基于高分辨距離像的雷達(dá)自動目標(biāo)識別技術(shù)研究.pdf

1、雷達(dá)自動目標(biāo)識別技術(shù)在軍事和民用上都有著巨大的應(yīng)用價值。寬帶雷達(dá)高分辨距離像(HRRP)具有目標(biāo)結(jié)構(gòu)信息豐富、易于獲取的特點(diǎn)，是雷達(dá)目標(biāo)識別重要的發(fā)展方向之一。本文以探尋穩(wěn)健、實(shí)用的識別算法為目標(biāo)，圍繞HRRP目標(biāo)識別的關(guān)鍵問題，系統(tǒng)地研究了姿態(tài)敏感性、特征提取、噪聲背景下的穩(wěn)健識別和序列識別問題，為HRRP目標(biāo)識別的實(shí)用化進(jìn)行了有益的探索。主要研究內(nèi)容和創(chuàng)新點(diǎn)如下：
　　 1.基于散射點(diǎn)模型理論，研究了不同方位角下等角域劃分對

2、目標(biāo)識別的影響，通過對HRRP方位敏感性較強(qiáng)的方位角區(qū)域細(xì)分，以相鄰HRRP的互相關(guān)系數(shù)為基準(zhǔn)自適應(yīng)地劃分角域，彌補(bǔ)了最大相關(guān)模板匹配法(MCC-TMM)均勻劃分角域的缺陷，改善了識別性能。
　　 2.針對HRRP目標(biāo)識別中簡單套用經(jīng)典概率分布模型存在的“模型失配”問題，研究了逆向云模型的建模問題，給出了云滴確定度和逆向云隸屬度的計(jì)算方法，提出了基于逆向云模型的雷達(dá)目標(biāo)識別方法。仿真表明，相比經(jīng)典的Gaussian模型，該方法具

3、有識別精度高、對訓(xùn)練數(shù)據(jù)量依賴性小、對目標(biāo)姿態(tài)變化不敏感、抗噪性能好等優(yōu)點(diǎn)。
　　 3.當(dāng)目標(biāo)在某一角域內(nèi)的散射特性失配時，其對應(yīng)角域HRRP能量呈現(xiàn)非線性分布特性。針對這一問題，提出了一種基于核主分量分析(KPCA)重構(gòu)的雷達(dá)目標(biāo)識別方法。該方法在等角域劃分下利用核主分量分析提取每個角域內(nèi)HRRP的特征子空間，再將測試樣本投影到各角域特征子空間中進(jìn)行重構(gòu)，最后通過計(jì)算最小重構(gòu)誤差來判別測試樣本的類別。相比主分量分析重構(gòu)方法和最

4、大相關(guān)系數(shù)模板匹配法，核主分量分析重構(gòu)方法可以松弛角域劃分范圍，降低角域劃分的精度要求，同時也具有較好的抗噪性能。
　　 4.針對傳統(tǒng)的線性判別分析(LDA)算法應(yīng)用于HRRP特征提取時存在的“四個缺陷”(要求假設(shè)待分類數(shù)據(jù)服從具有相同協(xié)方差矩陣的高斯分布；降維后的特征子空間維數(shù)受限；在計(jì)算散射矩陣時沒有突出邊界樣本在目標(biāo)識別中的作用；待分類樣本的維數(shù)大于或接近于樣本個數(shù)時，容易造成所謂的“小樣本問題”)，研究了HRRP非參數(shù)特

5、征提取方法：(1)提出了基于非參數(shù)特征分析(NFA)和逆向云模型相結(jié)合的HRRP目標(biāo)識別方法。NFA算法在計(jì)算散射矩陣時用局部KNN均值代替類均值；利用樣本的局部信息來構(gòu)建類間散射矩陣，增加了類間散射矩陣的秩；通過權(quán)函數(shù)增強(qiáng)了訓(xùn)練數(shù)據(jù)中類邊界樣本在分類中的作用。彌補(bǔ)了LDA算法的前三個應(yīng)用缺陷。利用逆向云模型作為分類器改進(jìn)了概率論和模糊數(shù)學(xué)在處理不確定性問題方面的不足，更加符合目標(biāo)HRRP經(jīng)過特征提取后特征子空間模糊分布的實(shí)際情況；(2

6、)提出了基于非參數(shù)最大間隔準(zhǔn)則的雷達(dá)目標(biāo)識別方法。該方法結(jié)合最大間隔準(zhǔn)則和非參數(shù)化方法的優(yōu)點(diǎn)，采用“以差化商”的方法解決了LDA算法的“小樣本”問題，用非參數(shù)的方法計(jì)算類內(nèi)和類間散射矩陣彌補(bǔ)了LDA算法的其它三種應(yīng)用缺陷。
　　 仿真實(shí)驗(yàn)表明，相比參數(shù)的特征提取方法，所提出的非參數(shù)特征提取方法可以增加HRRP樣本的類內(nèi)聚合性和類間可分性，從而提高目標(biāo)識別率和抗噪性能。
　　 5.針對傳統(tǒng)的HRRP識別方法對噪聲環(huán)境適應(yīng)性

7、差的問題，提出了一種噪聲背景下的HRRP目標(biāo)識別方法。該方法通過分析不同信噪比下冪次變換(PT)參數(shù)的選取對識別效果的影響，利用線性回歸的方法給出參數(shù)選取的經(jīng)驗(yàn)公式；結(jié)合信噪比實(shí)時估算，研究了基于自適應(yīng)冪次變換的數(shù)據(jù)預(yù)處理方法。根據(jù)自相關(guān)小波變換的時移不變性特性和較好的抗噪性能，構(gòu)造自相關(guān)小波SVM分類器。仿真實(shí)驗(yàn)表明，該方法在目標(biāo)識別率和噪聲穩(wěn)健性方面遠(yuǎn)優(yōu)于高斯核SVM分類器。
　　 6.為獲得更加穩(wěn)健、可信的識別效果，設(shè)計(jì)了