雷达高分辨距离像子带融合识别算法

第２ｌ卷　Ｖ０１．２１　第ｌ８期　ＮＯ．１８　电子设计工程　Ｅｌｅｃｔｒｏｎｉｃ　Ｄｅｓｉｇｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　２０１３年９月　Ｓｅｐ．２０１３　

雷达高分辨距离像子带融合识别算法　

徐先峰　。刘来君　，彭聪　

（１．长安大学电子与控制工程学院，陕西西安７１００６４；２．长安大学公路学院，陕西西安７１００６４　

３．西安电子科技大学雷达信号处理国家重点实验室，陕西西安７１００７１）　

摘要：针对雷达高分辨距离像（ＨＲＲＰ）目标识别问题，对目标回波进行子带划分，分别进行幂变换预处理获得子带距　

离像．通过实验证明ＨＲＲＰ不同频段的子带距离像均含有目标信息，可以从中提取特征信息用于目标识别。提出一种　

相关系数相加法子带融合识别算法，由于该方法充分利用了回波信息，因而能获得更好的识别性能，实验仿真验证了　

这一结论．分析表明算法具有计算复杂度低的优点．因此可实际应用于雷达自动目标识别。　

关键词：目标识别；高分辨距离像；幂变换；子带融合　

中图分类号：ＴＮ９１１．７　文献标识码：Ａ　文章编号：１６７４—６２３６（２０１３）１８－００９４—０３　

Ａ　ｎｅｗ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｃｏｎｆｕｓｅｄ　ｓｕｂ－ｂａｎｄ　ＨＲＲＰ　

ＸＵ　Ｘｉａｎ—ｆｅｎｇ　，ＬＩＵ　Ｌａｉ－ｊｕｎ　，ＰＥＮＧ　Ｃｏｎｇ　

（１．Ｓｃｈｏｏｌ　ｏｆＥｌｅｃｔｒｏｎｉｃ＆Ｃｏｎｔｒｏｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈａｎｇ＇ａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００６４，Ｃｈｉｎａ；　

２．Ｓｃｈｏｏｌ　ｏｆＨｉｇｈｗａｙ，Ｃｈａｎｇ’　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００６４，Ｃｈｉｎａ；　

３．Ｎａｔｉｏｎａｌ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆＲａｄａｒ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，Ｘｉｄｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’０，１２　７１００７１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｆｏｒ　ｓｏｌｖｉｎｇ　ｓｏｍｅ　ｐｒｏｂｌｅｍｓ　ｏｎ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＨＲＲＰ（ｈｉｇｈ—ｒｅｓｏｌｕｔｉｏｎ　ｒａｎｇｅ　ｐｒｏｆｉｌｅ），ｔｈｅ　ｃｏｍｐｌｅｘ　

ｒｅｔｕｒｎｅｄ　ｅｃｈｏｅｓ　ｆｒｏｍ　ｔｈｅ　ｔａｒｇｅｔ　ｓｃａｔｔｅｒｉｎｇ　ｃｅｎｔｅｒｓ　ｗｅｒｅ　ｆｉｒｓｔｌｙ　ｄｉｖｉｄｅｄ　ｉｎｔｏ　ｓｏｍｅ　ｓｕｂ—ｂａｎｄｓ．Ｔｈｅｎ　ｔｈｅ　ｐｏｗｅｒ　ｔｒａｎｓｆｏｒｍａｔｉｏｎｓ　

ｗｅｒｅ　ａｃｔｅｄ　ｏｎ　ｅｖｅｒｙ　ｓｕｂ－ｂａｎｄ　ａｎｄ　ｉｔｓ　ＨＲＲＰ　ｗａｓ　ｄｅｒｉｖｅｄ　ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｅｘｐｅｒｉｍｅｎｔｓ　ｉｌｌｕｓｔｒａｔｅｄ　ｔｈａｔ　ｅａｃｈ　ｓｕｂ－ｂａｎｄ　ＨＲＲＰ　

ｃｏｎｔａｉｎ　ｔａｒｇｅｔ　ｉｎｆｏｒｍａｔｉｏｎ　ｗｈｉｃｈ　ｃｏｕｌｄ　ｂｅ　ａｄｏｐｔｅｄ　ｔｏ　ｒｅａｌｉｚｅ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ．Ａ　ｎｅｗ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　

ｃｏｎｆｕｓｅｄ　ｓｕｂ—ｂａｎｄ　ＨＲＲＰ，ｎａｍｅｄ　ｓｕｍ　ｏｆ　ｃｏｒｒｅｌａｔｅｄ　ｐａｒａｍｅｔｅｒｓ　ｍｅｔｈｏｄ．ｗａｓ　ｐｒｏｐｏｓｅｄ．Ｔｈａｎｋｓ　ｔｏ　ｔｈｅ　ｆｕｌｌ　ｕｔｉｌｉｚａｔｉｏｎ　ｏｆ　

ｉｎｆｏｒｍａｔｉｏｎ　ｃｏｎｔａｉｎｅｄ　ｉｎ　ｅｃｈｏｅｓ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｍｐｒｏｖｅｄ　ｔｈｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｒｅｓｕｌｔｓ　ｂａｓｅｄ　ｏｎ　

ｍｅａｓｕｒｅｄ　ｄａｔａ　ｓｈｏｗｅｄ　ｔｈｉｓ　ｃｏｎｃｌｕｓｉｏｎ．Ａｎａｌｙｓｉｓ　ａｌｓｏ　ｉｎｄｉｃａｔｅｄ　ｔｈｅ　ｌｏｗ　ｃｏｍｐｕｔａｔｉｏｎ　ｃｏｍｐｌｅｘｉｔｙ　ｏｆ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　

ｃｏｕｌｄ　ｔｈｕｓ　ｂｅ　ｕｓｅｄ　ｔｏ　ｒａｄａｒ　ａｕｔｏｍａｔｉｃ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ（ＲＡＴＲ）．　Ｋｅｙ　ｗｏｒｄｓ：ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ；Ｈｉｇｈ—Ｒｅｓｏｌｕｔｉｏｎ　Ｒａｎｇｅ　Ｐｒｏｆｉｌｅ（ＨＲＲＰ）；ｐｏｗｅｒ　ｔｒａｎｓｆｏｒｍａｔｉｏｎ；ｃｏｎｆｕｓｅｄ　ｓｕｂ—ｂａｎｄ　

雷达高分辨距离像（ＨＲＲＰ，Ｈｉｇｈ—Ｒｅｓｏｌｕｔｉｏｎ　Ｒａｎｇｅ　

Ｐｒｏｆｉｌｅ）是用宽带雷达信号获取的目标散射点复子回波在雷　

达射线上投影的向量和，它可以反映目标散射点在纵向距离　

上的分布情况．因而可以提供待识别目标重要的结构信息　

。与基于雷达目标像（包括ＳＡＲＩ　吸ＩＳＡＲｔ４１）的目标识别技术　相比．基于ＨＲＲＰ的目标识别不要求目标相对于雷达平台有　

一定的转角，因而更易获取，对雷达具有更大的适应性，因此　

基于ＨＲＲＰ的雷达目标识别技术受到了越来越广泛的关注　和研究［５－“】。　

随着雷达技术的不断发展，雷达回波带宽越来越宽，研　

究回波各频段分量的特点是ＨＲＲＰ重要研究方向之一　。文　

献ｆ７１认为，ＨＲＲＰ的高频信号分量包含的ＨＲＲＰ细节信息对　

识别的作用不大，而低频ＨＲＲＰ能够反映目标散射点的大致　分布，同时也抑制了ＨＲＲＰ的闪烁效应，可用于识别。然而，　

本文首先通过实验证明，ＨＲＲＰ各个频段的子带距离像均含　

有目标信息。可以作为特征而用于目标识别。　在实际应用中，进一步考虑到，如果只对回波取某个频　

段的子带距离像进行识别，而直接忽略其它频段的信息，必　

定会造成回波中的目标信息没有被完全利用。因此本文提出　

首先对目标回波进行子带划分，分别进行预处理获得距离　

像．再采用特征融合算法进行识别。由于该方法充分利用了　

回波信息，因而能获得更好的识别性能。　

１子带距离像目标识别　

假设原始数据的频域数据为　＝　（１），　（２），…，Ｘ（，ｖ）ｒ，Ｎ　

为距离单元个数，则原始数据的ｋｉＮ低频子带频域数据定义为　

收稿日期：２０ｌ３一ｏ４—０２　稿件编号：２０１３０４０１５　ＩｄＮ　（１），　（２），…，　（　）】　（１）　

基金项目：国家自然科学基金（６１２０１４０７）；中央高校基本科研业务费专项资金（ＣＨＤ２０１１ＪＣ０９６）；长安大学基础研究支持计划专　

项基金资助　

作者简介：徐先峰（１９８２一），男，山东宁阳人，博士，讲师。研究方向：盲信号处理、雷达信号处理。　

－

９４－　徐先峰．等　雷达高分辨距离像子带融合识别算法　

对　“Ⅳ作逆傅里叶变换并取模就得到了ｋ／Ｎ子带　

ＨＲＲＰ。其物理意义为将原始ＨＲＲＰ的距离单元展宽Ｎ／ｋ倍　

而得到的距离像。下面通过实验．证明ＨＲＲＰ各个频段的子　

带距离像均含有目标信息．可以作为特征而用于目标识别。　

为了研究各个频段的子带ＨＲＲＰ，首先将目标频域回波　

等分成４个频段，然后，将各频段的频域复数数据作逆傅里　

叶变换，得到４个子带距离像，它们与原始距离像的比较如　

图１所示。图中左上角为原始距离像．另外４幅距离像分别　

为１，４子带按频率从低到高第１到４个频段的距离像。不难　

发现，各子带频段的距离像均与原始距离像相似，因此各１／４　

子带均包含了目标几何结构信息，可以利用子带距离像提取　

特征信息，用于目标识别。另外．不难发现．中高频域的子带　

回波噪声低于低频子带回波的噪声。说明ＨＲＲＰ的噪声主要　集中于低频回波。　

匝　匝　

５０　ｔＯ０　１５０　２０ｏ　２５０　５Ｏ　１００　１５０　２００　２５０　

图１不同频段的１１４子带ＨＲＲＰ　Ｆｉｇ．１　Ｄｉｆｆｅｒｅｎｔ　ｆｒｅｑｕｅｎｃｙ　ｂａｎｄｓ　１／４　ｓｕｂ—ｂａｎｄ　ＨＲＲＰ　为了检验非低频ＨＲＲＰ的识别性能，基于８个目标回波　

实测数据．用上述方法进行了各频域的１１４子带距离像提取，　

分别以这４个频域的子带ｌＯ角域平均像和方差作模板罔。单　次像为测试数据，采用高斯分类法［９１进行了识别实验。对各子　

带数据分别取系数为ｐ＝０．０２，０．０４，…，０．１，０．２，…，１的幂变　

换【１ｏｌ。各频域距离像及原始距离像平均识别率随幂变换系数　的变化关系如图２所示。　

图２各频域１／４予带距离像及原始距离像平均识别率　Ｆｉｇ．２　Ａｖｅｒａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ　ｏｆ　ｔｈｅ　ｆｒｅｑｕｅｎｃｙ　ｄｏｍａｉｎ　１／４　ｓｕｂ—ｂａｎｄ　ｒａｎｇｅ　ｉｍａｇｅ　ａｎｄ　ｔｈｅ　ｏｒｉｇｉｎａｌ　ｄｉｓｔａｎｃｅ　ｉｍａｇｅ　图２所示的平均识别率关系图亦证明，目标各子带频段　

的回波均包含目标的几何结构信息，可以用于识别。该图显　

示各个频段的距离像识别性能与原始距离像相似，平均识别　率均随幂变换系数的减小而增大，且我们发现１／４子带距离　

像的识别性能受幂变换系数的值影响更大，ｐ＝ｌ与Ｐ≤Ｏ．１的　

子带识别率之差均达到２０％以上，而原始距离像的识别率之　

差不到１０％，当幂变换系数ｐ＜０．５时第１个和第４个１，４子　

带的距离像平均识别率甚至高于原始带宽距离像的平均识　

别率，达到了９５％左右。　

３子带融合识别算法　

由前述所知，可以利用某个频段子带距离像提取特征信　息，用于目标识别。然而。如果只对回波取某个频段的子带距　

离像进行识别，而直接忽略其它频段的信息，必定会造成回　

波其他频段中所包含的目标信息大量被浪费掉。为了充分利　

用目标各子带频段回波中所包含的几何结构信息．提高识别　

率，提出一种相关系数相加法子带融合识别算法。本算法的　

思路为：将各个子带的测试样本与模板的相关系数相加．并　

将测试样本判为相关系数之和最大的模板对应的目标类别。　

其步骤如下：　

１）将所有训练样本划分为　个子带，对各子带的数据取　

均值并存储以作为模板。　

２）对某测试数据ｘ（ｔ），将其划分为Ｋ个子带　。（ｔ），　（　），　

…，　（￡），分别计算它们与目标ｃ第ｎ个方位角域的子带模　板的相关系数Ｐ１（ｃ，ｎ），Ｐ２（ｃ，ｎ），…，ｐＫ（ｃ，ｎ）并令　

ｐ（ｃ，ｎ）　ｌ（ｃ，ｎ）＋ｐ２（ｃ，ｎ）４－…＋ｐＫ（ｃ，ｎ）　（２）　

ｐ一＝ｍａｘ（ｐ（Ｃ，ｎ））　（３）　ｃ＝１，２，Ｃ，　ｎ＝１．２．　其中　为目标Ｃ的模板数。　

３）如果ｐ　属于第ｃ个目标，就判断　（　）为第ｃ个目标。　

为研究子带的相关系数相加法的识别效果．先作３个子　

带的相关系数相加识别实验．仿真实现当ＨＲＲＰ的幂变换系　

数从０．１～１时对８个目标用相关系数相加法进行识别的平均　

识别率。为了对比，分别计算出了用３个子带的距离像数据单　

独作ＭＣＣ方法识别的平均识别率【ｌ１Ｊ，它们的对比如图３所示。　

幂变换系数　图３基于相关系数相加的子带融合算法与单个子带识别的对比　Ｆｉｇ．３　Ｓｕｂｂａｎｄ　ｆｕｓｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ　ｔｏｇｅｔｈｅｒ　ｗｉｔｈ　ａ　ｓｉｎｇｌｅ　ｓｕｂｂａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｃｏｎｔｒａｓｔ　－

９５－