基于粗糙集理论的一维距离像特征处理方法研究

熊艳晔，王俐莉，许 杰

(1.海军指挥学院，南京 210016；2.海军工程大学，武汉 430033)



基于粗糙集理论的一维距离像特征处理方法研究

熊艳晔1，王俐莉1，许 杰2

(1.海军指挥学院，南京 210016；2.海军工程大学，武汉 430033)

雷达目标一维距离像反映了目标在雷达径向上的投影，对于目标的分类识别具有十分重要的意义。分析了舰船目标一维距离像特征和相关知识的处理，提高了识别率，将数学上的粗糙集理论引入到一维距离像目标识别中，利用大型民船、驱逐舰及小型民船的实测数据和相关先验知识，验证了基于粗糙集理论的一维距离像特征处理方法的可行性。

一维距离像；目标特征；粗糙集理论；约简

0 引 言

随着科学技术和武器装备的不断进步，现代战争逐渐表现出自动化和智能化的特点，其中以雷达目标识别为主要技术特征的侦察监视系统以及精确制导武器已成为高技术战场上的主要装备。一维距离像包含了目标的形状及结构特征等更多可用于目标识别的信息，并且与二维成像相比具有易获取和处理等优点，因而受到了广泛的关注和重视[1]。但由于目标的复杂性和环境的多变性，仅根据目标的一维距离像并不能很好地解决识别问题[2]。传统的基于模式匹配的识别方法不能充分地将获取的信息转化成识别能力，从而影响整个识别系统的运行效能[3]，通过引入先验知识可以有效提高识别的准确性和稳定性，因此研究知识辅助一维距离像识别方法具有重要的理论意义和应用价值[4-5]。

1 粗糙集基本理论

鉴于实际应用中获得的数据具有一定的不确定性信息，这些信息的集合必然具有一定的冗余，有的信息甚至可能是错误的，能否把握核心的信息就成了识别的关键[6]。粗糙集理论则可将关于目标的数据集合经约简生成判别规则，进而从原始数据的信息中提取识别的核心信息[2]，避免粗略地将所有数据应用于识别而增加运算的负担。

1.1 粗糙集理论

粗糙集理论的研究的对象是需要分类的集合，即论域，记为U(U不为空集)；知识体现的是将对象分类的能力，对于任何子集X⊆U，称作U的一个范畴。U中的任何一类范畴即为U的抽象知识，简称知识。

1.2 粗糙集中知识的约简

在利用约简系统关系表进行判决规则前，首先需要离散化数据并剔除重复项：离散化是将连续的原始数据值按照一定规则，转化成离散的值并分区间；去除重复项，是将所有区间属性都相同地认定为重复项并删除，以减少数据量，同时也便于分析数据[4-5]。

应用粗糙集理论进行约简的具体步骤为：

(1) 对获得的原始数据进行预处理，即把与条件属性和决策属性相关的数据离散化;

(2) 对已离散化的数据的属性进行区间划分，即属性分类，得到所有可约简的属性列;

(3) 若在去除某属性列后，不影响后续分类，则将该属性去除;

(4) 重复步骤(2)，直到没有冗余的属性存在;

(5) 得到最小约简，并根据之可得到判决规则;

(6) 输出属性的分类结果。

2 基于粗糙集理论的一维距离像特征处理

本节的实验选取10个待识别目标，分属大型民船、驱逐舰和小型民船(分别对应目标1、目标2 和目标3)。图1随机选取了3类目标的一维距离像。

图1 3类舰船在方位角为0°附近的一维距离像

基于粗糙集理论的知识约简过程如下：

(1) 表1中包含了序号由1到10的10个目标。给出的4类特征由文献[5]算得。特征有：目标的距离单元长度、散射中心数目、距离系数及10个目标相似系数。

由表1可以初步推测，某些行数据可能存在冗余或者错误。比如数据序号为5时，目标类型为“目标3”，那么它的属性距离单元长度就不应该与数据1、2、3一样大；对于这样的情况，有2种可能：其一，“距离单元长度”这一知识存在冗余，即无需该知识便可判定目标的类型；其二，序号为5的数据有误。这种情况即是粗糙集理论要解决的。

表1 舰船参数表

表2 预处理后的关系表

表3 简化后的关系表

故属性b对于决策属性集是不可删除的。根据类似计算可得条件属性集中a也是不可删除的，条件属性c、d是可省略的。

(4) 条件属性核值表的计算。

表4 核值表

据表4所示的核值关系表，便可生成表1所示的10个目标的识别规则，该规则的简化表如表5所示。

表5 生成识别规则的简化表

由表5可得到识别规则：a大且b中→目标1；a中或b大→目标2。发现a大或a小均可导出目标3，而a大与目标1的识别规则相冲突，故可推测该组数据有误。由该规则即可对目标进行判断。从上述知识的处理过程可看出粗糙集理论应用于目标识别的特点：

(1) 根据最后的约简规则可知，对目标类型的判别并不需要关于目标的所有一维距离像特征和知识。这也就是说，对于一个待识别目标，也许在只有其部分信息的情况下就可以判别其类型。

(2) 由于利用部分数据即可对目标进行判别，粗糙集理论的应用使得识别的运算量大为缩减，这也是该理论的优势所在。

(3) 由表1到表5的知识处理过程中，需要对目标原始数据量化并分区间，这就需要一定的规则在区间长短上进行划分。

3 结论与分析

雷达目标识别技术是一个极富挑战性的课题，在理论及工程实现上都有较多难点。经过几十年的研究，关于雷达目标识别技术已取得了长足的进步，但就目前的技术现状而言，目标及其所在环境的多样性是该技术的最大瓶颈，即使是基于雷达二维成像的目标识别也是如此[7]。本文利用粗糙集理论，研究了舰船目标一维距离像特征的处理方法，针对实测数据取得了较好的效果。

在舰船目标一维距离像识别系统中，获取目标信息量的全面性始终是决定识别性能的关键性因素。不同类别的信息从不同的角度反映了目标的特性，可明显改善识别效果。下一步还需要针对多类信息源和引入更多先验知识的条件下，开展知识辅助的雷达目标识别理论和方法研究。

[1] 孙文峰．雷达目标识别技术述评[J]．雷达与对抗，2001(3)：1-8．

[2] 许杰．知识辅助舰船目标一维距离像识别方法研究[D]．武汉：海军工程大学，2013．

[3] 汤光华．基于雷达一维距离像的目标识别[D]．南京：南京理工大学，2007．

[4]TaitP.IntroductiontoRadarTargetRecognition[M]．London：TheInstitutionofEngineeringandTechnology，2009．

[5]MishraA．ValidationofPCAandLDAforATR[J]．SignalProcessing，2009，89(5)：395-401．

[6]SergiosT．PatternRecognition[M]．Greece：KonstantinosKoutroumbas，2009．

[7] 曾黄麟．粗糙理论及其应用[M]．重庆：重庆大学出版社，2007．

Research into Feature Processing Method of 1-D Range Image Based on Rough Set Theory

XIONG Yan-ye1,WANG Li-li1,XU Jie2

(1.Naval Command College,Nanjing 210016,China;2.Naval University of Engineering,Wuhan 430033,China)

1-D range image of radar target reflects the projection of target in the radar radial direction,is of much important significance for the classification and identification of targets.This paper analyzes the feature of 1-D range image of ship target and related knowledge processing,advances the identification ratio,introduces the rough set theory into the 1-D range image target identification,uses the measured data of large civilian ships,destroyers and small civilian ships and relevant prior knowledge to verify the feasibility of 1-D range feature processing method based on the rough set theory.

1-D range image;target feature;rough set theory;reduction

2015-01-17

TN957.51

A

CN32-1413(2015)04-0070-04

10.16426/j.cnki.jcdzdk.2015.04.018