射计探测得到的 2,3 目标分类器的训练和测试 目标时域波形信号，通过对采集的目标信号 可知，辐射计输出的波形为钟型脉冲信号， 本文一共有三种目标，并采用“一对一” 如图1所示为110m高度下三种金属板目标的方法建立分类器M-51，则训练和测试的步 信号波形及其斜率曲线(目标信号波形均是 骤如下：把求得的目标特征向量作为训练样 在俯仰角和方位角为30的条件下得到的)。 本的输入x，假设分为第i类和第j类的数 从图1(a)、图1(b)分析可得．目标的尺据，先进行两类分类，然后用投票法组合这 寸、探测系统与目标的交会情况等信息，反 些两类分类器，如果得到的结果显示x属于 映在回波信号的能量、峰值、脉冲宽度、最 第i类，那么就给属于第i类的一方加一票， 大最小升降斜率及波形的对称性各个方面。 否则。如果得到的结果显示x属于第j类， 那么就给属于第i类的一方加一票，得票最 多的类即为测试样本x所属的类别。 3遗传算法优化支持向量机参数 3．1遗传算法基本原理 Alogorithm，简称GA) 遗传算法(Genetic 是一种模仿自然界生物进化思想而得出的一 种自适应启发式全局搜索算法，其实质是由 复制一变换—变异算子组成的周l『I『复始的循 (a)目标信号波形 ·211· 表2参考特征量