大孔径下目标散射中心方向特性的提取

属性散射中心匹配及其在SAR目标识别中的应用丁柏圆;文贡坚;余连生;马聪慧【摘要】属性散射中心是合成孔径雷达(Synthetic Aperture Radar,SAR)图像的一个重要特征.该文提出了一种属性散射中心匹配方法并将其运用于SAR目标识别中.该方法首先基于属性散射中心模型提取待识别SAR图像和模板SAR图像的属性散射中心,进而采用Hungarian算法实现散射中心的匹配.在建立的匹配关系的基础上,设计了一种稳健的散射中心匹配度度量方法计算待识别散射中心与各类模板散射中心的匹配度.该匹配度准则充分考虑了单个散射中心强弱、匹配对强弱以及漏警、虚警带来的影响,对于散射中心集的匹配度的评价更为全面.基于Moving and Stationary Target Acquisition and Recognition(MSTAR)数据集的实验验证了方法的有效性.【期刊名称】《雷达学报》【年(卷),期】2017(006)002【总页数】10页(P157-166)【关键词】合成孔径雷达;目标识别;属性散射中心匹配;Hungarian算法;匹配度度量方法【作者】丁柏圆;文贡坚;余连生;马聪慧【作者单位】国防科学技术大学ATR重点实验室长沙 410073;国防科学技术大学ATR重点实验室长沙 410073;中国天绘卫星中心北京 102102;国防科学技术大学ATR重点实验室长沙 410073【正文语种】中文【中图分类】TN957合成孔径雷达(Synthetic Aperture Radar,SAR)图像特征提取是SAR目标识别中的关键步骤。

如何提取区分性强且能反映SAR图像电磁散射机理的特征能够有效提高SAR目标识别的性能。

理论和实验表明，在高频区目标总的电磁散射可以看成由有限个局部散射源叠加而成，这些局部散射源称为散射中心[1]。

为了有效地表征散射中心的电磁散射特性，研究人员相继提出了点散射中心模型、GTD模型[2]、属性散射中心模型[3]。

雷达目标特征提取的一种方法叶其泳;李辉【摘要】针对雷达高分辨率距离像（HRRP）方位敏感性和平移敏感性的问题，在对一维距离像进行预处理的基础上，提取两个平移不变特征：中心矩和熵，并将二者形成组合特征，采用Karhunen—Loeve变换进一步进行特征压缩，运用并比较了最大最小距离判别法和SVM分类器的识别性能．实验结果表明中心矩一熵组合特征提取方法能够显著增强目标的可分性，大大提高识别率。

%In this paper,based on preprocessing technique to radar one-dimensional range profiles,two translation-invariant features-central moments and entropy have been extracted to solve the sensitivity of translation and Orientation,and combined to form new features database, then using Karhunen-Loeve transform for further feature compression. The maximum and minimum distance criterion and the SVM classifier are designed to evaluate and compare the recognition performance. The experimental results show that the new feature extraction methods ,based on combination of the central moments-entropy, can significantly enhance the objectives of separability, and greatly improve the recognition rate.【期刊名称】《电子设计工程》【年(卷),期】2012(020)021【总页数】4页(P116-118,125)【关键词】高分辨距离像;中心矩;熵;特征提取【作者】叶其泳;李辉【作者单位】西北工业大学电子信息学院,陕西西安710129;西北工业大学电子信息学院,陕西西安710129【正文语种】中文【中图分类】TP391.4雷达目标距离像实际上是目标散射回波沿距离维度的发布，含有目标的几何结构信息，对目标识别与分类有重要作用。

雷达目标识别技术1.引言雷达目标识别（RTR—Radar Target Recognition）是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。

目前，经过国内外同行的不懈努力，应该说雷达目标识别技术已经在目标特征信号的分析和测量、雷达目标成像与特征抽取、特征空间变换、目标模式分类、目标识别算法的实现技术等众多领域都取得了不同程度的突破，雷达目标识别技术已成功应用于星载或机载合成孔径雷达地面侦察、毫米波雷达精确制导等方面。

但是，雷达目标识别技术还远未形成完整的理论体系，现有的雷达目标识别系统在功能上都存在一定程度的局限性，其主要原因是由于目标类型和雷达体制的多样化以及所处环境的极端复杂性。

本文讨论了目前理论研究和应用比较成功的几类雷达目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了问题的可能解决思路。

2. 雷达目标识别技术的回顾雷达目标识别的研究始于20世纪50年代，早期雷达目标特征信号的研究工作主要是研究目标的有效散射截面积。

但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，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，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。

雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。

目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。

原则上，任何一个雷达目标识别系统均可模化为图1所示的基本结构。