雷达目标识别技术综述

L%%LI%LI%M ! 收稿日期：
修订日期： L%%#I%#I"!
"! 的训练样本进行分类器的设计。类间可分离性的特 征。分类器设计模块根据已知类别目标分类模块完成 对未知目标的分类判决。 来， 关于目标极点的研究主要集中在如何提高算法本 身的抗噪能力和估算精度方面。提取目标极点的函数
〔%〕 〔$〕 束法 （ 7<=） 以及广义函数束法 （ >7<=） 等， 在极点
〔!〕
对于基于二维雷达图像的目标识别， 可利用图象 识别技术来进行， 这是目标识别领域中最为直观的识 别方法， 但是如何获得高质量的目标二维图像是进行 目标识别的首先要解决的问题。 !&$ 基于极化特征的目标识别 极化是描述电磁波的重要参量之一， 它描述了电 磁波的矢量特征。极化特征是与目标形状本质有密切 联系的特征。任何目标对照射的电磁波都有特定的极 化变换作用， 其变换关系由目标的形状、 尺寸、 结构和 取向所决定。测量出不同目标对各种极化波的变极化 响应， 能够形成一个特征空间， 就可对目标进行识别。
〔2!〕 别。?-0/AB 等 利用法国的 ;CDC 机载极化 9:; 雷 达， 对 3 张 9:; 不同极化图象 （ EE， 作比 EF， FE， FF）
光学区目标的极化散射矩阵反映了目标镜面曲率差等
被提
出， 产生了基于零极化、 特征 ( 本征极化等极化不变量
较， 并对每一像素进行了极化识别。 !G" 各种特征识别方法对雷达的要求 不同的识别方法对雷达系统有着不同的要求。 基于目标运动的回波起伏和调制谱特性的目标识 别方法对雷达没有特殊的要求， 它是在现有雷达的基 础上， 利用目标运动所引起的回波起伏特性和动态目 标的调制谱特性， 并结合雷达所能获取的目标空间坐 标及运动参数 （如目标高度、 速度、 航迹等） 来进行目标 识别， 因而主要用于低分辨雷达的目标识别。 基于极点分布的目标识别方法可分为时域和频域 方法。时域方法提取目标极点要求雷达的发射信号带 宽足够宽， 以保证由目标的瞬态响应中能够获得正确 的目标极点； 频域方法则要求雷达能够发射多种频率 的电磁波以获取目标的频率响应。 基于高分辨力雷达成像的目标识别方法要求雷达 不仅具有高的距离分辨力 （对于一维距离像方法） 而且 具有高的角分辨力 （对于二维距离像方法） ， 这就要求 采用宽带高分辨、 合成孔径或逆合成孔径雷达。 基于目标极化特征的目标识别方法要求雷达能够 测量目标对不同极化方向的入射电磁波的极化散射特 性、 雷达具有变极化特性， 这增加了雷达系统的复杂 性， 限制了其应用。
为避开需要实时地直接从含噪的目标散射数据中 提取目标的极点， 基于波形综合技术的目标识别方法 被得到广泛重视。它将接收到的目标散射信号回波与 综合出来的代表目标的特征波形进行数字卷积， 再根
〔.〕 据卷积输出的特征来判别目标。 ,2脉冲法 、 频域极 〔’#〕 大极小拟合匹配法 等， 都避开了直接提取目标极
〔’〕
的估计精度以及抗噪能力方面均优于 7189: 法。 除了直接求目标的极点外， 由于目标的极点与目 标的频率响应存在一一对应的关系， 人们还研究了由 目标的频域响应来识别目标的方法， 典型方法有， 从目
〔?〕 标的频域响应来识别目标的方法 ； 获取目标极点的 〔/〕 频域 7189: 法 （ =@7-） ； 由于频域法的目标极点估算 精度同样受到噪声和杂波的限制， 具有改善作用的数 〔;〕 据多重组合法 被提出。
’ ()*+,- ./ 0121* 31*4,5 0,6.47858.7 3,6978:),
!"#$ %&’()*’+ !"#$ ,&)-&+ （;8<<8=, >7<585)5,，’8* ?.*6, @7487,,*874 A78+,*<85- (17-)17 !"#$%%）
【"./01’20】 ’ <)*+,- ./ *121* 51*4,5 *,6.47858.7 5,6978:), 8< 48+,7 87 598< B1B,*C & 6=1<<,< ./ 51*4,5 *,6.47858.7 5,6978:),< D9869 E1<,2 .7 59, F.+874 172 G,5 ,7487, F.2)=158.7 ,//,65，28<5*8E)58.7 ./ B.=,<，9849 *,<.=)58.7 *121* 8F14874 172 B.=1*8H158.7 28+,*<85- 691*16I 5,* ./ 59, 51*4,5 1*, 28<6)<<,2 <,B1*15,=-C & B155,*7 *,6.47858.7 F,59.2<（ <5158<586 B155,*7 *,6.47858.7，/)HH- B155,*7 *,6.47858.7，F.2,= E1<,2 172 J7.D=,24, E1<,2 B155,*7 *,6.47858.7，7,)*1= 7,5D.*J）172 59,8* 1BB=86158.7< 87 *121* 51*4,5 *,6.47858.7 1=<. 28<6)<<,2C 39, 171=-<8< ./ 59, B*.E=,F 8< 48+,7 87 59, ,72 ./ 598< B1B,*C 【345 6(1*/】 *121*，51*4,5 *,6.47858.7，/,15)*, ,K5*1658.7，/,15)*, 6=1<<8/86158.7
" 引
言
处理， 与已知目标的特性进行比较， 从而达到自动识别 目标的目的。识别过程分成三个步骤： 目标的数据获 取、 特征提取和分类判决。相应模型如图 " 所示。
目标识别是现代雷达技术发展的一个重要组成部 分。对雷达目标识别的研究， 在国内外已经形成热点， 但由于问题本身的复杂性， 以及多干扰信号， 特别是多 噪声干扰源存在的复杂电磁环境， 雷达目标识别问题 至今还没有满意的答案， 尚无成熟的技术和方法。因 此， 对雷达目标识别技术的研究具有极其重要的军事 应用价值。 本文将对雷达自动目标识别技术进行简要回顾， 讨论目前理论研究和应用比较成功的几类目标识别方 法， 以及应用于雷达目标识别中的模式识别技术， 分析 和讨论问题的可能解决思路。
图"
雷达目标识别模型
整个识别过程可以分为两个阶段： 训练 （或设计） 阶段和识别阶段。前者用一定数量的训练样本进行分 类器的设计或训练， 后者用所设计或训练的分类器对 待识别的样本进行分类决策。 训练数据获取是对各已知目标进行测量， 取得目 标的训练数据。测试数据获取是获得未知种类目标的 测量数据； 测量数据的获得可采用目标的靶场动态测 量、 外场静态测量、 微波暗室缩比模型等。特征提取模 块从目标回波数据中提取出对分类识别有用的目标特 征信息。特征空间压缩与变换模块对特征信息进行特 征空间维数压缩与变换， 得到具有高同类聚合性和异
〔’/〕 极化散射矩阵 （复二维矩阵） 完全表征了目标
)3 在特定姿态和辐射源频率下的极化散射特性。对目标 几何形状与目标极化特性的关系的研究结果表明 精密物理结构特性。 早在 #$ 年代初期， 利用极化特征来识别目标的原 〔!%〕 理 就已被提出， 美国在 #$ & ’$ 年代已将用极化散 射矩阵识别目标的技术初步应用于远程测量雷达和大 型相控阵雷达中， 可粗略识别简单形状的外空目标。 通过对目标极化特性的研究， 最佳极化的概念 的目标识别技术。 经过近 )$ 年的发展， 已经出现了许多种利用极化 信息进行雷达目标识别的方法， 其主要方法分为： 根据极化散射矩阵识别目标 !） 根据极化散射矩阵来识别目标是利用极化信息识 别目标的基本方法。具体分为
点， 减小了运算量。 !&! 基于高分辨力雷达成像的目标识别 借助高分辨力雷达对目标进行一维或二维距离成 像， 或采用合成孔径雷达或逆合成孔径雷达对目标成 像得到二维雷达图像， 可获取目标的形状结构信息。 由于一维距离像的获取相对简单， 利用一维距离 像进行目标识别的方法在 ;# 年代以后被得到广泛重 视和深入研究。基于一维距离像的目标识别方法， 在
〔"〕 大， 因而可用于目标识别。 ()** 等 详细分析了喷气
由于目标的一维距离像常会受目标之间、 目标各 散射点之间的相互干涉、 合成等交叉项的影响， 限制了
〔’$〕 识别率的提高， 因而双距离像方法被提出并 获得了
较高的识别率。为改善目标识别的性能， 可以将目标
〔’?〕 一维距离像与其它目标特征 （如极化特征 ） 相结合。
L 雷达目标识别模型
雷达目标识别需要从目标的雷达回波中提取目标 的有关信息标志和稳定特征并判明其属性。它根据目 标的后向电磁散射来鉴别目标， 是电磁散射的逆问题。 利用目标在雷达远区所产生的散射场的特征， 可以获 得用于目标识别的信息， 回波信号的幅值、 相位、 频率 和极化等均可被利用。对获取的目标信息进行计算机
! 雷达目标识别技术回顾
雷达目标识别的研究始于 "# 世纪 $# 年代。早期 雷达目标特征信号的研究工作主要是研究雷达目标的 有效散射截面积。但是， 对形状不同、 性质各异的各类 目标， 笼统用一个有效散射截面积来描述， 就显得过于 粗糙， 也难以实现有效识别。几十年来， 随着电磁散射 理论的不断发展以及雷达技术的不断提高， 在先进的 现代信号处理技术条件下， 许多可资识别的雷达目标 特征信号相继被发现， 从而建立起了相应的目标识别 理论和技术。近年来理论研究和实际应用比较成功的 目标识别方法有以下 % 类。 !&" 基于目标运动的回波起伏和调制谱特性的目标 识别 这类方法大都基于目前广泛使用的雷达时域一维 目标回波波形， 抽取波形序列中包含的目标特征信息 来实现目标分类。这类研究已获得一些成功应用。 利用目标回波起伏特性的识别 ’） 空中目标对低分辨力雷达来讲可以看作点目标， 其运动过程中， 目标回波的幅度和相位将随目标对雷 达的相对姿态的不同而变化， 根据目标回波的幅度与 相位的变化过程， 判断其形状， 对复信息数据进一步分 析， 可以判断目标的运动情况
发动机的调制 （ +,-） 现象， 并建立了相应的数学模型， 为利用 +,- 效应进行目标识别奠定了理论基础。 !&# 基于极点分布的目标识别 目标的自然谐振频率又称为目标极点， “ 极点” 和 “散射中心” 分别是在谐振区和光学区建立起来的基本 概念。目标极点分布只决定于目标形状和固有特性， 与雷达的观测方向 （目标姿态） 及雷达的极化方式无 关， 因而给雷达目标识别带来了很大方便。 目标极 点 的 概 念 出 现 于 ’./’ 年。 ’./$ 年， (*012 3456 等首先提出了直接从一组瞬态响应时域数据来提 取目标极点的 7189: 方法 ， 使用提取出的目标极点 作为目标特征， 而通过将提取到的目标极点与目标库 的目标极点进行匹配完成目标识别过程。 ;# 年代以
〔’’〕 〔’"〕 〔’!〕 舰船目 标 、 坦 克、 车辆等地面目标 、 飞机目 〔’%〕 标 识别中分别获得了较高的正确识别率。
Leabharlann Baidu
。
利用动态目标的调制谱特性的识别 "） 动态目标如飞机的螺旋桨或喷气发动机旋转叶 片、 直升机的旋翼等目标结构的周期运动， 产生对雷达 回波的周期性调制。不同目标的周期性调制谱差异很
雷达目标识别技术综述
王晓丹 王积勤 三原 !"#$%%） （空军工程大学导弹学院
!
【摘要】 针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的 & 类目标识别方法： 基于目标运动的回波起伏和调制谱特性的目标识别方法、 基于极点分布的目标识别方法、 基于高分辨雷达成像的目标识 别方法和基于极化特征的目标识别方法， 同时讨论了应用于雷达目标识别中的 & 种模式识别技术： 统计模式识别方法、 模 糊模式识别方法、 基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。 【关键词】 雷达， 目标识别， 特征提取， 特征分类
〔)$〕 〔!%〕 〔!"〕
，
利用瞬态极化响应识别目标 2） 〔)%〕 将极化信息与冲激响应结合起 *<+,=-.>+50 等 来， 提出了利用目标瞬态极化响应 （ ?4;） 进行目标识 别。利用 ?4; 识别目标是将极化识别与时 （频） 域识 别相结合的很好范例。在 *<+,=-.>+50 的基础上， 参考 文献 〔2$〕 进行了进一步的研究。通过 ?4; 特征提取， 把复杂目标在结构上分解成由散射中心对应的多个子 结构来分别描述， 对飞机目标识别获得了较好的效果。 与成像技术相结合的目标识别 3） 结合 9:; 和 @9:; 成像， 在相应雷达上加装变极 化装置， 从而可以利用极化信息或将极化信息与已有 的图象识别技术相结合， 对每一像素进行更有效的识