雷达高分辨距离像模板自动生成算法
- 格式:pdf
- 大小:715.48 KB
- 文档页数:5
雷达的目标识别技术摘要:对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾,研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法,分析了实现中的若干问题,通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。
一.引言随着科学技术的发展,雷达目标识别技术越来越引起人们的广泛关注,在国防及未来战争中扮演着重要角色。
地面雷达目标识别技术目前主要有-Se方式,分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。
1.一维距离成象技术一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。
信号带宽与时间分辨率成反比。
例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。
其基本原理如图1所示。
2.极化成象技术电磁波是由电场和磁场组成的。
若电场方向是固定的,例如为水平方向或垂直方向,则叫做线性极化电磁波。
线性极化电磁波的反射与目标的形状密切相关。
当目标长尺寸的方向与电场的方向一致时,反射系数增大,反之减小。
根据这一特征,向目标发射不同极化方向的线性极化电磁波,分别接收它们反射(散射)的回波。
通过计算目标散射矩阵便可以识别目标的形状。
该方法对复杂形状的目标识别很困难。
3.目标振动声音频谱识别技术根据多普勒原理,目标的振动、旋转翼旋转将引起发射电磁波的频率移动。
通过解调反射电磁波的频率调制,复现目标振动频谱。
根据目标振动频谱进行目标识别。
传统上我国地面雷达主要通过两个方面进行目标识别:回波宽度和波色图。
点状目标的回波宽度等于入射波宽度。
一定尺寸的目标将展宽回波宽度,其回波宽度变化量正比于目标尺寸。
通过目标回波宽度的变化可估计目标的大小。
目标往往有不同的强反射点,如飞机的机尾、机头、机翼以及机群内各飞机等,往往会在回波上形成不同形状的子峰,如图2所示。
第五章 合成孔径雷达成像算法SAR 成像处理最初用光学处理,后来采用数字处理。
与光学处理相比,数字处理更精确、更灵活,在距离徙动校正、运动补偿、几何校正和坐标转换等方面有明显的优势。
SAR 成像处理主要有两个问题,一是距离徙动校正,二是运动补偿。
距离徙动可分解一次的线性分量和二次以上(包括二次)的弯曲分量,线性分量称为距离走动,弯曲分量称为距离弯曲。
这一章主要讨论针对不同距离徙动程度情况下,需要采用的不同成像算法,运动补偿将在下一章讨论。
5.1 距离徙动距离徙动对合成孔径雷达成像是一个重要的问题,虽然在前面已多次提及,这里还要对它作比较系统的介绍。
θ∆波束Qθ∆BR B ALxBR ROmvt x图5.1正侧视时距离徙动的示意图距离徙动的情况对不同的波束指向会有所不同,首先讨论正侧视的情况,这时距离徙动可用图5.1来说明。
所谓距离徙动是雷达直线飞行对某一点目标(如图中的Q 点)观测时的距离变化。
如图5.1所示,天线的波束宽度为θ∆,当载机飞到A 点时波束前沿触及Q 点,而当载机飞到B 点时,波束后沿离开Q 点,A 到B 的长度即有效合成孔径L ,Q 点对A 、B 的转角即相干积累角,它等于波束宽度θ∆。
Q 点到航线的垂直距离为最近距离B R 。
这种情况下的距离徙动通常以合成孔径边缘的斜距R 与最近距离B R 之差表示,即BB B q R R R R R -∆=-=2secθ (5.1)在合成孔径雷达里,波束宽度θ∆一般较小,2)(2112secθθ∆+≈∆,而相干积累角θ∆与横向距离分辨率a ρ有以下关系:θλρ∆=2a 。
利用这些关系,(5.1)式可近似写成:22232)(81aBB q R R R ρλθ=∆≈(5.2)假设条带场景的幅宽为W ,即场景近、远边缘与航线的最近距离分别为2W R B -和2W R B +,得场景两端的距离徙动差为2232a q WR ρλ=∆ (5.3)距离徙动和距离徙动差的影响表现在它们与距离分辨率r ρ的相对值,如果它们比r ρ小得多,就无需作包络移动补偿。
基于多分类器融合的雷达高分辨距离像目标识别与拒判新方法张学峰;王鹏辉;冯博;杜兰;刘宏伟【期刊名称】《自动化学报》【年(卷),期】2014(040)002【摘要】由于雷达自动目标识别(Radar automatic target recognition,RATR)中库外目标的存在,评价系统性能时应综合考虑其识别性能和拒判性能.由此本文构造了一种将分类器的输出通过最近邻分类器(Nearest neighbor,NN)进行拒判和识别的“分类器-最近邻”系统,并在拒判和识别两个阶段分别采用多分类器融合技术以提高RATR系统的拒判和识别综合性能.此外,文中定义了一种代价函数以衡量系统综合性能并为系统拒判工作点的选取提供依据.进而,采用局部法和全局法两种算法确定拒判器的工作点.实测数据实验结果验证了本文方法的有效性,两种工作点选取算法均能够显著提高识别系统的综合性能.【总页数】9页(P348-356)【作者】张学峰;王鹏辉;冯博;杜兰;刘宏伟【作者单位】西安电子科技大学雷达信号处理国家重点实验室西安710071;西安电子科技大学雷达信号处理国家重点实验室西安710071;西安电子科技大学雷达信号处理国家重点实验室西安710071;西安电子科技大学雷达信号处理国家重点实验室西安710071;西安电子科技大学雷达信号处理国家重点实验室西安710071【正文语种】中文【相关文献】1.基于随机森林的雷达高分辨距离像目标识别新方法 [J], 姚莉娜;吴艳敏;崔光照2.一种提高雷达HRRP识别和拒判性能的新方法 [J], 柴晶;刘宏伟;保铮3.提高雷达HRRP目标识别和拒判性能的核学习算法 [J], 柴晶;刘宏伟;保铮4.一种提高雷达HRRP识别和拒判性能的新方法 [J], 王锦章;宫汝江;任杰;杨欧;刘先康;魏存伟;孙菲5.基于稳健变分自编码模型的雷达高分辨距离像目标识别算法 [J], 翟颖;陈渤因版权原因,仅展示原文概要,查看原文内容请购买。
相控阵雷达成像与目标识别技术研究摘要:相控阵雷达(phased array radar)是一种基于电子扫描的雷达技术,通过控制发射机和接收机阵元的相位,实现波束的电子控制和改变。
相控阵雷达广泛应用于军事和民用领域,在目标探测、成像和识别方面具有重要的应用价值和科学意义。
本文主要探讨相控阵雷达的成像和目标识别技术,包括雷达成像原理、成像算法、目标识别方法等,为进一步研究和应用提供参考。
一、引言相控阵雷达是一种基于电子扫描的雷达技术,具有快速、精确、灵活等特点,广泛应用于军事和民用领域。
相比传统的机械扫描雷达,相控阵雷达通过控制发射机和接收机阵元的相位,实现波束的电子控制和改变,具有较高的方位分辨率和目标识别能力。
二、相控阵雷达成像原理相控阵雷达的成像原理是利用阵元间的干涉和叠加效应,将接收到的雷达回波进行合成,形成高分辨率的雷达图像。
成像原理主要包括距离、方位和俯仰成像。
距离成像是通过测量回波的时间延迟,确定目标与雷达的距离。
方位成像是通过改变接收阵元的相位延迟,实现波束的电子扫描,确定目标的方位信息。
俯仰成像是通过改变接收阵元的俯仰角,实现波束的上下扫描,确定目标的俯仰信息。
三、相控阵雷达成像算法1. 均匀线性阵列成像算法(ULA)均匀线性阵列成像算法是相控阵雷达最常用的成像算法之一。
该算法基于阵元之间的等距排列,通过对回波信号进行时域和频域处理,实现目标成像。
2. 特征提取和目标跟踪相控阵雷达的成像并不仅局限于物体的轮廓和边缘,还可以通过特征提取和目标跟踪,获取目标的更多细节信息。
特征提取通过对雷达回波的能量、振幅、相位等进行分析,提取出目标的特征参数,如轮廓、纹理、运动特征等。
目标跟踪是在多个时间序列中对目标的位置、速度、加速度等参数进行预测和跟踪,实现目标的持续追踪和识别。
四、相控阵雷达目标识别方法1. 基于特征的识别方法基于特征的识别方法是通过对目标特征进行提取和匹配,实现目标的自动识别。
《成像雷达技术》目录前言第一章概论1.1雷达成像及其发展概况1.2雷达成像的基本原理1.3本书的内容安排第二章距离高分辨和一维距离像2.1宽带信号的逆滤波、匹配滤波和脉冲压缩2.2线性调频信号和解线频调处理2.3散射点模型与一维距离像2.4一维距离像回波的相干积累2.5高距离分辨雷达的检测和测高第三章方位高分辨和合成阵列3.1合成阵列的特点3.2运动平台的合成孔径雷达的横向分辨3.3用波数域分析合成孔径雷达的横向分辨率第四章合成孔径雷达4.1条带模式合成孔径雷达成像的基本原理4.2合成孔径雷达在三维空间里的二维成像4.3场景高程起伏引起的几何失真4.4合成孔径雷达的性能指标4.5合成孔径雷达的电子反对抗第五章合成孔径雷达成像算法5.1距离徙动5.2距离-多普勒(R-D)算法及其改进算法5.3线频调变标(Chirp Scaling 简称CS)算法5.4频率变标(Frequency Scaling 简称FS)算法5.5距离徙动算法(RMA)5.6极坐标格式(PFA)算法第六章基于回波数据的合成孔径雷达运动补偿6.1多普勒参数估计6.2存在运动误差情况下的SAR模型6.3基于多普勒参数估计的运动参数估计6.4垂直航线运动分量的补偿6.5沿航线运动分量的补偿(速度不稳时的运动补偿)6.6PGA自聚焦6.7结合运动补偿的SAR成像及验证第七章逆合成孔径雷达7.1 ISAR成像的转台模型和平动补偿原理7.2平动补偿的包络对齐7.3平动补偿的初相校正7.4目标转动时散射点徙动及其补偿7.5机动目标的ISAR成像7.6用时频分析方法对非平稳运动目标成像第八章干涉合成孔径雷达8.1 InSAR高程测量的基本原理8.2 InSAR高程测量的过程8.3 InSAR观测去相关和预滤波8.4图像配准8.5降噪滤波8.6二维相位解缠绕8.7高程测量误差分析8.8地面动目标检测(GMTI)8.9单脉冲ISAR。
SAR雷达成像仿真摘要雷达发展初期由于分辨率较低,其作用主要是“点”目标的检测和跟踪。
而现代机载雷达系统则要执行更多任务,从目标检测和识别到大面积地形测绘。
地形测绘可通过合成孔径雷达(SAR)实现。
通过采用相干辐射照射地面并测量回波信号,SAR可以产生地表的高分辨率二维图像,其成像质量由系统分辨单元的大小决定。
分辨单元由系统的距离和方位分辨率共同决定。
高的距离分辨率通过脉冲压缩技术实现。
高方位分辨率取决于天线尺寸及雷达波长,可以通过雷达运动达到增加天线孔径从而提高方位分辨率的目的。
本文简介了SAR的发展历史,着重研究条带式状正侧视SAR的成像原理,建立点目标回波模型,重点讨论了其R-D成像算法,介绍了目前常用的其他成像算法,在频域内对该算法进行了距离徙动校正(RCMC),从而得到多点目标的Matlab仿真。
关键词:SAR 正侧视距离徙动校正成像ABSTRACTBecause of low resolution radar at the early stage of development, its main function is "point target detection and tracking". The modern airborne radar system to perform more tasks, from the target detection and recognition to terrain mapping in large area. Topographic mapping can be actualized by synthetic aperture radar (SAR) . By using the coherent radiation and measure the echo signal,SAR can produce high resolution two-dimensional image , its imaging quality depends on the system resolution cell size. Resolution unit consists of range and azimuth resolution .High range resolution is achieved through the pulse compression technique. High range resolution depends on the size of the antenna and radar wavelength,the carrier’s motion is used to increase the antenna aperture radar so as to improve the range resolution of the.This paper introduces the development history of SAR, focuses on the imaging principle of belt shaped side looking SAR, and establishes the echo model of point target. The paper mainly part focuses on the R-D imaging algorithm, and introduces some other common imaging algorithm.The algorithm of range migration correction(RCMC) is solved in frequency domain,thereby getting the several-point-target Matlab imaging simulation.Keyword: SAR Side looking Range migration correction ImagingI目录第一章绪论 (1)1.1 合成孔径雷达(SAR)的发展历程和现状 (1)1.2 现代SAR的发展方向及意义 (2)1.2.1 多参数SAR系统 (2)1.2.2 聚束SAR (2)1.2.3 极化干涉SAR(POLINSAR) (3)1.2.4 合成孔径激光雷达(Synthetic Aperture Ladar) (3)1.2.5 星载合成孔径雷达的小型化 (3)1.2.6雷达与可见光卫星的多星组网是主要的使用模式 (4)1.3 论文的内容及结构安排 (4)第二章合成孔径雷达的工作原理 (5)2.1 线性调频信号及其脉冲压缩 (5)2.2 方位分辨率 (6)2.3 SAR点目标回波模型 (8)第三章合成孔径雷达的成像算法 (10)3.1 运动补偿技术的发展及现状 (10)3.1.1 引言 (10)3.1.2 基于运动传感器补偿算法的发展 (10)3.1.3 运动补偿算法的发展 (11)3.1.4 基于回拨数据运动补偿算法的发展 (12)3.1 距离徙动 (12)3.2 距离-多普勒算法(R-D算法) (15)3.2.1 原始正侧视及其改进的距离多普勒算法 (15)3.2.2 斜侧视下距离多普勒算法 (17)3.3 其他SAR成像算法简介 (18)3.3.1 线性调空变平移算法(Chirp Scaling,C-S) (18)II3.3.2 距离徙动算法(RMA) (19)3.3.3 极坐标格式算法(PFA) (19)3.3.5 频域变尺度算法(Frequency Scaling) (20)3.3.6 各算法的比较 (20)第四章成像仿真及分析 (22)第五章全文总结 (27)致谢 (28)参考文献........................................................................................ 错误!未定义书签。
第1篇一、实验背景与目的随着雷达技术的不断发展,雷达数据在军事、气象、交通等领域扮演着越来越重要的角色。
雷达数据算法是雷达数据处理的核心,能够从原始雷达信号中提取有价值的信息,如目标的位置、速度、姿态等。
本实验旨在通过雷达数据算法的学习和实践,掌握雷达数据处理的基本流程,提高对雷达信号处理的理解和应用能力。
二、实验内容与方法1. 实验内容本实验主要包括以下内容:- 雷达信号预处理:对原始雷达信号进行滤波、去噪等处理。
- 雷达目标检测:利用雷达数据算法对目标进行检测。
- 雷达目标跟踪:对检测到的目标进行跟踪,分析目标运动轨迹。
- 雷达数据可视化:将处理后的雷达数据进行可视化展示。
2. 实验方法- 使用MATLAB软件进行实验,利用其强大的信号处理工具箱和可视化功能。
- 根据实验内容,编写相应的MATLAB代码,实现雷达数据算法。
- 对实验结果进行分析和讨论。
三、实验步骤1. 数据采集与预处理- 从公开数据集或实际雷达设备中获取雷达数据。
- 对雷达数据进行预处理,包括滤波、去噪等操作。
2. 雷达目标检测- 利用雷达数据算法对预处理后的雷达数据进行目标检测。
- 选取合适的检测算法,如CFAR(恒虚警率)检测、MUSIC(多重信号分类)等。
3. 雷达目标跟踪- 对检测到的目标进行跟踪,分析目标运动轨迹。
- 选取合适的跟踪算法,如卡尔曼滤波、粒子滤波等。
4. 雷达数据可视化- 将处理后的雷达数据进行可视化展示,如目标轨迹图、雷达图像等。
四、实验结果与分析1. 雷达信号预处理- 通过滤波、去噪等操作,提高了雷达数据的信噪比,为后续的目标检测和跟踪提供了良好的数据基础。
2. 雷达目标检测- 选取CFAR检测算法对雷达数据进行目标检测,实验结果表明,CFAR检测算法能够有效地检测出雷达信号中的目标。
3. 雷达目标跟踪- 利用卡尔曼滤波算法对检测到的目标进行跟踪,实验结果表明,卡尔曼滤波算法能够较好地估计目标运动轨迹。
雷达信号处理的算法优化研究雷达作为一种重要的探测和监测工具,在军事、航空航天、气象、交通等领域发挥着关键作用。
而雷达信号处理是从接收到的雷达回波中提取有用信息的关键环节,其算法的优劣直接影响到雷达系统的性能。
随着技术的不断发展,对雷达信号处理算法的优化成为了一个重要的研究方向。
一、雷达信号处理的基本原理雷达通过发射电磁波并接收目标反射的回波来获取目标的信息。
接收到的回波信号包含了目标的距离、速度、方向、形状等特征,但这些信息往往被噪声和干扰所掩盖。
雷达信号处理的任务就是通过一系列的算法对回波信号进行滤波、检测、参数估计等操作,以提取出有用的目标信息。
在雷达信号处理中,常用的算法包括脉冲压缩、动目标检测(MTD)、恒虚警检测(CFAR)等。
脉冲压缩用于提高距离分辨率,MTD 用于检测运动目标,CFAR 则用于在复杂的杂波环境中保持恒定的虚警概率。
二、现有雷达信号处理算法存在的问题尽管现有的雷达信号处理算法在一定程度上能够满足实际应用的需求,但仍然存在一些不足之处。
首先,计算复杂度较高。
一些复杂的算法在处理大量数据时需要消耗大量的计算资源和时间,这在实时性要求较高的应用场景中可能会导致性能下降。
其次,对复杂环境的适应性不足。
在实际应用中,雷达往往面临着多径传播、杂波干扰、目标遮挡等复杂情况,现有的算法在处理这些复杂环境时可能会出现误判或漏判。
再者,算法的精度和分辨率还有提升的空间。
对于一些对精度要求较高的应用,如精确制导、气象预报等,现有的算法可能无法满足需求。
三、雷达信号处理算法优化的目标和思路算法优化的目标主要包括提高处理速度、增强适应性、提高精度和分辨率等。
为了实现这些目标,可以从以下几个方面入手。
(一)算法改进对现有的算法进行改进是一种常见的优化思路。
例如,通过优化脉冲压缩算法的编码方式,可以在不增加计算复杂度的前提下提高距离分辨率;对 MTD 算法中的滤波器设计进行优化,可以增强对运动目标的检测能力。
cs成像处理算法_chirpscaling基本原理
Chirp scaling(扫频比例调制)是一种用于合成孔径雷达(SAR)成像的算法,其基本原理如下:
1. 生成虚拟波控制(Virtual Waveform Synthesis):根据SAR 系统的参数,生成一个虚拟的传输波形(通常是线性调频信号),该波形在距离与时间上是完全对应的,可以看作是输入信号。
2. 快速傅里叶变换(FFT):将接收到的SAR数据进行FFT 变换,将时域数据转换为频域数据。
3. 范围压缩(Range Compression):将频域数据进行傅里叶变换,以将散射信号从距离域转换为频率域,同时进行相位校正和距离校正。
4. 脉冲压缩(Pulse Compression):将范围压缩后的数据与虚拟波形进行相关运算,以增强散射信号并抑制杂散干扰。
5. 幅度调制(Amplitude Modulation):将脉冲压缩后的数据乘以一个复数调制函数,以调制图像的幅度。
6. 幅度控制和灰度映射(Gain Control and Gray Scale Mapping):通过调整增益,使图像的动态范围适应显示设备的能力,并将数据映射到灰度显示。
Chirp scaling算法利用了线性调频(chirp)信号在时域和频域
上的性质,通过合适的信号设计和处理方法,实现了SAR图像的高分辨率成像。
各种SAR成像算法总结1 SAR成像原理SAR成像处理的目的是要得到目标区域散射系数的二维分布,它是一个二维相关处理过程,通常可以分成距离向处理和方位向处理两个部分。
在处理过程中,各算法的区别在于如何定义雷达与目标的距离模型以及如何解决距离-方位耦合问题,这些问题直接导致了各种算法在成像质量和运算量方面的差异。
一般来说,忽略多普勒频移所引起的距离向相位变化,距离向处理变为一维的移不变过程且相关核已知,即退化为一般的脉冲压缩处理;同时将雷达与目标的距离按2阶Taylor展开并忽略高次项,则方位向处理也是一个一维的移不变过程,并退化为一般的脉冲压缩处理,这就是经典的距离多普勒(Range-Doppler RD)算法的实质。
若考虑多普勒频移对距离向相位的影响,同时精确的建立雷达与目标的距离模型,则不论距离向处理还是方位向处理都变为二维的移变相关过程。
线性调频尺度变换(Chirp-Scaling CS)算法即在此基础之上将二维数据变换到频域,利用Chirp Scaling原理及频域的相位校正方法,对二维数据进行距离徙动校正处理、距离向及方位向的聚焦处理,最终完成二维成像处理。
当方位向数据积累延迟小于全孔径时间(即方位向为子孔径数据)的情况下,方位向处理必须使用去斜(dechirp)处理及频谱分析的方法。
在RD和CS 算法的基础之上,采用dechirp处理及频谱分析的方法完成方位向处理的算法分别称为频谱分析(SPECAN)算法和扩展CS(Extended Chirp Scaling ECS)算法。
1.1 SAR成像原理本节以基本的正侧视条带工作模式为例,对SAR的成像原理进行分析和讨论。
正侧视条带SAR 的空间几何关系如下图所示。
图中,αoβ平面为地平面,oγ垂直于αoβ平面。
SAR 运动平台位于S 点,其在地面的投影为G 点。
SAR运动平台的运动方向Sx 平行于oβ,速度大小为a v 。
SAR 天线波束中心与地面的交点为C ,CG 与运动方向Sx 垂直;S 与C 的距离为s R ,12B SB ∠称为天线波束的方位向宽度,大小为a β。
一维距离像算法流程下载温馨提示:该文档是我店铺精心编制而成,希望大家下载以后,能够帮助大家解决实际的问题。
文档下载后可定制随意修改,请根据实际需要进行相应的调整和使用,谢谢!并且,本店铺为大家提供各种各样类型的实用资料,如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等,如想了解不同资料格式和写法,敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!1. 信号采集使用雷达或其他传感器采集目标的回波信号。
确保信号的质量和稳定性,以获得准确的距离像。
第26卷第6期2010年6月信号处理SIGNALPROCESSINGVol.26.No.6Jun.2010
收稿日期:2009年4月23日;修回日期:2009年11月24日雷达高分辨距离像模板自动生成算法彭勃魏玺章黎湘(国防科技大学电子科学与工程学院长沙410073)
摘要:模板的完备性直接决定了基于高分辨距离像的雷达目标识别系统的分类性能;在外场试验中限于目标姿态、环境等因素难以获得准确标定的目标立体角范围内全姿态模板数据。针对一维距离像识别的工程实用化需求,本文基于数据驱动思想,提出了新的一维距离像聚类模板自动生成算法。与传统方法相比,本文方法在提高工程可行性的同时提高了识别性能。为满足实验需要,本文提出了新的基于MSTAR图像的高分辨距离像反演算法,得到更精确的反演数据。基于该数据的实验结果表明算法解决了模板生成姿态角依赖性问题,提高了识别性能。关键词:高分辨距离像;模板;聚类;反演中图分类号:TN957.51文献标识码:A文章编号:1003-0530(2010)06-0819-05
AutomaticGenerationofHighRangeResolutionProfilesModelsforRadarRecognition
PENGBoWEIXi-zhangLIXiang(SchoolofElectronicScienceandEngineering,NUDT,Changsha410073)
Abstract:Thecompletenessoftemplatedirectlydeterminestheclassificationperformanceofautomaticradartargetrecognitionsystembasedonhighresolutionrangeprofiles(HRRP).It’sdifficulttogetHRRPtrainingdatalabeledaccuratelycoveringtheentiretarget-aspectanglebecauseofalotofpracticalfactorsinthefieldexperiments,suchastargetattitude,environmentandsoon.Accord-ingtothedemandofengineeringpracticaldevelopment,thedissertationproposesanalgorithmofautomaticgenerationofHRRPtemplatebasedondatadrivingmeans.Theproposedapproachcanberealizedmucheasierwithbetterrecognitionperformance,comparingwiththetraditionalapproach.ThedissertationputsforwardanewHRRPinversionmethodbasedonMSTARimagetogetmorepreciseHRRPusingincyber-emulation.Atlast,theresultoftheexperimentsprovesthealgorithm.Keywords:HighRangeResolutionProfiles;template;clustering;HRRPinversion
1引言
自从雷达自动目标识别研究兴起以来,基于高分辨距离像的雷达目标识别系统因具有识别速率高、适应性广的优点受到广泛的关注。其中,高分辨距离像模板自动生成是该类自动目标识别系统的基础,直接关系到匹配识别的质量和效率。高分辨距离像(HRRP)有着平移敏感性、幅度敏感性和目标姿态敏感性。识别系统通常采用预处理的方法克服HRRP的平移敏感性和幅度敏感性,包括利用最小二乘准则实现距离对准、能量归一化以及去直流漂移[1,2]。三种敏感性中尤为不容易克服的是目标特征信号姿态敏感性问题。高分辨雷达工作在光学区,可以利用散射点模型较好描述[3]。根据该模型,高分辨距离像随姿态角的变化主要来源于越距离单元游动导致的散射点模型改变,即同一距离单元的散射点位置随着雷达视角及目标姿态所发生的变化。针对该问题,通常的解决办法可分为两类,一是基于HRRP模板来进行匹配识别,二是提取目标姿态不变性质的特征。1993年,文献[4]阐述了直接将一维距离像作为特征矢量的可行性,提出了基于匹配度的距离像匹配识别方法。文献[5]利用多幅飞机目标的一维距离像构造相关滤波器,减少了识别过程中所需的运算量。文献[6]在每一个姿态角域内构造识别所需的合成模板,文献[1]提出了基于姿态角的平均模板生成算法,文献[7]根据数据间的相近程度和样本数量动态调节各帧模板训练数据的角度边界,优化了基于姿态角的平均模板生成算法。文献[8,9]中采用混合Gamma模型来描述目标HRRP的统计特性,将多分量
的后验概率应用于距离像识别,充分利用目标HRRP信号处理第26卷回波间的相似性,降低统计模型的复杂度。文献[10]利用MSTAR数据对10类目标的一维距离像数据进行分类,通过奇异值分解的方法从一定角度范围内的多幅HRRP中获得距离空间上的特征模板。关于高分辨距离像模板生成新技术层出不穷,尤以邻近姿态角平均模板生成算法最为典型,但存在模板库大、识别率偏低、依赖姿态角信息等问题。在工程实用化过程中,目标姿态角信息获取代价大且使用受限。标定姿态角的高分辨距离像模板数据录取需要良好的转台与合作目标的支持。对于大部分非合作目标应用场合,特别是地面静止目标,目标姿态角难以获知,使得模板姿态角信息无法在识别中应用。由于雷达目标识别广阔的应用前景和迫切的需求,基于高分辨距离像识别研究领域亟待寻求一种能够适应工程实用化需要的模板自动生成算法,推进基于高分辨距离像的雷达目标识别系统工程应用。基于此,本文研究了基于聚类思想的模板自动生成算法,以通过构造更加符合高分辨距离像数据内部结构的模板,提高高分辨距离像模板生成算法的工程实用化程度。通过比较传统的邻近姿态角平均模板生成算法,并采用较精细的MSTAR图像反演算法得到全方位角高分辨距离像数据实验,结果说明了聚类模板算法在提高工程实用化的同时提高了识别性能。2邻近姿态角平均模板生成算法高分辨距离像模板生成问题,目前文献中一般采用基于姿态角划分训练数据的方法[1,11,12]进行统计建模,以散射点不发生越距离单元游动(MTRC)[15]为限制条件来确定方位间隔,利用各帧距离像求取平均模板。平均模板一方面可以去掉高分辨距离像的交叉乘积项,把对方位角变化很敏感的矢量和变为对方位角变化不敏感的标量和,从而提高距离像的稳定性[1],另一方面信噪比可以提高槡N倍[13,14]。邻近姿态角平均模板首先根据目标相对雷达的横向尺寸W和雷达距离分辨力,确定不发生MTRC的姿态角间隔,然后根据该间隔划分数据,将各帧内距离像进行预处理,完成帧内对准、去直流漂移、幅度归一化及幂变换,最后将得到的帧内数据作非相干功率平均,得到平均模板。图1说明了邻近姿态角平均模板生成算法的基本流程。在目标识别中,需要将高分辨距离像进行相同预处理后,按照最近邻准则匹配识别。图1邻近姿态角平均模板生成算法文献[1]在俯仰角、方位角1°范围内建立一个模板,识别实验中,假设已知目标姿态角,对于俯仰角相差2°以内方位角相差6°以内的测试样本,识别率达到74%至76%。文献[7]提出采用自适应高斯分类器,根据数据间的相近程度和样本数量动态调节各帧模板训练数据的角度边界。通过动态调节,使模板更有针对性地反映目标特征,与等间隔数据划分相比,降低了模板个数,提高了识别性能。然而,模板生成算法依然依赖于目标姿态角信息。在高分辨雷达应用中,如引言所述,模板生成不能依赖于姿态角信息。对于通常情况下没有标定的海量数据[9],无法应用前两种方法。如何选择合适的方法来建立高分辨雷达目标的匹配识别模板,已经成为当前基于高分辨距离像的雷达目标识别系统所关心的关键问题之一。
3基于聚类思想的模板自动生成算法
3.1模板自动生成基本思想
从工程实用化角度,高分辨距离像模板自动生成是缺乏先验知识的非监督学习过程。这要求自动模板生成系统通过一种有效的方法“发现”样本数据的内在相似性,进而设计出有效的分类系统,根据合适的规则划分训练数据,构造平均模板。基于样本距离的“数据驱动”思想将距离像作为度量空间中的点,通过构建两距离像x1,x2间的距离尺度模型,计算它们之间的距离d(x1,x2),并据此作为判断相邻关系划分类型的依据,从而巧妙地避开了距离像的姿态角信息,能够有效地利用距离像数据。在距离像预处理中,通常需要采用最小二乘法估计距离像的幅度归一化、距离对齐、直流项等参数,而得到的最小代价函数可以作为一种距离尺度模型。针对高分辨距离像模板生成,数据驱动因不要求目标姿态角信息而具有明显应用价值。算法可以通过调整距离尺度模型和相似系数,使其包含各种有用的已知信息,避开未知信息。3.2聚类模板自动生成算法
基于上述距离尺度模型,可以结合聚类算法构造距离像平均模板。谱系聚类法属于一种基于最小距离的融合聚类算法。设xi,i=1,…,N代表距离像训练数据,Gji代表第j次迭代处理后的第i个聚类中心,各类间的距离Lij=dxi,x()j,并由此生成的一个对称的距离矩阵Lk=(Lij)m×m,m为类的个数。首先视N个训练样本自成一类,计算类间距离矩阵L,然后选择距离最小的一对合并成一个新类,继而更新距离矩阵L,再将距离最近的两类合并,直至聚类结果满足约束条件为止。聚类的约束条件一般包含类间距离上限阈值是Lth,类总数上限阈值为Nmax,当最小类间距离大于类间距离上限阈值或者类总数超过类总数上限阈值时聚类完成。
028