基于粗糙集理論的一維距離像特征處理方法研究

熊艷曄，王俐莉，許 杰

(1.海軍指揮學院，南京 210016；2.海軍工程大學，武漢 430033)

?

基于粗糙集理論的一維距離像特征處理方法研究

熊艷曄1，王俐莉1，許 杰2

(1.海軍指揮學院，南京 210016；2.海軍工程大學，武漢 430033)

雷達目標一維距離像反映了目標在雷達徑向上的投影，對于目標的分類識別具有十分重要的意義。分析了艦船目標一維距離像特征和相關知識的處理，提高了識別率，將數學上的粗糙集理論引入到一維距離像目標識別中，利用大型民船、驅逐艦及小型民船的實測數據和相關先驗知識，驗證了基于粗糙集理論的一維距離像特征處理方法的可行性。

一維距離像；目標特征；粗糙集理論；約簡

0 引 言

隨著科學技術和武器裝備的不斷進步，現代戰爭逐漸表現出自動化和智能化的特點，其中以雷達目標識別為主要技術特征的偵察監視系統以及精確制導武器已成為高技術戰場上的主要裝備。一維距離像包含了目標的形狀及結構特征等更多可用于目標識別的信息，并且與二維成像相比具有易獲取和處理等優點，因而受到了廣泛的關注和重視[1]。但由于目標的復雜性和環境的多變性，僅根據目標的一維距離像并不能很好地解決識別問題[2]。傳統的基于模式匹配的識別方法不能充分地將獲取的信息轉化成識別能力，從而影響整個識別系統的運行效能[3]，通過引入先驗知識可以有效提高識別的準確性和穩定性，因此研究知識輔助一維距離像識別方法具有重要的理論意義和應用價值[4-5]。

1 粗糙集基本理論

鑒于實際應用中獲得的數據具有一定的不確定性信息，這些信息的集合必然具有一定的冗余，有的信息甚至可能是錯誤的，能否把握核心的信息就成了識別的關鍵[6]。粗糙集理論則可將關于目標的數據集合經約簡生成判別規則，進而從原始數據的信息中提取識別的核心信息[2]，避免粗略地將所有數據應用于識別而增加運算的負擔。

1.1 粗糙集理論

粗糙集理論的研究的對象是需要分類的集合，即論域，記為U(U不為空集)；知識體現的是將對象分類的能力，對于任何子集X?U，稱作U的一個范疇。U中的任何一類范疇即為U的抽象知識，簡稱知識。

1.2 粗糙集中知識的約簡

在利用約簡系統關系表進行判決規則前，首先需要離散化數據并剔除重復項：離散化是將連續的原始數據值按照一定規則，轉化成離散的值并分區間；去除重復項，是將所有區間屬性都相同地認定為重復項并刪除，以減少數據量，同時也便于分析數據[4-5]。

應用粗糙集理論進行約簡的具體步驟為：

(1) 對獲得的原始數據進行預處理，即把與條件屬性和決策屬性相關的數據離散化;

(2) 對已離散化的數據的屬性進行區間劃分，即屬性分類，得到所有可約簡的屬性列;

(3) 若在去除某屬性列后，不影響后續分類，則將該屬性去除;

(4) 重復步驟(2)，直到沒有冗余的屬性存在;

(5) 得到最小約簡，并根據之可得到判決規則;

(6) 輸出屬性的分類結果。

2 基于粗糙集理論的一維距離像特征處理

本節的實驗選取10個待識別目標，分屬大型民船、驅逐艦和小型民船(分別對應目標1、目標2 和目標3)。圖1隨機選取了3類目標的一維距離像。

圖1 3類艦船在方位角為0°附近的一維距離像

基于粗糙集理論的知識約簡過程如下：

(1) 表1中包含了序號由1到10的10個目標。給出的4類特征由文獻[5]算得。特征有：目標的距離單元長度、散射中心數目、距離系數及10個目標相似系數。

由表1可以初步推測，某些行數據可能存在冗余或者錯誤。比如數據序號為5時，目標類型為“目標3”，那么它的屬性距離單元長度就不應該與數據1、2、3一樣大；對于這樣的情況，有2種可能：其一，“距離單元長度”這一知識存在冗余，即無需該知識便可判定目標的類型；其二，序號為5的數據有誤。這種情況即是粗糙集理論要解決的。

表1 艦船參數表

表2 預處理后的關系表

表3 簡化后的關系表

故屬性b對于決策屬性集是不可刪除的。根據類似計算可得條件屬性集中a也是不可刪除的，條件屬性c、d是可省略的。

(4) 條件屬性核值表的計算。

表4 核值表

據表4所示的核值關系表，便可生成表1所示的10個目標的識別規則，該規則的簡化表如表5所示。

表5 生成識別規則的簡化表

由表5可得到識別規則：a大且b中→目標1；a中或b大→目標2。發現a大或a小均可導出目標3，而a大與目標1的識別規則相沖突，故可推測該組數據有誤。由該規則即可對目標進行判斷。從上述知識的處理過程可看出粗糙集理論應用于目標識別的特點：

(1) 根據最后的約簡規則可知，對目標類型的判別并不需要關于目標的所有一維距離像特征和知識。這也就是說，對于一個待識別目標，也許在只有其部分信息的情況下就可以判別其類型。

(2) 由于利用部分數據即可對目標進行判別，粗糙集理論的應用使得識別的運算量大為縮減，這也是該理論的優勢所在。

(3) 由表1到表5的知識處理過程中，需要對目標原始數據量化并分區間，這就需要一定的規則在區間長短上進行劃分。

3 結論與分析

雷達目標識別技術是一個極富挑戰性的課題，在理論及工程實現上都有較多難點。經過幾十年的研究，關于雷達目標識別技術已取得了長足的進步，但就目前的技術現狀而言，目標及其所在環境的多樣性是該技術的最大瓶頸，即使是基于雷達二維成像的目標識別也是如此[7]。本文利用粗糙集理論，研究了艦船目標一維距離像特征的處理方法，針對實測數據取得了較好的效果。

在艦船目標一維距離像識別系統中，獲取目標信息量的全面性始終是決定識別性能的關鍵性因素。不同類別的信息從不同的角度反映了目標的特性，可明顯改善識別效果。下一步還需要針對多類信息源和引入更多先驗知識的條件下，開展知識輔助的雷達目標識別理論和方法研究。

[1] 孫文峰．雷達目標識別技術述評[J]．雷達與對抗，2001(3)：1-8．

[2] 許杰．知識輔助艦船目標一維距離像識別方法研究[D]．武漢：海軍工程大學，2013．

[3] 湯光華．基于雷達一維距離像的目標識別[D]．南京：南京理工大學，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] 曾黃麟．粗糙理論及其應用[M]．重慶：重慶大學出版社，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