（电子科学与技术专业论文）基于高分辨一维距离像的雷达目标识别方法研究.pdf

国防科技大学研究生院学位论文 a b s t r a c t t h er i s e so fm o d e mh i g hr e s o l u t i o nr a d a rp r o v i d ea u t o m a t i ct a r g e tr e c o g n i t i o n ( a t r ) a n o v e la p p r o a c h h i g hr e s o l u t i o nr a n g ep r o f i l e ( h r r p ) i so n eo f t h em o s ti m p o r t a n tf e a t u r e sw i m p o s es e n s i t i v i t y o n l yb yf u r t h e rp r o c e s s i n gc a ni tb eu s e dt oe f f e c t i v er e c o g n i t i o n i nt h i s d i s s e r t a t i o n ，t h ep r o b l e mo fa u t o m a t i cr e c o g n i t i o no fr a d a rt a r g e tu s i n gh i g hr e s o l u t i o nr a n g e p r o f i l e si sm a i n l ys t u d i e d t h ec o n t e n t so ft h ed i s s e r t a t i o nm a i n l yi n c l u d et h ef o l l o w i n gs e v e r a l a s p e c t s ： i nc h a p t e rl ，t h es i g n i f i c a n c ea n dt h eb a c k g r o u n do f t h er e s e a r c hf o rm d a rt a r g e tr e c o g n i t i o n i se x p o u n d e d t h e nt h et e p r e s e n t a t i v ea l g o r i t h m sf o rt a r g e tr e c o g n i t i o nu s i n gh i g hr e s o l u t i o n r a n g ep r o f i l e sa r ea n a l y s e d ，a n dt w ok e yp o i n t sa r ei n d i c a t e d f i n a l l y ，t h eo u t l i n eo ft h e d i s s e r t a t i o ni si n t r o d u c e d i nc h a p t e r2 ，t h ep r i n c i p l eo fh i g hr e s o l u t i o nr a n g ep r o f i l ea n dt h ei n g r e d i e n t sr e s u l t e di nt h e v a r i a b i l i t yo fr a n g ep r o f i l e s a r ea n a l y s e d ，a n dt h et r a n s l a t i o n a ls h i r v a r i a b i l i t ya n dp o s e s e n s i b i l i t yo fr a n g ep r o f i l e sa r ee m p h a s i z e di nd e t a i l t h e nam o m e n ta p p r o a c hf o re x t r a c t i n g t r a n s l a t i o ni n v a r i a n tf e a t u r e si sp r o p o s e d i nc h a p t e r3 ，i ti ss t u d i e dt h a th o wt os e l e c ta n de x t r a c tm a t h e m a t i cf e a t u r e sf r o mt h et r a i n s a m p l e s f i r s t l y ，t h ep r i n c i p a lt h e o r yo fk e r n e lm o t h o di si n t r o d u c e db r i e f l y t h e nt h ep r i n c i p l e s o fp c ab a s e dn o i s e - r e d u c t i o na n dt h ep o w e r so fk p c aa n dk d d af o rf e a t u r ee x t r a c t i o na r e a n a l y s e di nd e t a i l ，a n da l lm o d i f i e dk d d a i sp r o p o s e d a tl a s t ，af r a m e w o r ko fa u t o m a t i ct a r g e t r e c o g n i t i o nb a s e do nr a n g ep r o f i l ea n dk - p c a k d d ai sp r o p o s e df o ro v e r c o m i n gt h ea s p e c t s e n s i t i v i t yo f t h eh r r p ，a n dt h er e s u l t so f r e c o g n i t i o ne x p e r i m e n tw i t hf o u rc l a s sa i r p l a n et a r g e t i ss h o w n i nc h a p t e r4 ，t h em o d e lo f m i x t u r e so f f a c t o ra n a l y s i si si n t r o d u c e df i r s t l y t h e naf r a m e w o r k o fa u t o m a t i ct a r g e tr e c o g n i t i o nb ym o d e l i n gt a r g e tr a n g ep r o f i l ei sp r o p o s e df o ro v e r c o m i n gt h e p o s es e n s i t i v i t yo ft h eh r r p i nt h ef r a m e w o r k ，w ef i r s te s t i m a t et h ep r o b a b i l i t yg e n e r a t i o n m o d e lu s i n gt h eo b t a i n e dh r r pu n d e rm a n yp o s e s ，t h e nd e t e r m i n ei t sc l a s sa t t r i b u t e b y c o m p a r i s o no ft h ec o n d i t i o n a lp r o b a b i l i t yo fat e s th r r p a tl a s t ，t h er e s u l t so fr e c o g n i t i o n e x p e r i m e n tw i t hf i v ec l a s sa i r p l a n et a r g e tu s i n gt h ea p p r o a c ha b o v ea r es h o w n i nc o n c l u s i o n ，t h em a i nw o r k so ft h ed i s s e r t a t i o na r es u m m a r i z e da n dt h ef u t u r er e s e a c h a r e a sa r ep o i n t e do u t k e y w o r d s a t r ，h r r p , t r a n s l a t i o ni n v a r i a n tf e a t u r e ，p c a ，l d a ，k e r n e lm o t h o d ， m f a ，p r o b a b i l i t yg e n e r a t i o nm o d e l 第1 l 甄 国防科技大学研究生院学位论文 图目录 图2 2 1 高分辨一维距离像的一个例子8 图3 2 1 输入空问和特征空间所对应的样本和分界面示意图“1 3 图3 3 1 主分量分析示意图1 5 图3 4 1 主分量分析与线性判别分析的比较1 8 图3 5 1 基于核方法的距离像识别流程一2 3 图3 5 2 目标距离像示例2 4 图3 5 3 降噪前后的距离像2 5 图3 5 4 降噪前后相关系数比较一2 6 图3 5 5 判别分析后所有测试样本的分布情况一2 7 图4 3 1 大姿态角内h r r p 在三维主分量空间中的分布一3 4 图4 3 2 模型匹配目标识别系统框架3 5 图4 4 1 高斯混合分布数据m f a 建模3 6 表目录 表3 5 1 主分量分析方法识别结果比较2 6 表3 5 2 判别分析方法识别结果比较2 7 表4 4 1 俯仰角0 。，全方位角识别结果3 7 表4 4 2 俯仰角l o 。，全方位角识别结果3 7 表4 4 3 俯仰角0 。和1 0 。，全方位角识别结果一3 7 第i i i 页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确曲说明并表示谢意 学位论文题目： 基王直金羞二墼厘蓖焦塑重达旦拯堡型左垂丑窒 学位论文作者签名： 垄! 生蛆 日期： z 一一午年1 1 月 一日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；可以将学位论文的全部或部分内客编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文 ( 保密学位论文在解密后适用本授权书) 学位论文题日i 基主匝佥羞= 丝堑蛊趣曲重垫笪握迟到直洼亟盔 学位论文作者签名：垄史蛆 日期：2 御年j f 月z 口日 作者指导教师签名：审孟。 日期：o 己。4 年1 1 月舢日 国防科技大学研究生院学位论文 第一章绪论 几十年来，雷达目标识别在其理论研究和工程应用方面取得了许多开拓性的成果，已 经发展成为雷达领域的一个重要分支。雷达目标识别技术是决定武器系统智能化程度的核 心技术之一，它的长足发展必将对新一代雷达尤其是新一代智能雷达的理论、体制和技术 产生深远影响。“z 一， 雷达目标识别是指利用雷达接收设备从目标的后向电磁散射信号中提取目标的特征 信息，并运用已有的目标先验信息，实现对目标的分类和识别。雷达目标识别本质是一个 电磁逆散射问题。由于目标电磁散射特性的复杂性、雷达获取信息的局限性，以及噪声和 杂波等环境因素的干扰，目标散射特征的有效提取往往非常困难。 现代高分辨雷达技术的发展为人们提供了有关目标的更为丰富、更为精细的信息，从 中可以提取到目标的位置、方向及结构等可资分类识别使用的有效特征。因此，高分辨雷 达成为复杂电磁环境下获取目标特征以进行目标识别的有效途径之一。高分辨雷达目标识 别的常用方法，按维数可分为基于一维距离像的耳标识别方法，基于合成孔径雷达( s a r ) 或逆合成孔径雷达( t s a r ) - - 维成像技术的二维像目标识别，以及基于三维像的目标识别方 法如。 高分辨雷达一维距离像能够提供目标的距离向结构信息，并且具有易获取和处理的优 势，因此基于一维距离像的识别方法首先得到应用，目前已经渗透到空中目标( 如飞机、导 弹) 、地面车辆目标、海面舰船目标识别等各个领域。但是由于雷达自身的特点和复杂背景 的影响，使得基于一维距离像的雷达目标识别在不同的探测距离和不同的观测角下都能达 到较好的目标识别精度存在一定难度。 本文以高分辨雷达一维距离像为研究对象，以距离像的高度不稳定性为着眼点，分别 从平移不变特征量提取、距离像降维特征提取、以及距离像建模与参数估计这三个方面研 究如何提高基于高分辨一维距离像的雷达目标识别性能。 本章首先对雷达目标识别领域的研究现状和发展作简要的评述，阐述课题研究的背景 和意义；然后结合本论文的研究内容，扼要总结基于一维距离像雷达目标识别的关键问题； 最后给出本文主要内容的概要。 1 1 课题研究背景和意义 雷达产生之初功能主要是检测目标的有无并对目标进行定位，它具有全天时、全天候 和远距离探测能力，在当时的作战环境中对决定战争胜负发挥了巨大作用。随着时间的推 移雷达的性能越来越好，同时战场对雷达自身的要求也越来越高，除了对目标进行检测和 跟踪外，人们还迫切希望其能够提供目标的属性( 如目标的大小、形状等等) 并完成目标的 识别。1 9 5 8 年美国科学家d k b a r t o n 教授用a n f p s 一1 6 跟踪雷达获得的回波数据成功分 蕉i 页 析出前苏联人造卫星s p u k n i ti i 的尺寸和简单外形结构，这一事例引起了人们对雷达i b 标 识别技术研究的重视。在此后的4 0 多年间， 地研究，取得了一大批卓有成效的研究成果， 要的学术研究方向4 1 。 1 1 1 雷达目标识别的主要研究领域 1 基于目标极点的目标识别巧1 在雷达目标识别的各个领域展开了广泛深入 雷达目标识别已成为当今雷达领域中一个重 这方面的工作始于b a u m 提出的奇异展开法( s e m ) 理论两1 。根据这种方法，目 标后期响应可以用一组衰减的正弦振荡之和( 自然谐振模的叠加) 来逼近，其中模的 复频率( 极点) 与目标的姿态无关。极点的姿态无关性意味着一个目标只需很少数目 的特征就可描述，从而可以使目标识别系统的复杂度大大降低。1 9 7 5 年，b l a r i c u m 和 m i t t r a 首先提出直接从一组瞬态响应时域数据来提取目标极点的p r o n y 方法，此后又出 现很多改进的p r o n y 方法。1 9 8 5 年d r a e h m a n 等人提出了提取极点的最小二乘曲线拟 和法，以及r o t h w e l l 和k m c h e n 等人分别提出进一步松弛噪声敏感的e 脉冲和s 脉 冲技术。尽管如此，以上基于后向散射后期响应的目标极点识别方法在信噪比不够高 的情况下，仍然难以得到可靠的识别结果，使得其应用受到限制。 2 基于目标极化特征的目标识别1 4 , 5 1 目标散射波的极化一般不同于入射波的极化，在特定姿态和给定频率的电磁波照 射下，这种极化变换关系可以用一个复二维散射矩阵( 极化散射矩阵) 来描述。极化 散射矩阵表征了给定取向上的目标极化特征，是刻划目标电磁散射行为的一个重要参 量。利用雷达目标的极化特性进行目标识别具有不可低估的发展潜力，它将成为未来 雷达目标识别的重要途径之一“1 。 3 基于高分辨雷达的目标识别”1 现代高分辨雷达的兴起为雷达目标识别提供了新的途径。高分辨雷达的工作频率 位于光学区( 高频区) ，发射线性调频信号、步进频率信号等大带宽信号。距离向分 辨率与雷达信号带宽成反比，信号带宽越宽，距离向分辨率越高，即单个距离分辨单 元越窄。当距离分辨单元远小于目标的尺寸时，目标占据多个单元，这时目标散射点 沿距离向被分辨开来，高分辨雷达回波呈现出波峰和波谷的起伏，这种起伏反映着目 标散射点沿距离向的分布情况，常常称为高分辨距离像( h i g h r e s o l u t i o n r a n g e p r o f i l e h i 沁) 。距离像是特定视角内目标散射点的一维分布图像，反映着目标的结构信息， 可用作识别目标的特征。 利用目标与雷达之间的相对转动在回波中产生的多普勒频率，可对每个距离单元 的回波进行多普勒频率分析从而得到散射点的横向分辨，其中横向定义为与目标转动 矢量和雷达视线均垂直的方向。这实际上是对一定转角内多次观测回波的多普勒历程 作相千积累。要满足相干积累必须对多次回波进行运动补偿以消除平动分量。运动补 第2 页 旦堕登茎查兰塑塞兰堕兰堡笙茎 偿包括距离校正和相位聚焦，般情况下它是比较复杂的。这一过程称为合成孔径成 像( s a r ) 或者逆合成孔径成像( i s a r ) ，它所得到的是目标散射点的二维分布图，包含比 一维距离像更多的目标信息。 ， 一副二维像要求目标相对雷达有一定的转角口，即a 0 ：毒，其中，旯为 2 【缸k 雷达发射信号载波波长，x ) 。为期盼分辨开的目标散射点的最小横向距离差。在某 些场合下( 如目标相对于雷达作追尾或迎头飞行时) ，上述转角要求在给定的识别时 间内往往不能满足，从而i s a r 像无法获取。这时必须借助距离像进行目标识别。相 对i s a r 像，获取二- 维距离像要容易得多，除信号带宽外几乎无任何额外要求。距离 像又是一维特征，无论在存储量还是计算量上对目标识别系统的要求均较低。此外， 现在国内大带宽雷达系统的研究工作已经取得很大进展，不少雷达都具有包括宽带信 号在内的多种信号形式。因此对一维距离像雷达目标识别的研究具有非常现实的意义。 1 1 2 高分辨一维距离像目标识别研究评述 直接利用一维距离像进行目标识别3 1 距离像匹配是直接利用距离像识别时最基本的方法，即用未知目标的距离像特征 矢量与模板库中各类目标的距离像特征矢量进行相关。1 9 9 3 年l i 和y a n g 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识别方法 1 。匹配 度定义为两距离像的所有线性位移之间相关系数的最大值。在对飞机目标的识别过程 中，将未知目标的距离像与模扳库中所有距离像作相关处理求出匹配度，根据匹配度 最大者来确定目标的类别属性。同年，h u d s o n 和p s a l l t i s 提出了基于相关滤波法的飞机 目标识别方法哺1 。在相关滤波法中，将同一目标的模板数据用多个滤波器表示，文中 每一滤波器表征一类目标2 0 。视角范围内的距离像。这种方法本质上与匹配度方法是 一致的，不同之处可以理解为两种方法在识别过程中所用模板不同。相关滤波法利用 多个距离像构造出来的相关滤波器实际上是原来多个相邻模板的平均，这种方法的好 处是减少了识别过程中的计算量。基于滑动相关的算法的主要缺点是要估计平移参数， 运算置大，而且信噪比很低时平移参数的估计有误。 _ 平移不变特征量 为了克服平移参数估计的种种缺点，很多研究者从距离像提取平移不变特征量， 然后用一般模式识别中的分类方法由不变特征量对距离像进行分类。 傅立叶变换蚂1 由于傅立叶变换的模具有平移不变性，因此对平移前后一维距离像的傅立叶变换 取模运算，可以得到距离像的平移不变特征量。基于傅立叶幅度域的平移不变算法不 仅运算量大大降低，而且分类方法有很大的选择余地，除相关法外，还可借用模式识 别理论中的各种分类器。不过，由于傅立叶变换取模丢失了信号的相位，而信号的形 第3 页 国肪科技大学研究生院学位论文 状信息主要包含在其频谱的相位信息中。因此，这样做将导致目标特征信息严重削弱， 从而增加异类目标间的趋同性，分类性能必然受到很大影响。 高阶谱特征”1 经傅立叶变换取模后的这种类问模式的趋同现象是由于取模后的相位信息丢失 所致，而高阶谱不仅具有平移不变性，而且还能够保留大部分相位谱信息，因此可用 于提取一维距离像的平移不变特征量。高阶谱是高阶累积量或高阶相关的多维傅立叶 变换。目前，在雷达目标识别中用的较多的高阶谱是双谱。信号的双谱具有平移不变 性，且除线性相位外双谱保留了信号的全部相位谱信息。由于双谱是信号的三重相关 的傅立叶变换，其特征维数是是信号维数的平方，因此巨大的存储和计算负担使得直 接在双谱域进行相关匹配不利于雷达目标识别的实时实现。为有效地将双谱特征用于 雷达目标识别，作为双谱域降维特征的积分双谱技术应运而生。根据积分路径的不同 将它们分为径向积分双谱、轴向积分双谱和圆周积分双谱等等。这些积分双谱的原理 都是选择一积分路径并将对应积分谱作为特征用于分类和识别，使得二维的双谱特征 转换为一维的积分特征从而适于快速目标识别。 双距离像识别”1 w a l t o n 和j o u n y 等人研究了距离像中的散射点多散射现象，并建议使用距离像的 时域双谱，即双距离像，描述多散射现象。双距离像的优点对目标上的寄生散射物较 距离像稳健。寄生散射物可以来源于杂波，也可以来源于模板目标与测试目标散射点 模型的不一致性。但双距离像对目标姿态变化比距离像更敏感。 方位向平滑算法u 1 散射点交叉项是导致距离像姿态敏感性的根本原因之一。为了抑制交叉项得到方 位平滑的距离像，许多研究者提出对距离像进行非相干平均。非相干平均是对每个距 离单元的操作，要求距离单元必须对齐，所以存在平移参数估计的种种缺点。 _ 基于准则函数的特征提取0 1 所谓特征提取就是从原始数据中提取目标本身所固有的对识别有用的信息，剔除 噪声或冗余信息及各类目标所共有的公共特征，从而提高自动目标识别系统的实时性 和有效性。基于准则函数的特征提取是根据所要完成的任务事先有针对性的确定准则 函数，然后以该准则函数为依据实现特征提取。 1 9 9 8 年，s h a w 等采用p c a 将一维距离像矩阵投影到正交予空间，通过奇异值分 解( s v d ) 以左、右特征矢量的形式分别消除一维距离像的距离向和方位向的相关性， 并选择去相关后的距离像子空间中最大特征值所对应的特征向量作为目标数据库的模 板。对x p a t c h 数据库中的4 类地面目标在3 0 6 。方位角区间内进行识别取得了较好 的识别效果仉1 。1 9 9 6 年，z y w e e k 提出了基于l d a 方法的飞机目标一维距离像识 别，对澳大利亚a d a l a i d e 机场起飞时的波音7 2 7 和波音7 3 7 两种飞机在5 0 。方位角内 的距离像进行了识别取得了很好的效果“”。 第4 页 里堕型垫查鲎竺壅兰堕兰些堡塞 基于准则函数的特征提取不仅可在特征空间有效改善特征量的姿态敏感性，还能 在一定程度上减少特征量的维数，可谓一举两得。选择合理、有效的准则函数是该类 方法的关键所在。 一维散射中心提取 基于雷达耳标一维、二维图像识别的方法，它们所共有的一个不足之处是特征矢 量的维数过高。增加了分类阶段的存储和计算负担，丽通过对雷达目标的散射特性进 行建模，提取目标的散射中心或模型参数作为特征可以有效的减少特征矢量的维数。 一维散射中心参数提取常见的方法是对雷达目标的频域散射模型进行参数估计，提取 散射中心的位置和幅度信息，并利用这些信息进行雷达目标识别。这方面的工作有： c a m e r e 和m o s e s 将修正的p r o n y 算法用于对复杂目标距离像建模提取散射中心1 1 3 1 ， 姜卫东的矩阵束法钔，k t 1 ( i m 等人将m u s i c 算法用于散射点提取1 1 5 1 等等。 综上所述，雷达目标识别的研究在几十年问取得了丰硕成果，但是作为一个涉及多个 领域的难度相当大的课题，仍然存在诸多问题，实验研究与工程实用差距较大。下一节具 体针对基于高分辨一维距离像的目标识别情形，指出影响一维距离像目标识别性能的两个 重要因素。 1 2 高分辨一维距离像目标识别的关键问题 对雷达目标识别的要求是在不同的探测距离和不同的观测角下都能达到较好的目标 识别精度。由于雷达自身的特点和复杂背景的影响，使得基于一维距离像的雷达目标识别 存在一定的困难，为提高识别性能，本文主要针对以下两个方面展开讨论： 一待识别的目标一般为非合作目标，每次录取的距离像在雷达距离波门中的位置是 不定的，存在不可预测的相对平移。必须将相对平移补偿后，后续处理才有可能。 传统的方法是将两次录取的距离像作滑动相关，根据相关峰值估计出它们的相对 平移，从而将它们距离对齐。而距离对齐的运算量大，所以提取有效的平移不变 特征是距离像识别的重要研究内容。 - 距离像可以认为是目标等效散射点的一维分布图像。每个距离单元均包含多个散 射点，这些散射点的子回波的相干叠加构成了该距离单元的回波。当雷达视角变 化不大时，目标的二维散射点分布基本保持不变。在距离走动不严重时，距离像 中的散射点自身项也比较稳定。但由于散射点子回波相位间的干涉作用，距离像 的散射点交叉项对姿态的变化十分敏感，造成了距离像幅度的起伏。当距离走动 严重即大量散射点越距离单元走动时，可能造成目标距离像发生结构性变化。此 即距离像的姿态敏感性。因此，松弛距离像对姿态的敏感性也是基于距离像的雷 达目标识别的重要研究内容。 第5 页 国防科技大学研究生院学位论文 1 3 本文的主要工作 本文的工作是围绕“空中( 空间) 目标高分辨雷达信号处理技术”这一课题展开的。主 要探讨了在高分辨雷达体制下，雷达目标一维距离像的分析理解和处理、雷达目标一维距 离像概率生成模型估计等问题。本文研究内容主要包括以下几个方面： 1 高分辨一维距离像特性分析和平移不变特征提取 分析了高分辨一维距离像原理和造成距离像易变性的各种因素，着重介绍了距离像的 平移变化性和姿态敏感性。针对距离像的平移变化特性提出矩平移不变特征的提取方法。 2 基于核方法的降维特征提取 研究如何根据训练样本来选择和提取数学特征。首先简要介绍核方法的基本原理，然 后分析了主分量分析( p c a ) 的降噪原理，核主分量分析( k p c a ) 与核直接判别分析( k d d a ) 的特征提取能力，并提出了k d d a 的一种改进算法一一加权k d d a ，最后建立用k p c a 和k d d a 提取较大姿态角范围内稳定特征的雷达屠标一维距离像识别框架，并给出四类目 标的实测数据进行分类实验的结果。 3 混合因子模型在雷达目标识别中的应用 针对距离像的姿态敏感性，我们引入混合因子模型来解决一维距离像的目标识别问题， 提出了一种基于混合因子建模的雷达目标识别框架，它通过对从各个姿态角下获得的目标 一维距离像出发构建目标的距离像概率生成模型，然后利用该模型通过比较类条件概率大 小的方法判别目标类属，最后用以上方法对五类飞机目标的雷达数据进行了实验，并给出 实验结果。 薷6 页 国防科技大学研究生院学位论文 第二章高分辨一维距离像特性分析和基本特征提取 2 1 引言 高分辨雷达发射线性调频信号、步进频率信号等大带宽信号，当信号带宽足够大时， 雷达的距离分辨单元远小于目标的尺寸，目标回波占据多个单元，这时目标散射点沿距离 向被分辨开来，高分辨雷达回波呈现出波峰和波谷的起伏，这种起伏反映着目标散射点沿 距离向的分布情况。从而可以认为高分辨一维距离像是雷达目标的一维图像，它提供了雷 达目标的几何结构信息，可用于作为自动目标识别的特征。 本章首先简要介绍高分辨一维距离像原理，然后分析造成一维距离像易变性的各种因 素，最后针对距离像的平移变化特性提出了矩平移不变特征的提取方法。克服或者抑制距 离像姿态敏感性的方法研究是后续两章的主要内容。 2 2 高分辨一维距离像原理 雷达通过发射电磁脉冲接收目标的后向散射回波，记录下雷达回波的幅度和相位，距 离像通常定义为雷达回波幅度的平方。如果发射脉冲的宽度远小于目标尺寸，目标的不同 部位在距离像中将被区分开来，因此，距离像表征了后向散射回波能量在斜距上的分布。 发射脉冲的宽度决定了距离像的分辨率，即发射脉冲越窄，距离像反映的目标结构细 节越多。雷达能够接收的最小脉冲宽度受限于雷达的发射功率。大多数雷达不能满足发射 获得足够分辨率所需的发射功率。 脉冲压缩技术允许雷达发射宽脉冲的同时获得高的分辨率。它出对发射脉冲进行频率 调制来实现。雷达通过脉冲压缩接收得到频域回波，然后对其进行傅立叶反变换就得到距 离像。所得距离像的距离分辨率取决于发射信号的带宽。 线性调频信号( l f m ) 是一种脉冲压缩技术常用的信号麓性调频信号的频率随时间线性 增加。其表达式为： 畸( 驴a ，刮i tl c o s 2 ，r t o f + 石b t 2 f ( 2 - 1 ) 其中，f 为发射信号持续时间，b r 为信号调制斜率，a 为信号幅度，磊为载频，而 旭d ( = 鹊三：乏 c z 一：， 此发射信号经过目标的各强散射点后向反射后，雷达接收的信号为 ( f ) = 羔k a r e c t f 三二) c 。s 2 万( 五一兀x + 石b ( f 一f ) 2 r + ( 2 - 3 ) 其中，设目标有强散射点m 个，i 表示强散射点的标号，l 是第i 个强散射点相对于雷达 第? 夏 国舫科技大学研究生院学位论文 距离的延迟，k 是散射点的散射系数，厶为散射点相对于雷达的多普勒频率， 点的相移。对回波经全去斜率混频器输出的信号为： 删= 善m 墨r f 旦r - 2 a ，, 1 ) e x p j 2 刀五a r , + 2 ；r f u , ( h ，) + 石b ( r 一2 石r ) - a r j ( 2 r + 。十) 】 ，为散射 ( 2 4 ) 其中，a f i = 0 一z o ，f 0 为本振去斜率延迟时间，兀表示多强散射点的多普勒频率。由上 式可以看出，其延迟信息包含在0 ，而t 又包含在相位内，所以对上式实行傅立叶变 换，可得到各散射点的距离信息，即距离像6 1 。图2 2 1 表示雷达实测的波形与经傅立 叶变换后的距离像，其中( a ) 为1 支路信号，c o ) 奠bq 支路信号，( c ) 为双路经傅立叶变换求模 后的信号即距离像，从( c ) 中可以看出各强散射点被很明显的区分开。 ( c ) 距离像 图2 2 1 高分辨一维距离像的一个例子 定义名义距离分辨率a r 为连续两距离单元的间离，则，2 云，c 为光速，占为信号 带宽，从中可以看出距离像的分辨率与信号带宽成正比。宽带距离高分辨雷达的信号带宽 一般为几百兆赫兹，相应的距离分辨率是弧米级。此时一般目标已不再是“点”目标，其 回波为与目标散射点分布有关的一维距离像。 第8 贾 胃 骑科技大学研究生院学位论文 2 3 高分辨一维距离像特性分析 距离像的特性可以概括为易变性或者不稳定性，引起距离像变化的主要原因有：测量 噪声，遮蔽( o c c l u s i o n ) ，平移距离迁徙f r 刚v o ，转动距离迁徙( r 如峋，以及散射点干涉等7 1 。 测量噪声 雷达测量受噪声的影响，它主要由雷达接收机的热噪声和云团、大气等的杂波引起。 雷达接收回波的功率反比于雷达目标间距的四次方，故信噪比主要取决于雷达与目标间的 距离。 遮蔽 当散射点由于被其它物体或自身的其它部位遮挡而不能被雷达观测到时，称为遮蔽。 被遮蔽的散射点对此时的距离像没有任何贡献，这也就导致了距离像幅度的变化。目标旋 转一定角度如l o 。时被遮蔽的散射点可以重新被发现。 平移距离迁徙( t r m ) 雷达与目标间距的改变会引起平移距离迁徙( t r a n s l a t i o n a lr a n g em i g r a t i o n ，t r m ) 。而 雷达与目标间距通常不能精确得到，以致这种影响不能完全校正。由于所有散射点都以同 样的量同向移动，各散射点的间距没有发生改变。因此距离像的形状不变，只是原距离像 的一个平移。 转动距离迁徙( r r m ) 如果目标转动一个较大的角度使得横向最外面的散射中心在径向从一个距离单元迁徙 到另一单元，这时所得距离像受到转动距离迁徙( r o t a t i o n a lr a n g em i g r a t i o n ，r 砌吗影响其 形状会发生较大改变。 散射点干涉 散射点干涉也是由目标转动引起。当一个距离单元存在两个以上不同的散射点时，目 标在方位或俯仰上的略微转动足以使两散射点间的距离差改变超过雷达半波长，从而各散 射点的回波相干叠加的距离像发生破坏性的改变。散射点干涉使得一系列连续测量的距离 像的幅度迅速变化，其变化程度取决于单个距离单元内散射点的数量。按散射点数目多少 可粗略地分为三种情况：第一种为当单个距离单元内只存在一个大的特显点，其余均为相 对小得多的散射点，这类单元回波的幅值基本由特显点确定，其余散射点使幅值有小的波 动：第二种为距离单元内没有特显点，而只有众多的小散射点，这类单元回波的幅值是起 伏的，基本呈瑞利分布；第三种为少数几个特显点加上小散射点，以两个强度相近的特显 点为例，转角变化时，两者的差拍作用会有很大起伏，两者的横向距离越大，起伏也越快， 这种情况距离像最不稳定舳。在连续测量的情况下，姿态角的变化主要源于测量时目标小 的偏航运动。引起散射点干涉的转动小于姿态角估计所得达到的精度，散射点干涉的影响 通常用波峰幅度的随机变量模型来表示。 第9 页 国防科技大学研究生院学位论文 2 4 平移不变特征量的提取 为克服距离平移( t 砌巾必须对准距离像或者提取平移不变的特征量，对准有相对和绝 对之分。相对对准是指相对数据集中另外一个或多个距离像对准一个距离像，这样对准后 距离像与别的数据集中的距离像不一定也对准，相对对准的常见方法有滑动相关法。绝对 对准是指以某种外部准则移动距离像，从而实现对准所有类别目标的所有距离像的目的。 对于分类识别而言，只有绝对对准才是真正的平移不变，若是相对对准要想真正平移不变 分类必须在后续步骤中加额外处理实现。 在预处理阶段完成距离像对准即绝对对准的好处有二：其一，在接下来的步骤中还能 利用其它更高级的方法进行再处理，从而提高识别性能；其二，直接利用标准的欧氏距离 等测度就可以进行分类识别，从而识别速度较相对对准更快。本节分析一种以距离像为原 始特征的属于绝对对准的中心矩平移不变特征量。 函数f ( x ) 的p 阶中心矩”。定义如下： = 1 0 一仇) _ f ( x ) d x ( 2 - 5 ) 其中，仉= i x - f ( x ) d x ，并且i ( 工) 矗= 1 。中心矩咋是在。一仉) 9 上的投影，因此它们是 平移不变的。 对离散化的距离像样本x 而言，p 阶中心矩“。可以按下式计算： 驴善d ”l 豢j c z - s ， ”，= ( 一巩) 叫羔i ( 2 6 ) ，- 1 i7x ：j 其中，【o ，r 】，r 是雷达最大不模糊距离，而 =兰幢l(2-7rl i - i ， = i 兴1 ) j7x t rj 由于矩不变量的数值随阶数p 指数增长，使得高阶中心矩对噪声非常敏感从而导致特征 的不稳定性，为此将【0 ，r 】归一化到【o ，1 】之间。 利用上述矩方法我们得到距离像的平移不变特征向量 y = 【y l ，儿，y r 】= 【，“2 ，邯】。 ( 2 _ 8 ) 其中，p 是矩特征的最高阶数。选择最高阶数p 因具体问题而定，_ 尸太小的话会造成原 始距离像中所包含的目标特征不能得到充分利用，由于矩特征的冗余使高阶矩特征所含 信息并不太多，因此太大又会造成计算量的浪费。 为了设计分类器，需要构造包含用于训练的各类目标特征向量的数据库。假设有c 类 目标和每类目标有怫，c = l ，c 个训练样本特征，我们有数据库y 如下： 第l o 页 同防科技大学研究生院学位论文 y = y l iy 1 2。m l y 2 iy 2 2 咒 y p ly r 2 。y p l ( 2 9 ) 其中，l = ：_ 为总的训练样本个数。 由于中心矩的幅度随阶数的增加而迅速下降，我们将y 的元素按行变换到区间【o ，l 】 使在分类识别时各阶数矩特征的作用相当，为此，可按下式计算： 夏，：上世( 2 1 0 )= 。 “。 m m “一m “ 其中，m 。= m i n ( y v ) ，y t ，。= m 掣( ) 。这样就得到了规则化的训练数据库霄，记为： y = y l ly 1 2 y 2 1y 2 2 。 ： 。 y e ly e 2 。 ( 2 - 1 1 ) 在测试阶段，我们也需要将测试距离像的矩特征按式( 2 - 1 0 ) 先进行归一化在跟模板匹 配。以上方法由k t k i m 在文献【1 5 1 中提出，它是以散射点特征为原始特征的，在这里 我们将它扩展到距离像为原始特征的情形。关于矩平移不变特征的性能见第三章的实验结 果分析。 第1 l 页 周防科技大学研究生院学位论文 第三章基于核方法的降维特征提取 3 1 引言 目标特征从层次上可以分为三类：物理的，结构的和数学的。在雷达目标识别中，目 标极点、极化散射矩阵、一维距离像以及二维像等都属于物理结构特征，它们从不同的角 度反映着雷达目标的电磁散射特性，它们包含的目标分类信息的多寡也决定着识别系统性 能好坏。一维距离像能够提供目标的距离向结构信息，并且具有易获取和处理的优势，因 此基于一维距离像的识别方法首先得到应用。但是，如前所述，一维距离像自身的不稳定 性决定了直接利用它们来构造自动目标识别系统是非常复杂的。而机器在抽取数学特征的 能力方面很强，数学特征的例子如统计平均值、相关系数、协方差矩阵的本征值及本征向 量等等。此外，在训练样本数不是很多的情况下，用很多特征进行分类器设计，无论从计 算的复杂程度还是分类器性能来看都是不适宜的。因此，研究如何把高维特征空间压缩到 低维特征空间，即提取数学特征，以便有效的进行分类器设计就成为个重要的课题9 1 。 特征选择和提取的基本任务是如何从许多特征中找出最有效的特征。主分量分析 ( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) 和线性判别分析( l i n e a rd i s c r i m i n a n ta n a l y s i s ，l d a ) 是数学特征提取中最为经典、使用最为广泛的两种方法。1 9 9 1 年，s h a w 等采用p c a 对 x p a t c h 数据库中的4 类地面目标在3 0 6 。方位角区间内进行识别取得了较好的识别效果 t 2 0 1 。1 9 9 6 年，z y w e c k 提出了基于l d a 方法的飞机目标一维距离像识别，对澳大利亚 a d a l a i d e 机场起飞时的波音7 2 7 和波音7 3 7 飞机在5 0 。方位角范围内的距离像进行了识别 实验，取得了良好效果“”。 核方法是新近发展起来的可处理非线性问题的一类方法。核主分量分析( k e r n e lp c a ) n 2 1 和核判别分析( k e r n e l l d a ) 吨3 1 把常规的主分量分析和线性判别分析推广到核空间的 情形。它们都具有强大的非线性处理能力，因此能够提取比经典的主分量分析与线性判别 分析方法更为有效的特征。 本章中我们研究如何根据训练样本来选择和提取数学特征。首先简要介绍核方法的基 本原理，然后分析了主分量分析( p c a ) 的降噪原理，核主分量分析( k p c a ) 与核直接 判别分析( k d d a ) 的特征提取能力，并提出了k d d a 的一种改进算法一- a n 权k d d a ， 最后建立用k p c a 和k d d a 提取较大姿态角范围内稳定特征的雷达目标一维距离像识别 框架，并给出四类目标的实测数据进行分类实验的结果。 3 2 核方法简介 核方法是新近发展起来的一类可处理非线性问题的方法，支撑向量机是其成功应用的 一个典型例子。2 5 1 。核方法的基本思想是：通过事先确定的非线性映射将输入向量x 映 射到一个高维的特征空间中，变换了观测样本数据的视角。这样许多在原样本空间用线性 赫1 2 页 曼堕型垫叁兰婴塾兰堕兰堡堡兰 方法难以解决的问题，在高维特征空间中可以用线性的方法轻而易举的完成。而核函数的 引入使得在实际应用中不需要知道映射痧和希尔伯特空间h ，由核函数只需在样本空间中 就能等价计算出特征空间中的内积，即 七( x ，y ) = ( ( x ) ，矽( y ) ) = 庐( x ) t ( y ) ( 3 1 ) 式中( ，) 表示特征空间的内积。这样就无需明确( 显式) 求解非线性映射矽，从而可避免 直接在高维特征空间中的运算所带来的维数灾难问题。由于隐式存在一个非线性映射，这 种在高维特征空间中的线性处理在样本空间看时，却相当