基于度量学习的跨域特征融合与分类方法：用于海杂波中的弱目标检测

《Journal of Systems Engineering and Electronics》：Cross-domain feature fusion and classification for weak target in sea clutter based on metric learning

　　

摘要：

跨域特征融合为复杂海洋环境中的弱目标识别提供了一种方法。本文提出了一种基于距离度量学习的弱目标分类方法。该方法首先从雷达回波信号中提取三个时域特征和三个频域特征，然后利用线性投影矩阵将这些特征划分并映射到低维子空间中。采用平方欧几里得距离作为度量函数来衡量样本之间的相似性，并通过引入相似和不同样本对的信息来进行监督优化。接下来，利用梯度下降方法迭代更新每组的投影矩阵，以实现监督特征融合。最后，将融合后的特征输入到集成单类支持向量机（EOCSVM）中进行分类。通过IPIX实测数据的验证，所提出的方法能够有效提高目标与海杂波的可分性，并在短时间观测条件下提升对海杂波和弱目标的分类能力。该方法通过度量学习和EOCSVM增强了来自不同域的特征相关性，从而有效缓解了海杂波与目标之间的样本不平衡问题。