2022年目标识别技术.doc

《2022年目标识别技术.doc》由会员分享，可在线阅读，更多相关《2022年目标识别技术.doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、目的识别技术摘要：针对雷达自动目的识别技术进展了简要回忆。讨论了目前理论研究和应用比拟成功的几类目的识别方法：基于目的运动的回波崎岖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几种形式识别技术：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。最后分析了咨询题的可能处理思路。引言：雷达目的识别技术回忆及开展现状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

2、的，笼统用一个有效散射面积来描绘，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开展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目的特征信号相继被发觉，从而建立起了相应的目的识别理论和技术。随着科学技术的飞速开展，一场以信息技术为根底、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质根底，是推进武器装备信息化进程的重要动力，其总体水平和规模将在非常大程度上反映一个国家的军事实力和作战才能。雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极

3、其重要的作用。但随着进攻武器装备的开展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目的识别功能，雷达目的分类与识别已成为现代雷达的重要开展方向，也是将来雷达的根本功能之一。目的识别技术是指：利用雷达和计算机对遥远目的进展识别的技术。目的识别的根本原理是利用雷达回波中的幅度、相位、频谱和极化等目的特征信息，通过数学上的各种多维空间变换来估算目的的大小、形状、重量和外表层的物理特性参数，最后依照大量训练样本所确定的鉴别函数，在分类器中进展识别判决。目的识别还可利用再入大气层后的大团过滤技术。当目的群进入大气层时，在大气阻力的作用下，

4、目的群中的真假目的由于轻重和阻力的不同而分开，轻目的、外形不规则的目的开场减速，落在真弹头的后面，从而能够区别目的。所谓雷达目的识别，是指利用雷达获得的目的信息，通过综合处理，得到目的的详细信息（包括物理尺寸、散射特征等），最终进展分类和描绘。随着科学技术的开展，武器功能的提高，对雷达目的识别提出了越来越高的要求。目前，目的识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防备系统、防空系统及地球物理、射电天文、气象预告、埋地物探测等技术领域发挥出非常大威力。为了提高我国的军事实力，习惯将来反导弹、反卫、空间攻防、国土防空与对海军事斗争的需要，急需加大雷达目的识别技术研究的力度雷达目的识

5、别策略主要基于中段、再入段过程中弹道导弹目的群的不同特性。从构造特性看，飞行中段的威胁目的群可粗分为球锥类、球、角反射器、圆柱及碎片等，形体相对简单，通过高分辨成像进展区分是可行的。从姿势特性看，各目的的飞行姿势特性主要取决于母舱释放弹头和诱饵时的阶段，一般情况下，弹头自旋稳定飞行以保持空间定向，由于释放过程中不可防止地将对弹头产生一定的横向扰动，可能使弹头产生进动；另外，当弹头章动角较大，或者母舱投放弹头时由于某些不可操纵的缘故，甚至是母舱事先设计好的，弹头有可能产生翻腾，模仿弹头形状的诱饵通常也会产生翻腾。再入段是导弹防备的最后一个屏障，防备系统能够依照各再入目的的运动状态估算出质阻比，区

6、分出轻重目的。详细步骤如下：（1）通过高分辨雷达成像获取目的的构造特征信息，从目的群中识别出具有锥体构造特性的目的。（2）依照锥体目的的进动数学模型，结合锥体目的在不同姿势角下,-.，得到目的进动状态下的回波模板，当确定锥体目的,-. 回波周期分量中不是目的翻腾时，基于,-. 序列可能出章动角和进动周期，进而计算出目的的惯量比等特征。（3）为保证对所有真弹头进展有效拦截，在再入段通过跟踪目的运动状态可能其质阻比，基于此排除轻诱饵。（4）将上述不同措施确定出来的威胁目的作为“威胁目的”，通过积累观测综合评判目的类型。研究方法现代雷达（包括热雷达和激光雷达）不但是对遥远目的进展探测和定位的工具，而

7、且能够测量与目的形体和外表物理特性有关的参数，进而对目的分类和识别。目的识别的根本原理是利用雷达回波中的幅度、相位、频谱和极化等目的特征信息，通过数学上的各种多维空间变换来估算目的的大小、形状、重量和外表层的物理特性参数，最后依照大量训练样本所确定的鉴别函数，在分类器中进展识别判决。目的识别还可利用再入大气层后的大团过滤技术。当目的群进入大气层时，在大气阻力的作用下，目的群中的真假目的由于轻重和阻力的不同而分开，轻目的、外形不规则的目的开场减速，落在真弹头的后面，从而能够区别目的。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。它依照目的的后向电

8、磁散射来鉴别目的，是电磁散射的逆咨询题。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展计算机处理，与已经知道目的的特性进展比拟，从而到达自动识别目的的目的。识别过程分成三个步骤：目的的数据获取、特征提取和分类判决。整个识别过程能够分为两个阶段：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展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展分类决策。训数据获取是对各已经知道目的进展测量，获得目的的训练数据。测试数据获取是获得未知品种目的的测量数据；测量数据的获得可采纳目的的靶场动态测

9、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展特征空间维数压缩与变换，得到具有高同类聚合性和异的训练样本进展分类器的设计。类间可别离性的特征。分类器设计模块依照已经知道类别目的分类模块完成对未知目的的分类判决。近年来理论研究和实际应用比拟成功的目的识别方法有以下4类。 一 基于目的运动的回波崎岖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）利用目的回波崎岖特性的识别空中目的对低分辨力雷达来讲能

10、够看作点目的，其运动过程中，目的回波的幅度和相位将随目的对雷达的相对姿势的不同而变化，依照目的回波的幅度与相位的变化过程，推断其形状，对复信息数据进一步分析，能够推断目的的运动情况。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非常大，因而可用于目的识别。Bell 等详细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效应进展目的识别奠定了理论根底。 二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

11、区建立起来的根本概念。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（目的姿势）及雷达的极化方式无关，因而给雷达目的识别带来了非常大方便。目的极点的概念出现于1971年。1975年，Blaricum等首先提出了直截了当从一组瞬态响应时域数据来提取目的极点的prony方法，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展匹配完成目的识别过程。80年代以来，关于目的极点的研究主要集中在如何提高算法本身的抗噪才能和估算精度方面。提取目的极点的函数束法(POF）以及广义函数束法（GPOF）等，在极点的可能精度以及抗噪才能方面均优于Prony法。除了直截了当求目

12、的的极点外，由于目的的极点与目的的频率响应存在一一对应的关系，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；获取目的极点的频域Prony 法（FDPM）；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被提出。为避开需要实时地直截了当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注重。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展数字卷积，再依照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，都避开了直截了当提取目的极点，减小了运算量。

13、三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展一维或二维间隔成像，或采纳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。由于一维间隔像的获取相对简单，利用一维间隔像进展目的识别的方法在80 年代以后被得到广泛注重和深化研究。基于一维间隔像的目的识别方法，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。由于目的的一维间隔像常会受目的之间、目的各散射点之间的互相关预、合成等穿插项的妨碍，限制了识别率的提高，因而间隔像方法被提出并15获得了较高的识别率。为改善目的识别的功能，能够将目的一维间隔像与其它目的特征（

14、如极化特征16）相结合。关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展，这是目的识别领域中最为直观的识别方法，但是如何获得高质量的目的二维图像是进展目的识别的首先要处理的咨询题。 四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亲密联络的特征。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，就可对目的进展识别。化散射矩阵（复二维矩阵）17完全表征了目的在特定姿势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

15、的关系的研究结果说明(18)，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50-60 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，最正确极化的概念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。通过近)20 年的开展，已经出现了许多种利用极化信息进展雷达目的识别的方法，其主要方法分为：1）依照极化散射矩阵识别目的依照极化散射矩阵来识别目的是利用极化信息识别目的的根本方法。详细分为(20)：

16、依照不同极化状态下目的截面积的比照来识别目的；依照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；依照目的的最正确极化或极化叉来识别目的。由于不同姿势角下目的极化特性的改变，限制了依照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(22)(23)、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

17、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，因而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，确实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推断（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，依照其相对位置关系，组合成目的的整体形状。最后同已经知道目的数据库相比拟，得到识别结果。Cameron等21)给出了用卡车进展识别实验的情况，给出了卡车内各个主要散射中心的识别结果，并按其空间相对

18、位置陈列成图。在Pottier(28)对SAR图象进展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）进展目的识别。利用TPR识别目的是将极化识别与时（频）域识别相结合的非常好范例。在Chamberlain 的根底上，参考文献30进展了进一步的研究。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，从而能够

19、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，对每一像素进展更有效的识别。Tenoux等2!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，并对每一像素进展了极化识别。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崎岖和调制谱特性的目的识别方法对雷达没有特别的要求，它是在现有雷达的根底上，利用目的运动所引起的回波崎岖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）来进展目的识别，因而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

20、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间隔分辨力（关于一维间隔像方法）而且具有高的角分辨力（关于二维间隔像方法），这就要求采纳宽带高分辨、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。 用于雷达目的识别中的形式识别技术进展雷达目的识别，必须依托有效的目的特征分类技术（形式识别技

21、术）。形式识别技术的开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。(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，它是一种依照已经知道样本的统计特性来对未知类别样本进展分类的方法。其根本思想是用N 维特征矢量表征目的形式，并通过对样本的学习，可能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，从而在保证分类误差概率最小的条件下，对目的进展分类。最近邻域法(29)、相关匹配法(15)(3

22、2)(33)(34)、多维相关匹配方法(16)、Bayes最大似然(35),Bayes 分类器(36)、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。(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，目的信息转换过程中特征信息的随机交迭，目的信息时间、间隔、方位和姿势等要素的变化都可引起信息的模糊及目的特征的畸变，妨碍目的识别的效果。在模糊集理论根底上开展起来的模糊形式识别技术(38)(39)，适于描绘目的特征存在不同程度的不确定性。在目的识别过程中，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隶属函数表征，再通过模糊关系和

23、模糊推理等对目的的所属关系加以断定了。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遇到的难题，近年来得到了广泛的研究。如郭桂蓉等40（41在低分辨非相关雷达体制下，利用目的视频回波的幅度细微构造特性和动态崎岖特性，结合模糊形式识别技术，完成了对海上目的的识别。（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标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。在建模过程中，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，如特征随姿势角变化的规律等，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率不

24、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；Sadjadi(44)采纳基于模型的形式识别方法对任意姿势角下的坦克等装甲目的进展了分类，其模型是依照目的散射中心三维分布图在不同径向间隔上投影而建立起来的。运用推理

25、规则库模型成功地对动态变化的雷达干扰信号进展了识别。(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仿人脑加工、存储与搜索信息的机制来处理某些特定的咨询题。它具有自习惯、自组织、自学习才能，能够处理一些环境信息十分复杂、背景知识不清晰的咨询题，通过对样本的学习建立起经历，然后将未知形式判为其最为接近的经历。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常常极为复杂，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非常困难。ANN能够通过学习获得目的特征信号在形式空间中的分布

26、，因而在目的识别的预处理、特征提取、形式分类的整个过程中均有初步的应用。近10 年来，ANN 用于雷达目的识别得到了广泛的注重。采纳BP 算法(45)(46)、感知器算法47的多层前向网络；径向基函数网络（RBFN）(48)(49)；模糊:ARTMAP网络、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关于提高、改善雷达自动目的识别系统的功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。完毕语到目前，研究者们已从

27、多个方面研究了雷达目的识别技术。研究说明，用单一技术处理雷达目的识别咨询题都将是困难的，咨询题的处理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，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非常有限。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，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开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

28、达技术与极化信息相结合确实是一条可行的思路。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非常好的途径。随着雷达技术、信号处理技术和目的识别算法的不断开展，自动雷达目的识别技术有望获得较大进展。 参考文献（1） Bell M B,Gyubbs R A.JEM modeling and measurement fore radar target identification.IEEE Trans on AES,1993,29(1):12-13（2） Blaricum M L Van,Mittra R.A technique for extracting the pol

29、es and residues of a sustem directly from its transient response.IEEE Trans.on AP,1975,23(6):777-781（3） Jain V K,et al.Rational modeling by Pencil-of-Function method.IEEE Trans.on ASSP,1983,31(3):564-573（4） Hua Y B,Sarkar T K.Generalized Pencil-of-Function method for extracting poles of an EM system

30、 from its transient response.IEEE Trans on AP,1989,37(2)（5） Chuang C W,Moffat D L.Natural resonance of radar target via Pronys method and target diserimination.IEEE Trans.on AES,1976,12(5):583-589（6） Brittingham J N,et al.Pole extration from real-frequency information.Proceedings of IEEE,1980,68(2):

31、263-273（7） Ksienski A A.Ploe and residue extraction from measured data in rhe frequencu domain using multiple data set.Radio Science,1985,20(1)（8） Chen K M.Rradar wave synthesis method-a new radar detection scheme.IEEE Trans.on AP,1981,29(4):553-565（8） 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-88,19

32、88（9）Zwicke P E,Imrekiss J R.A new implementation of the Mellin transform of range profile of ship.IEEE Trans on PAMI,1983,5(2):139-142（9） 何松华，郭桂蓉，郭修煌。基于目的间隔像的地面目的检测与跟踪。国防科技大学学报，1991，13（1）（10） Stewart C,Lu Y C,Larson V.A neural clustering approach for high resolution radar target identification.Pattern Recognition,1994,27(4):503-513（11） Hudson S,Psaltis D.Correlation filters for aircraft identification from radar range profiles.IEEE Trans.on AES,1993,29(3):741-748（12） 文树梁。基于双间隔像的雷达目的识别技术。现代雷达，1996，18（1）：15-21