一种用于低空空域低小慢飞行器目标个体识别的特征提取方法

1.一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于，包括以下过程：过程1：采集目标辐射源的实测数据，对所采集的实测数据样本进行切片、并对各切片数据的有效性进行预处理，获得更高质量的目标辐射信号测量数据；过程2：对预处理后的测量数据通过经验模态分解处理得到实测数据不同频率所对应的本征模态分量；过程3：对所有本征模态分量进行多尺度排列熵处理、并将提取的各个本征模态分量下的多尺度熵作为特征值，求得辐射源数据样本特征向量，最终提取出目标辐射信号的特征样本；上述对所采集的实测数据样本进行切片的实现方法包括：对初始化参数进行设置，设置基带I、Q数据的切片截断长度值L；从接收机输出的基带数据流中采集交替放置的N个基带I、Q数据，并重构成复数数据向量；依照设置的基带I、Q数据流的切片截断长度值L，对的重构复数数据向量进行切片处理，切片成多段数据；截取的每个切片数据内的每段数据样本进行求模处理，并将求模处理后的结果作为样本向量；对各切片数据的有效性进行预处理的实现方法包括：基于样本向量依次求取每段切片数据的多尺度排列熵，并得到最终的得到所有切片数据的多尺度排列熵；基于每段切片的多尺度排列熵对每段切片内数据样本进行有效性判决；判决方法为：每段切片的多尺度排列熵中的最大熵值除以最小熵，将求得的比值与初始化参数设置时所设的判决门限进行比较，当该比值大于门限值时，判定该段切片的样本数据是有效，并将该切片数据保留；否则，判定该切片数据无效，并将其舍弃；得到筛选获取全部有效的切片复数数据样本集。 2.根据权利要求1所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于：上述过程2的实现方法如下所述：对经过预处理得到的有效切片复数数据集进行IMF特征向量提取，得到对应的IMF特征向量集，具体的说：输入每个单个频率成分复杂的有效切片复数数据、残差基带数据特征向量门限Chd，执行标准的经验模态分解处理后，分别从I路数据和Q路数据输出多个具有本段有效复数数据特征的样本数据和一个残余样本数据，并以向量形式进行提取分别得到I路数据对应的IMF特征向量，Q路数据对应的IMF特征向量以及一个残余数据向量，之后将获取的I路数据对应的IMF特征向量、Q路数据对应的IMF特征向量、残余数据向量以交替放置形式进行集合重构，完成本段有效复数数据样本中全部IMF特征向量提取。 3.根据权利要求2所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于：上述过程3的实现方法如下所述：对上述有效复数数据样本中全部IMF特征向量中每个IMF特征向量进行多尺度排列熵求取,依次得到不同尺度下所对应的排列熵值，并将多尺度熵值依次进行排列重构成特征熵向量，最终得到多个多尺度排列熵向量；对筛选出截断长度为L的全部有效切片数据集进行重构，得到有效样本矩阵；对基于上述IMF特征向量的多个多尺度排列熵向量进行重构，得到特征值矩阵，完成目标辐射信号数据的特征样本提取。 4.根据权利要求1所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于：重构成复数数据向量为I n +j·Q n ，其中n＝1,2,…,N。 5.根据权利要求1所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于：切片数据样本的多尺度排列熵的计算方法为：基于参数初始化设置时设定的尺度因子s取值确定粗粒化尺度值选择集合；确定本段切片数据样本中的粗粒化取值集合中第一个尺度s 1 所对应的特征向量z 1 ；构造粗粒化特征向量的相空间矩阵；求得当前粗粒化尺度条件下的排列熵。 6.根据权利要求5所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于，上述确定本段切片数据样本中的粗粒化取值集合中第一个尺度s 1 所对应的特征向量z 1 的实现包括：将长度为L的切片数据从第一个数据为参考起点，将数段内间隔为s 1 的所有数据点构成特征向量x 1 ；将长度为L的切片数据从第二个数据为参考起点，将数段内间隔为s 1 的所有数据点构成特征向量x 2 ；依次类推，将长度为L的切片数据从第J 1 个数据为参考起点，将数据段内间隔为s 1 的所有数据点构成特征向量x J ，其中J 1 ＝L/s 1 ；将特征向量 中的对应位置分量求和得到的结果作为第一个尺度s 1 所对应的特征向量z 1 。 7.根据权利要求5所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于，构造粗粒化特征向量的相空间矩阵的实现方法包括：根据初始参数设置中所设置的嵌入维数m、时间延迟因子τ，对尺度因子特征向量z 1 按照如下方式构造大小为K×m的粗粒化特征向量相空间矩阵Y其中，相空间矩阵中z 1 ,z 2 ,…,z K 分别表示特征向量z 1 中的第1个，第2个，…，第K个分量，且总分量个数K与切片数据长度L、嵌入维数m、以及时间延迟因子τ之间满足关系式K＝L/s-(m-1)τ。 8.根据权利要求7所述的一种用于低空空域低小慢飞行器目标个体识别的特征提取方法，其特征在于，求得当前粗粒化尺度条件下的排列熵的实现方法如下所述：将相空间矩阵第一行重构分量按行进行升序排列，可以得到 其中l 1 ,l 2 ,...,l m 为第一行重新排列后各分量所在列的索引值；利用该方式依次对相空间矩阵中所有K个重构分量符号序列进行升序排列，得到重构分量的符号序列为S(r)＝(n 1 ,n 2 ,...,n m )，其中r＝1,2,...,m！；当重构分量出现相等的情况时，根据分量的索引值大小进行排序；在m维的相空间中，一共得到m！种符号序列的排列组合；求取每种符号序列出现的概率；根据m！种符号序列的排列，通过统计重构分量中每种符号序列出现的次数和m！种符号序列出现的次数进行比值处理来计算其概率值；假设第i种序列特征出现的概率值记为P i ，i∈[1,m！]在该范围内进行整数取值，依次得到m！种符号序列的排列组合的概率值P 1 ,P 2 ,…,P m！ ；得到P i 后求取对应的子熵，子熵为P i ·LnP i ，之后对m！个不同的子熵进行求和取相反数处理，当P i ＝1/m！时，排列熵的最大值为m阶排列对数Ln(m！)，设定对得到的排列熵与m阶排列对数进行比值处理得到H p ，并将结果作为当前尺度下的排列熵，第一段切片数据的排列熵为H 1 ，其余尺度所对应的排列熵依次为H 2 ,H 3 ,…,H s ，并得到每段切片数据的多尺度排列熵[H 1 ,H 2 ,…,H s ]。