完全鉴别分析高分辨距离像雷达目标识别

雷达的目标识别技术

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。 这类波型图叫作波色图。根据波色图内子峰的形状，可获得一些目标信息。熟练的操作员根据回波宽度变化和波色图内子峰形状，进行目标识别。

雷达成像技术保铮版第二章距离高分辨和一维距离像

第二章距离高分辨和一维距离像 雷达采用了宽频带信号后，距离分辨率可大大提高，这时从一般目标（如飞 机等）接收到的已不再是“点”回波，而是沿距离分布开的一维距离像。 雷达回波的性质可以用线性系统来描述，输入是发射脉冲，通过系统（目标） 的作用，输出雷达回波。系统的特性通常用冲激响应（或称分布函数）表示，从 发射波形与冲激响应的卷积可得到雷达回波的波形。 严格分析和计算目标的冲激响应是比较复杂的，要用到较深的电磁场理论， 不属于本书的范围。简单地说，雷达电波作用的目标的一些部件对波前会有后向 散射，当一些平板部分面向雷达时还会有后向镜面反射；这些是雷达回波的主要 部分；此外还有谐振波和爬行波等。因此，目标的冲激响应（分布函数）可以用 散射点模型近似，即目标可用一系列面向雷达的散射点表示，这些散射点位于后 向散射较强的部位。由于谐振波和爬行波的滞后效应，有时也会有少数散射点在 目标本体之外。如上所述，目标的散射点模型显然与雷达的视线向有关，例如当 飞机的平板机身与雷达射线垂直时有很强的后向镜面反射，而在偏离不大的角度 后，镜向反射射向它方，不为雷达所接收。目标的雷达散射点模型随视角的变化 而缓慢改变，且与雷达波长有关，分析和实验结果表明，在视角变化约10°的 范围里，可认为散射点在目标上的位置和强度近似不变。顺便提一下，前面曾提 到微波雷达对目标作ISAR成像，目标须转动3°左右，在分析时用散射点模型 是合适的。 虽然目标的散射点模型随视角 快得多。可以想像到，一维距离像是 三维分布散射点子回波之和，在平面 波的条件下，相当三维子回波以向量 和的方式在雷达射线上的投影，即相 同距离单元里的子回波作向量相加。 我们知道，雷达对目标视角的微小变 化，会使同一距离单元内而横向位置

雷达高分辨距离像模板自动生成算法

第26卷第6期2010年6月信号处理SIGNAL PROCESSING Vol.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 Automatic Generation of High Range Resolution Profiles Models for Radar Recognition PENG Bo WEI Xi-zhang LI Xiang （School of Electronic Science and Engineering ，NUDT ，Changsha 410073） Abstract ： The completeness of template directly determines the classification performance of automatic radar target recognition system based on high resolution range profiles （HRRP ）.It ’ s difficult to get HRRP training data labeled accurately covering the entire target-aspect angle because of a lot of practical factors in the field experiments ，such as target attitude ，environment and so on.Accord-ing to the demand of engineering practical development ， the dissertation proposes an algorithm of automatic generation of HRRP template based on data driving means.The proposed approach can be realized much easier with better recognition performance ，comparing with the traditional approach.The dissertation puts forward a new HRRP inversion method based on MSTAR image to get more precise HRRP using in cyber-emulation.At last ， the result of the experiments proves the algorithm.Key words ： High Range Resolution Profiles ；template ；clustering ；HRRP inversion 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

基于散度比例准则的高分辨距离像特征提取

基于散度比例准则的高分辨距离像特征提取 摘要:针对传统线性判别分析(lda)的子空间倾向于保留大类间 距离类对的可分性，而丢弃小类间距离类对的可分性的问题，基于子空间应均衡保留各类对可分性的思想，提出一种新的准则——散度比例(pd)准则。pd准则为各类对子空间散度与原空间散度之比的均值，并推导出最大化pd准则的线性判别分析(pd.lda)的求解过程。采用pd.lda对高分辨距离像(hrrp)的幅度谱进行特征提取，基于外场实测数据，分别训练了最小欧氏距离分类器和支持向量机(svm)分类器，两种分类器的识别结果均表明，pd.lda相比lda，可显著降低数据维数并有效提高识别率。 关键词:雷达自动目标识别；散度比例；线性判别分析；特征提取；高分辨距离像 hrrp feature extraction based on proportion of divergence criterion liu jing1*, zhao feng2, liu yi 3 1. school of electronic engineering, xi’an university of posts and telecommunications, xi’an shaanxi 710121, china ; 2. school of computer science and technology, shandong institute of business and technology, yantai shandong 264005,

china

; 3. school of electronic engineering, xidian university, xi’an shaanxi 710071, china abstract: traditional linear discriminant analysis (lda) faces the problem of tending to keep the separabilities of the class pairs having large between class distances, while discard the separabilities of those having small between class distances. based on the viewpoint that the feature subspace should uniformly keep the separability of each class pair, a new criterion, i.e., the proportion of divergence (pd), is presented. pd criterion is the mean of the proportion of the subspace divergence to original space divergence of each class pair. the solution of the lda maximizing pd criterion (pd.lda) is also presented. pd.lda was used to perform feature extraction in the amplitude spectrum space of high resolution range profile (hrrp). shortest euclidian distance classifier and support vector machine (svm) classifier were designed to evaluate the recognition performance. experimental results for measured data show that, comparing with traditional lda, pd.lda reduces data dimension remarkably and improves recognition rate effectively.

高分辨一维距离成像技术在某地面雷达的实现

高分辨一维距离成像技术在某地面雷达的实现* 马志刚** (华东电子工程研究所,合肥230031) 摘 要:介绍了高分辨一维距离成像技术在某雷达的实现。基于现有并行处理结构的ADSP21060硬件平台,对大带宽时宽信号进行频域脉压,得到一维高分辨距离像。实验结果表明,该实现可较好地分辨密集编队飞行的目标架次和识别机型的大小,为开展地面雷达的ISAR成像和自动目标识别奠定了基础。 关键词:ADSP21060脉冲压缩高分辨 中图分类号:TN95 文献标识码:A 文章编号:1009-0401(2010)02-0009-04 The m i p le m entati on of one-dm i ensi onalHRRP tec hnol ogy i n a ground radar MA Zhi gang (E ast China R esearch Instit u te of E lectronic E ngineering,H e fei230031) Abst ract:The i m ple m entation of the1D HRRP techno l o gy in a g round radar is i n troduced.B ased on the ex isti n g ADSP21060hard w are p latfo r m w ith parallel processi n g arch itecture,the HRRP is obta i n ed through the pulse co m pressi o n o f large ti m e bandw idth si g na ls i n frequency do m a i n.The test resu lts sho w that such i m ple m en tation can d istingu ish num bers and sizes o f aircrafts in co mpact aircraft for m ations,wh ich establishes a basis for the ISAR i m ag ing and auto m atic targe t recogn ition of ground radars. K eyw ords:ADSP21060;pulse co m pression;h i g h resolution 1 引 言 按雷达信号分辨理论,在保证一定信噪比并实现最佳处理的前提下,测量精度和分辨力对信号形式的要求完全一致[1]:测距精度和距离分辨力主要取决于信号的频率结构,它要求信号具有大的带宽;而测速精度和速度分辨力取决于信号的时间结构,它要求信号具有大的时宽。因此,理想雷达信号必须采用具有大时宽带宽乘积的复杂信号形式。在匹配滤波理论的指导下,首先提出并得到应用的是线形调频脉冲(L M F)及其匹配处理脉冲压缩(PC)。这种信号是在宽脉冲内附加载波线性调频,在大时宽的前提下扩展信号的带宽,对接收的宽脉冲LF M回波进行匹配滤波处理,使其变成窄脉冲以提高距离分辨能力。2 ADSP21060介绍 ADSP21060是ADSP2106X系列品种之一,其他品种是以ADSP21060为基础的衍生产品。ADSP2106X 采用超级哈佛结构,有4套独立的总线,分别用于双数据存取、指令存取和输入输出接口。ADSP2106X有多种外部接口:外部地址、程序/数据总线可以全速工作在40MH z,它提供的多种外部控制信号线可以使多片ADSP2106X无需外部控制逻辑就能直接相连,构成一个高效的紧耦合式并行处理系统;输入/输出控制器还提供了6套链路口和两个串行通信口,可以将大量的ADSP2106X构成一个松耦合的并行处理系统。这样,通过合理地分配并行处理子任务间通信、握手和运算处理时序,可以设计出高效多处理器系统[2]。 第30卷 第2期2010年6月 雷达与对抗 RADAR&ECM V o.l30 N o.2 Jun.2010 * **收稿日期:2010 04 03 作者简介:马志刚,男,1980年生,工程师,主要研究方向为雷达信号处理。

基于高分辨距离像的雷达地面目标识别技术

基于高分辨距离像的雷达地面目标识别技术在如今日益复杂的地面战场环境下,利用传统雷达信号处理技术已无法实现对地面目标的准确探测,因此对雷达目标识别技术的需求愈加迫切。高分辨一维距离像可以提供目标在雷达视线上的结构信息,其成像条件简单、容易获取且运算与存储压力小的特点,使得基于高分辨一维距离像的雷达地面目标识别技术受到了广泛的关注和研究。目前,基于高分辨一维距离像的目标识别技术已经取得了一定的进展与突破,但是针对弹载这一特定的应用场合,目标非合作性导致的训 练模板库非完备问题,地面目标相似导致的特征向量低可分性问题, 复杂地面战场环境导致的低信噪比与假目标干扰问题,特征空间分布的随机性导致的分类边界不准确问题,严重地影响了目标识别的总体性能。本论文以实现复杂战场环境下的目标识别为出发点,围绕上述弹载雷达地面目标识别中存在的问题展开研究。具体包括以下几个方面:1.为解决雷达地面目标高分辨一维距离像识别中,非合作目标模 板库非完备的问题,提出一种基于混合模型的雷达非合作目标高分辨一维距离像仿真方法。本方法基于模型匹配目标识别基本思想,利用有限的目标信息进行建模仿真,从而构建完备的目标训练模板库。本方法通过构建目标精细化散射点模型,并利用时域高频电磁散射计算方法获得散射点的散射强度,同时基于距离单元服从的统计分布特性,建立散射点间的统计相关性,以实现目标高分辨一维距离像电磁散射特性与统计分布特性的兼顾。通过与目标实测数据的对比,本方法所生成的目标高分辨一维距离像与实测目标数据具有较高的相似性。利

用本方法生成识别模板库,并基于实测数据进行测试,验证了本方法在目标识别中的有效性。2.为提取高分辨一维距离像的低维度、高可分性特征,提出基于统计核函数相关判别分析的特征提取算法。本算法通过对目标高分辨一维距离像距离单元统计特性的分析,分别构建距离单元理想统计模型与非理想统计模型下的统计核函数,对不同统计模型下的目标特性进行描述,从而实现最小信息损失的特征分量提取。以此为基础,基于可分性判别分析与典型相关分析理论构建特征融合准则函数,实现特征空间中类内相关性与类间差异性最大化,同时减少目标特征中的冗余信息,保证特征向量的低维度特性。利用实测数据对本算法进行验证,结果表明,在保证目标特征向量低维度的条件下,本算法有效地提高了特征向量的可分性,从而改善了高分辨一维距离像目标识别系统的总体性能。3.为提高低信噪比下高分辨一维距离像目标识别性能,提出基于稀疏-低秩联合学习的噪声稳健目标识别方法。本方法通过对稀疏、低秩的联合表示,实现对目标高分辨一维距离像局部特征与全局特征的提取。以此为基础,在训练阶段利用支持向量理论与字典学习原理,对特征提取字典进行优化,从而提高特征向量的可分性;此外,为了更加精确的对目标特征空间进行描述,结合机器学习理论,采用基于联合可分性分析的多分类器加权融合字典学习方法,进一步提高本模型的识别性能。在测试阶段,利用因子分析模型匹配方法对去噪声字典进行优化,从而实现对噪声的有效抑制,保证了目标识别系统的噪声稳健性。实验结果表明,本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像,并实现较高的

目标识别技术

目标识别技术 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几类目标识别方法：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几种模式识别技术：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。 引言： 雷达目标识别技术回顾及发展现状 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。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，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。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。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。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高

雷达空间目标识别技术综述

2006年10月第34卷 第5期 现代防御技术 MODERN DEFENCE TECHNOLOGY O ct.2006 V o.l34 N o.5雷达空间目标识别技术综述* 马君国,付 强,肖怀铁,朱 江 (国防科技大学ATR实验室,湖南 长沙 410073) 摘 要:随着人类航天活动的增加,对于卫星和碎片等空间目标进行监视变得非常重要。为了实现空间监视任务,对空间目标进行识别是非常必要的。对空间目标的轨道特性与动力学特性进行了介绍,对雷达空间目标识别技术的研究现状和发展趋势进行了详细的综述。 关键词:空间目标识别;低分辨雷达;高分辨雷达成像 中图分类号:TN957 52 文献标识码:A 文章编号:1009 086X(2006) 05 0090 05 Survey of radar space target recognition technology MA Jun guo,F U Q iang,X I AO Huai tie,Z HU Jiang (ATR L ab.,N ationa lU n i versity o f De fense T echno l ogy,Hunan Changsha410073,Ch i na) Abst ract:W ith t h e deve l o pm ent of spacefli g ht acti v ity of hum an,surveillance of space tar get such as sate llite and debris beco m es very i m portan.t In or der to i m p le m ent surveillance task,space target recogni ti o n is ver y necessary.Orb it property and dyna m ics property of space targe t are i n troduced,a deta iled sur vey is set forth about current research state and developi n g trend of radar space target recogn iti o n techno l ogy. K ey w ords:space tar get recogniti o n;lo w reso lution radar;h i g h reso lution radar i m aging 1 引 言 自从前苏联发射了第1颗人造地球卫星以来,卫星在预警、通信、侦察、导航定位、监视和气象等方面具有不可替代的优势。随着人类航天活动的增加,空间碎片日益增多,对于卫星等航天器的安全造成极大的威胁,因此对于卫星和碎片等空间目标进行监视变得非常重要。其中空间目标识别是空间监视任务中不可或缺的基本条件,空间目标识别主要是利用雷达等传感器获取空间目标的回波信号,从中提取目标的位置、速度、结构等特征信息,进而实现对空间目标的类型或属性进行识别。 2 空间目标的轨道特性与动力学特性 (1)轨道特性[1,2] 空间目标在轨道上的运动是无动力惯性飞行,本质上空间目标与自然天体的运动是一致的,故研究空间目标的运动可以用天体力学的方法。空间目标在运动时受到地球引力、月球引力、太阳及其他星体引力、大气阻力和太阳光辐射压力等的作用,轨道存在摄动。但是对轨道的实际分析表明,空间目标受到的主要力是地球引力。假设空间目标只是受到地球引力的作用,同时假设地球是一个质量均匀分布的球体,则空间目标与地球构成二体运动系统,开 *收稿日期:2005-12-15;修回日期:2006-01-23 作者简介:马君国(1970-),男,吉林长春人,博士生,主要从事目标识别与信号处理研究。 通信地址:410073 湖南长沙国防科技大学ATR实验室 电话:(0731)4576401

雷达目标识别

目标识别技术 2009-11-27 20:56:41| 分类：我的学习笔记| 标签：|字号大中小订阅 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几类目标识别方法：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几种模式识别技术：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。 引言： 雷达目标识别技术回顾及发展现状 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。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反 映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，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。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。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。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减 速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别 提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高我国的军事实力，适应未来反导弹、反卫、空间攻防、国土防空与对海军事斗争的需要，急需加大雷达目标识别技术研究的力度雷达目标识别策略主要基于中段、再入段过程中弹道导弹目标群的不同特性。从结构特性看，飞行中段

雷达目标识别发展趋势

雷达目标识别发展趋势 雷达具备目标识别功能是智能化的表现，不妨参照人的认知过程，预测雷达目标识别技术的发展趋势： (1)综合目标识别 用于目标识别的雷达必将具备测量多种目标特征的手段，综合多种特征进行目标识别。我们人类认知某一事物时，可以通过观察、触摸、听、闻、尝，甚至做实验的方法认知，手段可谓丰富，确保了认知的正确性。 目标特征测量的每种手段会越来越精确，就如同弱视的人看东西，肯定没有正常人看得清楚，也就不能认知目标。 识别结果反馈给目标特征测量，使目标特征测量成为具有先验信息的测量，特征测量精度会有所提高，识别的准确程度也会相应提高。 雷达具备同时识别目标和背景的功能。人类在观察事物的时候，不仅看到了事物的本身，也看到了事物所处的环境。现有的雷达大多通过杂波抑制、干扰抑制等方法剔除了干扰和杂波，未来的雷达系统需要具备识别目标所处背景的能力，这些背景信息在战时也是有用的信息。 雷达具备自适应多层次综合目标识别能力。用于目标识别的雷达虽然需要具备测量多种目标特征的手段，但识别目标时不一定需要综合所有的特征，这一方面是因为雷达系统资源不允许，另一方面也是因为没有必要精确识别所有的目标。比如司机在开车时，视野中有很多目标，首先要评价哪几个目标有威胁，再粗分类一下，是行人还是汽车，最后再重点关注一下靠得太近、速度太快的是行人中的小孩子还是汽车中的大卡车。 (2)自学习功能 雷达在设计、实现、装备的过程中，即具备了设计师的基因，但除了优秀的基因之外，雷达还需要具有学习功能，才能在实战应用中逐渐成熟。 首先，要具有正确的学习方法，这是设计师赋予的。对于实际环境，雷达目标识别系统应该知道如何更新目标特征库、如何调整目标识别算法、如何发挥更好的识别性能。 其次，要人工辅助雷达目标识别系统进行学习，这就如同老师和学生的关系。在目标识别系统学习时，雷达观测已知类型的合作目标，雷达操作员为目标识别系统指出目标的类型，目标识别系统进行学习。同时还可以人为的创造复杂的电磁环境，使目标识别系统能更好地适应环境。 (3)多传感器融合识别 多传感器的融合识别必定会提高识别性能，这是毋容置疑的。这就好比大家坐下来一起讨论问题，总能讨论出一个好的结果，至少比一个人说的话更可信。但又不能是通过投票的方式，专家的话肯定比门外汉更有说服力。多传感器融合识别需要具备双向作用的能力。 并不是给出融合识别的结果就结束了，而是要利用融合识别的结果反过来提高各个传感器的识别性能，这才是融合识别的根本目的所在。反向作用在一定程度上降低了人工辅助来训练目标识别系统的必要性，也减少了分别进行目标识别试验的总成本。

雷达目标识别技术

雷达目标识别技术述评 孙文峰 （空军雷达学院重点实验室，湖北武汉430010） 摘要：首先对雷达目标识别研究领域已经取得的成果和存在的问题进行简单的回顾，然后结合对空警戒雷达，阐明低分辨雷达目标识别研究的具体思路。 关键词：雷达目标识别；低分辨雷达 Review on Radar Target Recognition SUN Wen-feng （Key laboratory, Wuhan Radar Academy, Wuhan 430010, China）Abstract: The acquired productions and existent problems of radar target recognition are reviewed simply, then the specific considerations of target recognition with low resolution radar are illustrated connect integrating with air defense warning radar in active service. Key words: radar target recognition; low resolution radar 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。1958年，D.K.Barton（美国）通过精密跟踪雷达回波信号分析出前苏联人造卫星的外形和简单结构，如果将它作为RTR研究的起点，RTR至今已走过了四十多年的历程。目前，经过国内外同行的不懈努力，应该说RTR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，这些成果的取得使人们有理由相信RTR是未来新体制雷达的一项必备功能。目前，RTR技术已成功应用于星载或机载合成孔径雷达（SAR—Synthetic Aperture Radar）地面侦察、毫米波雷达精确制导等方面。但是，RTR还远未形成完整的理论体系，现有的R TR 系统在功能上都存在一定的局限性，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。本文首先对RTR研究领域已经取得的成果和存在的问题进行简单的回顾，最后结合对空警戒雷达，阐明了低分辨雷达目标识别研究的具体思路。 2．雷达目标识别技术的回顾与展望 雷达目标识别研究的主体有三个，即雷达、目标及其所处的电磁环境。其中任何一个主体发生改变都会影响RTR系统的性能，甚至可能使系统完全失效，即RTR研究实际上是要找到一种无穷维空间与有限类目标属性之间的映射。一个成功的RTR系统必定是考虑到了目标、雷达及其所处电磁环境的主要可变因素。就目标而言主要有目标的物理结构、目标相对于雷达的姿态及运动参数、目标内部的运动（如螺旋桨等）、目标的编队形式、战术使用特点等等；就雷达而言主要有工作频率、带宽、脉冲重复频率（PRF）、天线方向图、天线的扫描周期等等；环境因素主要有各种噪声（如内部噪声和环境噪声）、杂波（如地杂波、海杂波和气象杂波）和人为干扰等。在研制RTR系统时必须综合考虑这些因素，抽取与目标属性有关的特征，努力消除与目标属性无关的各种不确定因素的影响。

雷达信号处理及目标识别分析系统方案

雷达信号处理及目标识别分系统方案 西安电子科技大学 雷达信号处理国家重点实验室 二○一○年八月

一 信号处理及目标识别分系统任务和组成 根据雷达系统总体要求，信号处理系统由测高通道目标识别通道组成。它应该在雷达操控台遥控指令和定时信号的操控下完成对接收机送来的中频信号的信号采集，目标检测和识别功能，并输出按距离门重排后的信号检测及识别结果到雷达数据处理系统，系统组成见图1-1。 220v 定时信号 目标指示数据 目标检测结果输出目标识别结果输出 图1-1 信号处理组成框图 二 测高通道信号处理 测高信号处理功能框图见图2-1。 s 图2-1 测高通道信号处理功能框图

接收机通道送来中频回波信号先经A/D 变换器转换成数字信号，再通过正交变换电路使其成为I 和Q 双通道信号，此信号经过脉冲压缩处理，根据不同的工作模式及杂波区所在的距离单元位置进行杂波抑制和反盲速处理，最后经过MTD 和CFAR 处理输出检测结果。 三 识别通道信号处理 识别通道信号处理首先根据雷达目标的运动特征进行初分类，然后再根据目标的回波特性做进一步识别处理。目标识别通道处理功能框图见图3-1所示。 图3-1 识别通道处理功能框图 四 数字正交变换 数字正交变换将模拟中频信号转换为互为正交的I 和Q 两路基带信号，A/D 变换器直接对中频模拟信号采样，通过数字的方法进行移频、滤波和抽取处理获得基带复信号，和模拟的正交变换方法相比，消除了两路A/D 不一致和移频、滤波等模拟电路引起的幅度相对误差和相位正交误差，减少了由于模拟滤波器精度低，稳定性差，两路难以完全一致所引起的镜频分量。 目标识别结果输出