韩磊， 周帅

(北京理工大学 机电学院，北京 100081)

高分辨距离像(high resolution range profile,HRRP)是用宽带雷达获取目标散射点子回波在雷达射线上投影的向量和，提供了目标散射点沿雷达径向距离方向上的分布情况，包含目标大量信息，具备易获取、占存储空间小等优势，成为雷达目标识别与分类领域的研究热点[1]. 随着机器学习算法的不断的发展，许多工作者将基于机器学习的分类算法应用于雷达识别领域，并取得了一定的进展[2-4].

(1)

但是该算法有两个不足的地方：

① 在计算欧式距离时所有特征分量的权重相同，没有体现特征分量对分类的贡献作用.

②k值是一个全局固定的值，忽略了局部样本分布的情况.

针对第一个问题，为了提高各维特征的优势作用，刘先康等[5]提出了一种基于fisher判决率的近邻分类方法，对每一个特征分量进行加权计算，将特征分量的可分性作为加权因子，在训练集中寻找最近的一个样本，该算法利用特征的可分性增加了识别性能. 同样地，本文也从可分性出发，将所有特征分量投影至新的特征空间，使投影后的类别之间具备最大可分性；并且通过分析局部样本的分布情况最终决定测试样本的类别，以弥补k-近邻算法的第二个不足问题.

1 HRRP特征提取

1.1 HRRP数据特点

本文基于目标散射中心模型[6]对HRRP数据进行了仿真. 选用调频连续波雷达作为探测器，通过将回波信号与发射器发射的原始信号进行混频得到差拍信号，差拍信号包含目标距离、目……