第11卷第4期 智能系统学报 Vol.11 No.4 2016年8月 CAAI Transactions on Intelligent Systems Aug.2016 D0I:10.11992/is.201511021 网络出版地址：http:/www.cnki.net/kcms/detail/23.1538.TP.20160808.0830.004.html 一种基于RVM和DS的一维距离像融合识别方法 李睿，王晓丹，蕾蕾，赵振冲 (空军工程大学防空反导学院，陕西西安710051) 摘要：从如何进一步提升融合识别性能出发，研究有效的高分辨距离像(high range resolution profile,HRRP)融合识 别方法。提取了3种平移不变特征，构建了高性能相关向量机(relevance vector machine,RVM)进行特征分类，用DS 证据理论融合分类结果以得到目标识别结果，从而提出一种基于RVM和DS的一维距离像融合识别方法。该方法 充分利用了RVM输出的概率信息，解决了用DS证据理论进行融合时基本概率赋值获取困难的问题，仿真实验结果 表明了本文方法的有效性。 关键词：目标识别：一维距离像：相关向量机：证据理论 中图分类号：TP181文献标志码：A文章编号：1673-4785(2016)04-0554-07 中文引用格式：李容，王晓丹，蕾蕾，等.一种基于RVM和DS的一维距离像融合识别方法[J].智能系统学报，2016,11(4)：554- 560. 英文引用格式：LI Rui,.WANG Xiaodan,LEI Lei,etal.HRRP fusion recognition by RVM and DS evidence theory[J].CAAI Transactions on Intelligent Systems,2016,11(4):554-560. HRRP fusion recognition by RVM and DS evidence theory LI Rui,WANG Xiaodan,LEI Lei,ZHAO Zhengchong Institute of Air Defense and Anti-Missile,Air Force Engineering University,Xi'an 710051,China) Abstract:Aimed at improving target fusion recognition performance,an efficient approach to radar high resolution range profile HRRP)fusion recognition is investigated.Three translation-invariant features were extracted from the HRRPs.Meanwhile,a high performance RVM (relevance vector machine)classifier was constructed and DS evi- dence theory used to fuse the recognition result.A HRRP classification approach,combining RVM and DS evidence theory,is then presented.The method makes full use of RVM output probability information,which solved the diffi- culty of getting BPA in DS evidence theory.The experimental results based on the simulated data show the effective- ness of the proposed approach. Keywords:target recognition;HRRP;RVM;DS 高分辨距离像(high range resolution profile,度敏感性问题，克服这三大敏感性间题是实现HR HRRP)是目标沿雷达视线方向的投影，反映了目标 P特征提取的关键。姿态和幅度敏感性问题可分 在纵向距离上的散射结构，即散射中心在空间的位 别通过对一定角域内的距离像进行非相干平均和对 置分布、强度和数量等，包含了丰富的目标物理结构 距离像幅度进行归一化解决)，平移敏感性可以通 信息，并且易于获取和处理，从而备受关注16)。提 过提取平移不变特征来克服。文献[2]提取了HR 取不同特征进行融合识别成为雷达目标识别领域研 P的幅度特征、功率谱特征和频谱幅度特征，分别 究的热点[1-)。 使用最大相关分类器、支持向量机和关联向量机进 由于HRRP存在姿态敏感性、平移敏感性和幅 行了多类分类，并用加权投票法对拒判和识别结果 进行融合，提高了识别系统的性能；文献[3]提取中 收稿日期：2015-11-23.网络出版日期：2015-08-08. 基金项目：国家自然科学基金项目(60975026,61273275). 心矩和双谱平移不变特征，通过将LS-SVM的输出 通信作者：王晓丹.E-mail:afcu_wang@163.com. 进行DS证据理论融合，提高了目标识别性能和抗第 １１ 卷第 ４ 期 智 能 系 统 学 报 Ｖｏｌ．１１ №．４ ２０１６ 年 ８ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ａｕｇ． ２０１６ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１５１１０２１ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１６０８０８．０８３０．００４．ｈｔｍｌ 一种基于 ＲＶＭ 和 ＤＳ 的一维距离像融合识别方法 李睿，王晓丹，蕾蕾，赵振冲 （空军工程大学 防空反导学院，陕西 西安 ７１００５１） 摘 要：从如何进一步提升融合识别性能出发，研究有效的高分辨距离像（ｈｉｇｈ ｒａｎｇｅ ｒｅｓｏｌｕｔｉｏｎ ｐｒｏｆｉｌｅ，ＨＲＲＰ）融合识 别方法。 提取了 ３ 种平移不变特征，构建了高性能相关向量机（ ｒｅｌｅｖａｎｃｅ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ，ＲＶＭ）进行特征分类，用 ＤＳ 证据理论融合分类结果以得到目标识别结果，从而提出一种基于 ＲＶＭ 和 ＤＳ 的一维距离像融合识别方法。 该方法 充分利用了 ＲＶＭ 输出的概率信息，解决了用 ＤＳ 证据理论进行融合时基本概率赋值获取困难的问题，仿真实验结果 表明了本文方法的有效性。 关键词：目标识别；一维距离像；相关向量机；证据理论 中图分类号： ＴＰ１８１ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１６）０４－０５５４－０７ 中文引用格式：李睿，王晓丹，蕾蕾，等． 一种基于 ＲＶＭ 和 ＤＳ 的一维距离像融合识别方法［Ｊ］． 智能系统学报， ２０１６， １１（４）： ５５４－ ５６０． 英文引用格式：ＬＩ Ｒｕｉ， ＷＡＮＧ Ｘｉａｏｄａｎ， ＬＥＩ Ｌｅｉ， ｅｔ ａｌ． ＨＲＲＰ ｆｕｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ＲＶＭ ａｎｄ ＤＳ ｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ［ Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１６， １１（４）： ５５４－５６０． ＨＲＲＰ ｆｕｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ＲＶＭ ａｎｄ ＤＳ ｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ ＬＩ Ｒｕｉ， ＷＡＮＧ Ｘｉａｏｄａｎ， ＬＥＩ Ｌｅｉ， ＺＨＡＯ Ｚｈｅｎｇｃｈｏｎｇ （Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｉｒ Ｄｅｆｅｎｓｅ ａｎｄ Ａｎｔｉ⁃Ｍｉｓｓｉｌｅ， Ａｉｒ Ｆｏｒｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｘｉ’ａｎ ７１００５１， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｅｄ ａｔ ｉｍｐｒｏｖｉｎｇ ｔａｒｇｅｔ ｆｕｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ， ａｎ ｅｆｆｉｃｉｅｎｔ ａｐｐｒｏａｃｈ ｔｏ ｒａｄａｒ ｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎ ｒａｎｇｅ ｐｒｏｆｉｌｅ （ＨＲＲＰ） ｆｕｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｉｓ ｉｎｖｅｓｔｉｇａｔｅｄ． Ｔｈｒｅｅ ｔｒａｎｓｌａｔｉｏｎ⁃ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ ｗｅｒｅ ｅｘｔｒａｃｔｅｄ ｆｒｏｍ ｔｈｅ ＨＲＲＰｓ． Ｍｅａｎｗｈｉｌｅ， ａ ｈｉｇｈ ｐｅｒｆｏｒｍａｎｃｅ ＲＶＭ （ｒｅｌｅｖａｎｃｅ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ） ｃｌａｓｓｉｆｉｅｒ ｗａｓ ｃｏｎｓｔｒｕｃｔｅｄ ａｎｄ ＤＳ ｅｖｉ⁃ ｄｅｎｃｅ ｔｈｅｏｒｙ ｕｓｅｄ ｔｏ ｆｕｓｅ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｒｅｓｕｌｔ． Ａ ＨＲＲＰ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｐｐｒｏａｃｈ， ｃｏｍｂｉｎｉｎｇ ＲＶＭ ａｎｄ ＤＳ ｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ， ｉｓ ｔｈｅｎ ｐｒｅｓｅｎｔｅｄ． Ｔｈｅ ｍｅｔｈｏｄ ｍａｋｅｓ ｆｕｌｌ ｕｓｅ ｏｆ ＲＶＭ ｏｕｔｐｕｔ ｐｒｏｂａｂｉｌｉｔｙ ｉｎｆｏｒｍａｔｉｏｎ， ｗｈｉｃｈ ｓｏｌｖｅｄ ｔｈｅ ｄｉｆｆｉ⁃ ｃｕｌｔｙ ｏｆ ｇｅｔｔｉｎｇ ＢＰＡ ｉｎ ＤＳ ｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｓｉｍｕｌａｔｅｄ ｄａｔａ ｓｈｏｗ ｔｈｅ ｅｆｆｅｃｔｉｖｅ⁃ ｎｅｓｓ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｐｐｒｏａｃｈ． Ｋｅｙｗｏｒｄｓ： ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ； ＨＲＲＰ； ＲＶＭ； ＤＳ 收稿日期：２０１５－１１－２３． 网络出版日期：２０１５－０８－０８． 基金项目：国家自然科学基金项目（６０９７５０２６，６１２７３２７５）． 通信作者：王晓丹． Ｅ⁃ｍａｉｌ：ａｆｅｕ＿ｗａｎｇ＠ １６３．ｃｏｍ． 高分辨距离像 （ ｈｉｇｈ ｒａｎｇｅ ｒｅｓｏｌｕｔｉｏｎ ｐｒｏｆｉｌｅ， ＨＲＲＰ） 是目标沿雷达视线方向的投影，反映了目标 在纵向距离上的散射结构，即散射中心在空间的位 置分布、强度和数量等，包含了丰富的目标物理结构 信息，并且易于获取和处理，从而备受关注［１－ ６ ］ 。 提 取不同特征进行融合识别成为雷达目标识别领域研 究的热点［１－５］ 。 由于 ＨＲＲＰ 存在姿态敏感性、平移敏感性和幅 度敏感性问题，克服这三大敏感性问题是实现 ＨＲ⁃ ＲＰ 特征提取的关键。 姿态和幅度敏感性问题可分 别通过对一定角域内的距离像进行非相干平均和对 距离像幅度进行归一化解决［１］ ，平移敏感性可以通 过提取平移不变特征来克服。 文献［２］提取了 ＨＲ⁃ ＲＰ 的幅度特征、功率谱特征和频谱幅度特征，分别 使用最大相关分类器、支持向量机和关联向量机进 行了多类分类，并用加权投票法对拒判和识别结果 进行融合，提高了识别系统的性能；文献［３］提取中 心矩和双谱平移不变特征，通过将 ＬＳ⁃ＳＶＭ 的输出 进行 ＤＳ 证据理论融合，提高了目标识别性能和抗