雷达目的识别技术综述_王晓丹.docx

雷达目的识别技术综述_王晓丹雷达目的识别技术综述王晓丹王积勤(空军工程大学导弹学院三原713800)【摘要】针对雷达自动目的识别技术进行了扼要回首。讨论了目前理论研究和应用比拟成功的4类目的识别方法:基于目的运动的回波起伏和调制谱特性的目的识别方法、基于极点分布的目的识别方法、基于高分辨雷达成像的目的识别方法和基于极化特征的目的识别方法,同时讨论了应用于雷达目的识别中的4种形式识别技术:统计形式识别方法、模糊形式识别方法、基于模型和基于知识的形式识别方法以及神经网络形式识别方法。最后分析了问题的可能解决思路。【关键词】雷达,目的识别,特征提取,特征分类ASurveyofRadarTargetRecognitionTechniqueWANGXiao-danWANGJi-qin(MissileInstitute,AirForceEngineeringUniversitySanyuan713800)【Abstract】Asurveyofradartargetrecognitiontechniqueisgiveninthispaper.4classesoftargetrecognitiontechniqueswhichbasedonthemovingandjetenginemodulationeffect,distributionofpoles,highresolutionradarimagingandpolarizationdiversitycharac-terofthetargetarediscussedseparately.4patternrecognitionmethods(statisticpatternrecognition,fuzzypatternrecognition,modelbasedandknowledgebasedpatternrecognition,neuralnetwork)andtheirapplicationsinradartargetrecognitionalsodiscussed.Theanalysisoftheproblemisgivenintheendofthispaper.【Keywords】radar,targetrecognition,featureextraction,featureclassification1引言目的识别是当代雷达技术发展的一个重要组成部分。对雷达目的识别的研究,在国内外已经构成热门,但由于问题本身的复杂性,以及多干扰信号,十分是多噪声干扰源存在的复杂电磁环境,雷达目的识别问题至今还没有满意的答案,尚无成熟的技术和方法。因而,对雷达目的识别技术的研究具有极其重要的军事应用价值。本文将对雷达自动目的识别技术进行扼要回首,讨论目前理论研究和应用比拟成功的几类目的识别方法,以及应用于雷达目的识别中的形式识别技术,分析和讨论问题的可能解决思路。2雷达目的识别模型雷达目的识别需要从目的的雷达回波中提取目的的有关信息标志和稳定特征并判明其属性。它根据目的的后向电磁散射来鉴别目的,是电磁散射的逆问题。利用目的在雷达远区所产生的散射场的特征,能够获得用于目的识别的信息,回波信号的幅值、相位、频率和极化等均可被利用。对获取的目的信息进行计算机处理,与已知目的的特性进行比拟,进而到达自动识别目的的目的。识别经过分成三个步骤:目的的数据获取、特征提取和分类判决。相应模型如图1所示。图1雷达目的识别模型整个识别经过能够分为两个阶段:训练(或设计)阶段和识别阶段。前者用一定数量的训练样本进行分类器的设计或训练,后者用所设计或训练的分类器对待识别的样本进行分类决策。训练数据获取是对各已知目的进行测量,获得目的的训练数据。测试数据获取是获得未知种类目的的测量数据;测量数据的获得可采用目的的靶场动态测量、外场静态测量、微波暗室缩比模型等。特征提取模块从目的回波数据中提取出对分类识别有用的目的特征信息。特征空间压缩与变换模块对特征信息进行特征空间维数压缩与变换,得到具有高同类聚合性和异2003年5月当代雷达第5期收稿日期:2002-02-05修订日期:2003-03-17的训练样本进行分类器的设计。类间可分离性的特征。分类器设计模块根据已知类别目的分类模块完成对未知目的的分类判决。3雷达目的识别技术回首雷达目的识别的研究始于20世纪50年代。早期雷达目的特征信号的研究工作主要是研究雷达目的的有效散射截面积。但是,对形状不同、性质各异的各类目的,笼统用一个有效散射截面积来描绘,就显得过于粗糙,也难以实现有效识别。几十年来,随着电磁散射理论的不断发展以及雷达技术的不断提高,在先进的当代信号处理技术条件下,很多可资识别的雷达目的特征信号相继被发现,进而建立起了相应的目的识别理论和技术。近年来理论研究和实际应用比拟成功的目的识别方法有下面4类。3.1基于目的运动的回波起伏和调制谱特性的目的识别这类方法大都基于目前广泛使用的雷达时域一维目的回波波形,抽取波形序列中包含的目的特征信息来实现目的分类。这类研究已获得一些成功应用。1)利用目的回波起伏特性的识别空中目的对低分辨力雷达来讲能够看作点目的,其运动经过中,目的回波的幅度和相位将随目的对雷达的相对姿态的不同而变化,根据目的回波的幅度与相位的变化经过,判定其形状,对复信息数据进一步分析,能够判定目的的运动情况1。2)利用动态目的的调制谱特性的识别动态目的如飞机的螺旋桨或喷气发动机旋转叶片、直升机的旋翼等目的构造的周期运动,产生对雷达回波的周期性调制。不同目的的周期性调制谱差异很大,因此可用于目的识别。Bell等2具体分析了喷气发动机的调制(JEM)现象,并建立了相应的数学模型,为利用JEM效应进行目的识别奠定了理论基础。3.2基于极点分布的目的识别目的的自然谐振频率又称为目的极点,“极点和“散射中心分别是在谐振区和光学区建立起来的基本概念。目的极点分布只决定于目的形状和固有特性,与雷达的观测方向(目的姿态)及雷达的极化方式无关,因此给雷达目的识别带来了很大方便。目的极点的概念出现于1971年。1975年,Blari-cum等首先提出了直接从一组瞬态响应时域数据来提取目的极点的Prony方法3,使用提取出的目的极点作为目的特征,而通过将提取到的目的极点与目的库的目的极点进行匹配完成目的识别经过。80年代以来,关于目的极点的研究主要集中在怎样提高算法本身的抗噪能力和估算精度方面。提取目的极点的函数束法(POF)4以及广义函数束法(GPOF)5等,在极点的估计精度以及抗噪能力方面均优于Prony法。除了直接求目的的极点外,由于目的的极点与目的的频率响应存在逐一对应的关系,人们还研究了由目的的频域响应来识别目的的方法,典型方法有,从目的的频域响应来识别目的的方法6;获取目的极点的频域Prony法(FDPM)7;由于频域法的目的极点估算精度同样遭到噪声和杂波的限制,具有改善作用的数据多重组合法8被提出。为避开需要实时地直接从含噪的目的散射数据中提取目的的极点,基于波形综合技术的目的识别方法被得到广泛重视。它将接收到的目的散射信号回波与综合出来的代表目的的特征波形进行数字卷积,再根据卷积输出的特征来判别目的。E-脉冲法9、频域极大极小拟合匹配法10等,都避开了直接提取目的极点,减小了运算量。3.3基于高分辨力雷达成像的目的识别借助高分辨力雷达对目的进行一维或二维距离成像,或采用合成孔径雷达或逆合成孔径雷达对目的成像得到二维雷达图像,可获取目的的形状构造信息。由于一维距离像的获取相对简单,利用一维距离像进行目的识别的方法在80年代以后被得到广泛重视和深化研究。基于一维距离像的目的识别方法,在舰船目的11、坦克、车辆等地面目的1213、飞机目的14识别中分别获得了较高的正确识别率。由于目的的一维距离像常会受目的之间、目的各散射点之间的互相干预、合成等穿插项的影响,限制了识别率的提高,因此双距离像方法被提出并15获得了较高的识别率。为改善目的识别的性能,能够将目的一维距离像与其它目的特征(如极化特征16)相结合。对于基于二维雷达图像的目的识别,可利用图象识别技术来进行,这是目的识别领域中最为直观的识别方法,但是怎样获得高质量的目的二维图像是进行目的识别的首先要解决的问题。3.4基于极化特征的目的识别极化是描绘电磁波的重要参量之一,它描绘了电磁波的矢量特征。极化特征是与目的形状本质有密切联络的特征。任何目的对照射的电磁波都有特定的极化变换作用,其变换关系由目的的形状、尺寸、构造和取向所决定。测量出不同目的对各种极化波的变极化响应,能够构成一个特征空间,就可对目的进行识别。极化散射矩阵(复二维矩阵)17完全表征了目的在特定姿态和辐射源频率下的极化散射特性。对目的几何形状与目的极化特性的关系的研究结果表明18,23第5期王晓丹,等:雷达目的识别技术综述光学区目的的极化散射矩阵反映了目的镜面曲率差等精细物理构造特性。早在50年代初期,利用极化特征来识别目的的原理19就已被提出,美国在5060年代已将用极化散射矩阵识别目的的技术初步应用于远程测量雷达和大型相控阵雷达中,可粗略识别简单形状的外空目的。通过对目的极化特性的研究,最佳极化的概念19被提出,产生了基于零极化、特征本征极化等极化不变量的目的识别技术。经过近20年的发展,已经出现了很多种利用极化信息进行雷达目的识别的方法,其主要方法分为:1)根据极化散射矩阵识别目的根据极化散射矩阵来识别目的是利用极化信息识别目的的基本方法。详细分为20:根据不同极化状态下目的截面积的比照来识别目的;根据从目的极化散射矩阵中导出的目的极化参数集(极化不变量)来识别目的;根据目的的最佳极化或极化叉来识别目的。由于不同姿态角下目的极化特性的改变,限制了根据极化散射矩阵及其派生参数识别目的的有效性,使之只能应用于简单几何形体目的,或与其它识别方法结合使用。Cameron等利用极化散射矩阵对简单形体目的的识别获得了80%的正确识别率21。伪本征极化2223、去极化系数24、极化参数平面描绘25、Poincare极化球面描绘26和信号频率敏感特性描绘27等特征都被用于了飞机目的识别研究。2)利用目的形状的极化重构识别目的对低分辨力雷达,不能区分目的上各个散射中心的回波,只能从它们的综合信号中提取极化特征,因此只能从整体上对简单形体的目的加以粗略的识别。对高分辨力雷达,目的回波可分解为目的上各个主要散射中心的回波分量。对复杂形状目的的极化重构,就是利用高分辨力雷达区分出各个散射中心的回波,分别提取其极化信息。在对各个散射中心分别作出形状判定(能够利用目的的极化散射矩阵,或利用目的的缪勒矩阵中各个元素同目的形状的关系)后,根据其相对位置关系,组合成目的的整体形状。最后同已知目的数据库相比拟,得到识别结果。Cameron等21给出了用卡车进行识别实验的情况,给出了卡车上各个主要散射中心的识别结果,并按其空间相对位置排列成图。在Pottier28对SAR图象进行分析与识别时也用到了任意散射体由几种典型散射机制合成的观点。3)利用瞬态极化响应识别目的Chamberlain等29将极化信息与冲激响应结合起来,提出了利用目的瞬态极化响应(TPR)进行目的识别。利用TPR识别目的是将极化识别与时(频)域识别相结合的很好范例。在Chamberlain的基础上,参考文献30进行了进一步的研究。通过TPR特征提取,把复杂目的在构造上分解成由散射中心对应的多个子构造来分别描绘,对飞机目的识别获得了较好的效果。4)与成像技术相结合的目的识别结合SAR和ISAR成像,在相应雷达上加装变极化装置,进而能够利用极化信息或将极化信息与已有的图象识别技术相结合,对每一像素进行更有效的识别。Tenoux等31利用法国的RENE机载极化SAR雷达,对4张SAR不同极化图象(HH,HV,VH,VV)作比拟,并对每一像素进行了极化识别。3.5各种特征识别方法对雷达的要求不同的识别方法对雷达系统有着不同的要求。基于目的运动的回波起伏和调制谱特性的目的识别方法对雷达没有特殊的要求,它是在现有雷达的基础上,利用目的运动所引起的回波起伏特性和动态目的的调制谱特性,并结合雷达所能获取的目的空间坐标及运动参数(如目的高度、速度、航迹等)来进行目的识别,因此主要用于低分辨雷达的目的识别。基于极点分布的目的识别方法可分为时域和频域方法。时域方法提取目的极点要求雷达的发射信号带宽足够宽,以保证由目的的瞬态响应中能够获得正确的目的极点;频域方法则要求雷达能够发射多种频率的电磁波以获取目的的频率响应。基于高分辨力雷达成像的目的识别方法要求雷达不仅具有高的距离分辨力(对于一维距离像方法)而且具有高的角分辨力(对于二维距离像方法),这就要求采用宽带高分辨、合成孔径或逆合成孔径雷达。基于目的极化特征的目的识别方法要求雷达能够测量目的对不同极化方向的入射电磁波的极化散射特性、雷达具有变极化特性,这增加了雷达系统的复杂性,限制了其应用。4用于雷达目的识别中的形式识别技术进行雷达目的识别,必须依靠有效的目的特征分类技术(形式识别技术)。形式识别技术的发展为雷达目的识别的研究提供了有利的条件。统计形式识别方法、模糊形式识别方法、基于模型和基于知识的形式识别方法以及神经网络形式识别方法等在雷达目的识别中均有成功的应用。4.1统计形式识别方法统计形式识别是传统的形式识别方法,也是雷达目的识别中最常用到的特征分类方法,它是一种根据已知样本的统计特性来对未知类别样本进行分类的方24当代雷达25卷法。其基本思想是用N维特征矢量表征目的形式,并通过对样本的学习,估计出特征矢量的概率分布密度函数,在某种最优准则下,利用特征矢量的统计知识来构造判别函数,进而在保证分类误差概率最小的条件下,对目的进行分类。近期邻域法29、相关匹配法15323334、多维相关匹配方法16、最大似然Bayes分类器35、Bayes优化决策规则36、最大似然函数37等都被用于了目的特征的分类决策。4.2模糊形式识别方法在雷达目的识别中,由于噪声对目的背景的污染,目的信息转换经过中特征信息的随机交迭,目的信息随时间、距离、方位和姿态等因素的变化都可引起信息的模糊及目的特征的畸变,影响目的识别的效果。在模糊集理论基础上发展起来的模糊形式识别技术3839,适于描绘目的特征存在不同程度的不确定性。在目的识别经过中,模糊形式识别技术通过将数值变换提取的目的特征转换成由模糊集及从属函数表征,再通过模糊关系和模糊推理等对目的的所属关系加以断定。因而,模糊形式识别技术能够有效地完成一些传统形式识别中碰到的难题,近年来得到了广泛的研究。如郭桂蓉等4041在低分辨非相干雷达体制下,利用目的视频回波的幅度细微构造特性和动态起伏特性,结合模糊形式识别技术,完成了对海上目的的识别。4.3基于模型和基于知识的形式识别方法基于模型的形式识别方法是用一种数学模型来表示从目的样本空间或特征空间中获取的、描绘目的固有特性的各种关系准则。在建模经过中,除了利用目的的物理特性外,还运用了特征之间的符号关系准则,如特征随姿态角变化的规律等,因而,基于模型的的形式识别方法在一定程度上改善了传统的统计形式识别方法中信息利用率不高的缺点。目前也有不少人在致力于基于模型的目的识别方法的研究42。基于知识的形式识别方法是结合人工智能技术的识别方法。它把人们在实践中逐步积累的知识和经历用简单的推理规则加以表述,并转换为计算机语言,利用这些规则能够获得与专家有同样识别效果的形式识别结果。基于模型的方法常与基于知识的方法相结合,通过建立的目的模型库与相应的推理规则相结合完成目的的分类识别。Mcune等43将基于知识的识别方法用于了对高分辨率舰船雷达目的的识别;Sadjadi44采用基于模型的形式识别方法对任意姿态角下的坦克等装甲目的进行了分类,其模型是根据目的散射中心三维分布图在不同径向距离上投影而建立起来的。运用推理规则库模型成功地对动态变化的雷达干扰信号进行了识别。4.4神经网络形式识别方法人工神经网络(ANN)和生物神经系统之间有着内在的联络,能够在有限领域内模拟人脑加工、存储与搜索信息的机制来解决某些特定的问题。它具有自适应、自组织、自学习能力,能够处理一些环境信息特别复杂、背景知识不清楚的问题,通过对样本的学习建立起记忆,然后将未知形式判为其最为接近的记忆。由于其本身的上述特点,形式识别是神经网络技术应用得最为广泛的领域之一。由于雷达目的特征信息在形式空间中的分布经常极为复杂,要获得其先验统计知识并用传统的形式识别方法来实现目的识别很困难。ANN能够通过学习获得目的特征信号在形式空间中的分布,因而在目的识别的预处理、特征提取、形式分类的整个经过中均有初步的应用。近10年来,ANN用于雷达目的识别得到了广泛的重视。采用BP算法4546、感悟器算法47的多层前向网络;径向基函数网络(RBFN)4849;模糊ARTMAP网络50、自组织特征映射(SOFM)14等自组织神经网络;以及异联想存储器神经网络51、自划分神经网络52、实时循环神经网络53、模糊极大极小神经网络54,等等,在目的识别中都有成功的应用。总之,先进的形式识别方法对于提高、改善雷达自动目的识别系统的性能将起到至关重要的作用,对它的进一步研究将具有重要的意义。5结束语到目前,研究者们已从多个方面研究了雷达目的识别技术。研究表明,用单一技术解决雷达目的识别问题都将是困难的,问题的解决有赖于多种技术的综合运用20。针对单一方法存在的各自局限性,能够考虑将多种技术相结合,以提高正确识别率。从已有的研究来看,较多地利用了目的回波信号的幅值、相位、频率等信息,而对目的的极化信息的利用却很有限。这一方面是由于在低分辨力雷达情况下,从雷达回波中不能得到稳定且明确的目的极化特征,使得极化信息在低分辨力情况下对目的识别的用处不大5557,另一方面受限于极化散射矩阵的准确测量技术。高分辨力雷达技术、极化散射矩阵的准确测量技术的发展为雷达回波中获得稳定且明确的目的极化特征提供了可能。因而,将高分辨力雷达技术与极化信息相结合就是一条可行的思路。25第5期王晓丹,等:雷达目的识别技术综述高分辨、极化雷达与智能信号处理和自动分类技术相结合将为雷达目的识别提供一条很好的途径。随着雷达技术、信号处理技术和目的识别算法的不断发展,自动雷达目的识别技术有望获得较大进展。(本文参考文献共57篇,限于篇幅,只列出部分参考文献,如有读者对其它文献感兴趣,请与作者联络。)参考文献1黄为倬.目的识别与逆合成孔径雷达.当代雷达,1988,10(6):1081222BellMB,GyubbsRA.JEMmodelingandmeasurementforradartargetidentification.IEEETransonAES,1993,29(1):12133BlaricumMLVan,MittraR.Atechniqueforextractingthepolesandresiduesofasystemdirectlyfromitstransientresponse.IEEETrans.onAP,1975,23(6):7777814JainVK,etal.RationalmodelingbyPencil-of-Functionmethod.IEEETrans.onASSP,1983,31(3):5645735HuaYB,SarkarTK.GeneralizedPencil-of-FunctionmethodforextractingpolesofanEMsystemfromitstransientresponse.IEEETransonAP,1989,37(2)6ChuangCW,MoffatDL.NaturalresonanceofradartargetviaProny'smethodandtargetdiscrimination.IEEETrans.onAES,1976,12(5):5835897BrittinghamJN,etal.Poleextractionfromreal-frequencyinfor-mation.ProceedingsofIEEE,1980,68(2):2632738KsienskiAA.Poleandresidueextractionfrommeasureddatainthefrequencydomainusingmultipledataset.RadioScience,1985,20(1)9ChenKM.Rradarwavesynthesismethod-anewradardetectionscheme.IEEETrans.onAP,1981,29(4):55356510庄钊文,柯有安.频域目的识别的极大极小法.西安:第二届信号处理年会论文集,CCSP-88,198811ZwickePE,ImrekissJR.AnewimplementationoftheMellintransformofrangeprofileofship.IEEETransonPAMI,1983,5(2):13914212何松华,郭桂蓉,郭修煌.基于目的距离像的地面目的检测与跟踪.国防科技大学学报,1991,13(1)13StewartC,LuYC,LarsonV.Aneuralclusteringapproachforhighresolutionradartargetidentification.PatternRecognition,1994,27(4):50351314HudsonS,PsaltisD.Correlationfiltersforaircraftidentificationfromradarrangeprofiles.IEEETrans.onAES,1993,29(3):74174815文树梁.基于双距离像的雷达目的识别技术.当代雷达,1996,18(1):1521王晓丹女,1966年生,副教授,博士。现为空军工程大学导弹学院博士后,目前主要从事神经网络及其应用、雷达目的识别方面的研究。王积勤男,1935年生,教授、博士生导师。目前主要从事极化信息处理、雷达目的识别方面的研究。雷达与对抗2003年学术年会征文通知中国造船学会电子技术学术委员会雷达与对抗专业分会拟于2003年3季度在贵州省贵阳市召开学术会议,欢迎广大专家、学者踊跃投稿。现将有关征文事项通知如下:征文内容将来战争的发展动态及对信息战电子战的需求分析;信息战电子战新概念、新理论、新技术;雷达、电子战总体,一体化,“四抗技术;建模、仿真技术;测频、测向技术;信号处理技术;软件无线电技术;效能评估技术;电磁兼容管理等技术。征文要求论文一般不超过6000字。自行脱密,已公开发表过的文章请勿投寄;请作者提交正式论文一式2份(其中一份为激光打印稿),不排页码、不装订,并附3英寸软盘;论文要求内容精炼,文字明晰,图表正确。统一用中文Word录入编辑,打印在16K纸上,版心尺寸为高214mm×145mm(宽)。格式要求标题居中,2号黑宋;作者姓名:居中,3号宋体,;作者单位名称(含地区名和邮编):用4号楷体,居中;摘要:小4号楷体,居中,行宽左右缩4字距;关键词用4号黑宋体;正文:用5号宋体,页面38行,每行40字;分节标题用4号黑宋体,占二行;插图和照片均随文排、贴在版心尺寸内,要求明晰;参考文献列在文后;来稿请注明作者真实姓名,具体通信地址、邮政编码、联络电话和E-mail地址。截止时间2003年6月10日,以当地邮戮为准。通信地址扬州204信箱科技处(225001)袁秀华收,联络电话05147807037,E-mail:yz.723spublic.26当代雷达25卷