基于高分辨距離像的雷達目標識別研究.pdf

1、探測與測距是早期雷達的基本功能，這已經(jīng)遠遠不能滿足現(xiàn)代雷達需要獲取越來越多的目標信息的需求。在軍用和民用的很多應用中，不但需要探測到目標，還要識別出是什么目標，即雷達目標識別。目標識別自然成為現(xiàn)代雷達信息處理中非常重要的研究方向之一。雷達信號帶寬的提高使得雷達具有距離向高分辨能力，可對目標進行高分辨成像。高分辨距離像（HRRP）能夠較好的表征觀測目標等效多散射中心沿距離向的分布結(jié)構(gòu)，且易于獲取和處理，為我們提供了一種非常有潛力的雷達目標

2、識別手段。以高分辨距離像為研究對象，圍繞著穩(wěn)健特征提取、多特征綜合、多特征信息融合、系統(tǒng)構(gòu)架等關(guān)鍵問題，對雷達目標高分辨距離像識別中所涉及的相關(guān)理論和關(guān)鍵技術(shù)開展了深入的理論研究和實驗驗證。論文主要工作和創(chuàng)新之處概況如下：
　?。?）對兩種典型的流形學習算法——鄰域保持投影（NPP）和局部切空間排列（LTSA）進行研究，分析了算法具備松弛HRRP的姿態(tài)敏感性的優(yōu)良特性。針對HRRP雷達目標識別，分別提出了增強的鄰域保持投影（ENP

3、P）算法和增強核鄰域保持投影（EKNPP）算法，以及線性鑒別局部切空間排列（LDLTSA）算法和核鑒別局部切空間排列（KDLTSA）算法。實驗結(jié)果驗證了所提算法的有效性以及相較于現(xiàn)有的同類算法所表現(xiàn)出來的性能優(yōu)勢。
　?。?）針對雷達HRRP目標識別中由于訓練樣本非常有限導致傳統(tǒng)的子空間算法學習性能下降的問題，對基于點到空間距離測度的子空間學習算法進行分析和研究，提出了兩種新的基于點到空間距離測度的學習算法：鄰域特征空間鑒別分析I

4、（NFSDA-I）和鄰域特征空間鑒別分析II(NFSDA-II)。實驗結(jié)果表明，相對于其它已有的點到空間類的學習算法，NFSDA-I和 NFSDA-II算法的子空間具有更高的多目標鑒別能力，目標識別性能較優(yōu)。
　?。?）對HRRP時域回波中潛在的目標幾何結(jié)構(gòu)特征進行分析，采用統(tǒng)計的方法，從HRRP時域回波中提取出8個從不同角度反映目標幾何結(jié)構(gòu)信息的特征量，并采用多特征綜合的研究思路，選擇多個特征組合起來得到8個綜合特征。實驗結(jié)果表

5、明了其中一些幾何結(jié)構(gòu)特征的有效性，如：熵和不規(guī)則度特征，以及多特征綜合識別所具有的性能優(yōu)勢。
　?。?）首次將語音識別領(lǐng)域里有關(guān)譜包絡的研究成果引入到HRRP雷達目標識別中，從HRRP的頻域特性中提取出9個典型的譜包絡特征，并組合構(gòu)建了21個綜合特征，用于目標分類。實驗結(jié)果表明，所提取的譜包絡特征對于 HRRP雷達目標識別是有效的，且具有一定的潛力。此外，采用多個譜包絡特征綜合識別的效果良好。
　?。?）研究了基于多特征融合

6、的雷達目標識別技術(shù)。對基于信息融合的雷達目標識別系統(tǒng)框架和相關(guān)的融合算法進行了研究，在此基礎(chǔ)上，給出了一個基于Dempster-Shafer理論多特征融合的HRRP雷達目標識別方案，分別提取四種不同特征、采用兩種分類器進行分類，并在決策層上基于Dempster-Shafer理論進行融合判決。實驗表明了該融合識別方案的有效性。
　?。?）對寬帶數(shù)字陣列雷達目標識別系統(tǒng)進行研究。以S波段16陣元線陣的寬帶數(shù)字陣雷達系統(tǒng)為基礎(chǔ)，構(gòu)建了基