混响背景中信号检测的特征核支持向量机

针对支持向量机的核函数对检测性能的影响，分析了核函数在特征空间中的作用．利用混响和目标回波的非高斯特性上的差异设计了特征核函数，即将核函数改进为任意2个样本高阶统计量的几何均值与原核函数乘积的形式，使其自适应调整核函数值，从而提高分类性能．实验证明了采用特征核函数后扩大了2类样本间的距离，并且仍然满足Mercer定理．将特征核支持向量机应用于高斯或非高斯分布混响背景中的信号检测，结合实际应用给出了训练和检测算法．实验及仿真研究表明，当选取2类样本差异较大的高阶统计量作为特征量时，混响背景为非高斯分布时，其检测性能优于匹配滤波器以及基于传统核函数的支持向量机．