雷达目标识别技术(刘宏伟)

雷达目标识别技术刘宏伟[e-mail]雷达信号处理国防科技重点实验室雷达信号处理试验室雷达信号处理试验室2004年6月内容简介一、引言研究意义、应用、国外研究概况、基本方法及技术路线。二、雷达高分辨距离像（HRRP）特性目标散射点模型、目标姿态敏感性、平移敏感性及幅度敏感性。三、特征提取与选择方法四、雷达目标识别算法最大相关系数方法、最大似然分类器、隐马尔可夫模型（HMM）分类器、支持向量机（SVM）分类器、五、雷达目标识别技术工程实现雷达信号处理试验室雷达信号处理试验室2004年6月一、引言1、研究内容判断目标属性—分层次（classification,recognition&identification)——新兴学科2、研究意义满足现代高技术战争的需要，是雷达智能化、信息化的重要技术支撑手段。RADAR(RadioDetectionandRanging)——advancedsignalprocessing(MTI/MTD,arraysignalprocessing)——automaticdetection,CFAR(constantfalsealarmrate)detector——widebandradartechniquemoreaccurate,morepowerful——moresmart雷达信号处理试验室雷达信号处理试验室2004年6月一、引言（续）3、应用方向（1）指挥自动化（2）防空反导（真假目标）（3）情报获取（4）精确制导（5）预警探测（6）战场侦察（地下目标、隐蔽目标)（7）敌我识别爱国者导弹不分敌我就开火(2004-02-24)　　（联合早报网讯）哥伦比亚广播公司（ＣＢＳ）新闻网十九日报道，美国的爱国者反导弹系统问题多多，不分敌我且命中率极低，最多只有一成。　　ＣＢＳ当天的“六十分钟”节目中说，美国政府已经花费六十多亿美元在爱国者导弹系统上，然而这种系统还是盲目不分敌我，一年来，十二次接战，可是其中三次是以友机为目标，结果干掉美、英两国三名飞行员。　　　报道说，在从97年开始的测试中，美军都发现爱国者敌我不分的严重问题，其中一次，如果是实弹射击，恐怕整队四机编队的Ｆ十六全都被干掉。　雷达信号处理试验室雷达信号处理试验室2004年6月一、引言（续）4、国外研究概况（1)、美国*1986：列为20项国防关键技术之一*SHARP:Systems-OrientedHighRangeResolution(HRR)AutomaticRecognitionProgram/AFRL*MSTAR:Movingandstationarytargetsacquisitionandrecognition/DARPA(2)、俄罗斯等雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月美国捕食者（predator)无人机雷达信号处理试验室雷达信号处理试验室2004年6月MSTAR目标库Model-basedapproachinMSTARMSTARTeam5、主要技术路线雷达信号处理试验室雷达信号处理试验室2004年5月6雷达信号处理试验室雷达信号处理试验室2004年月1、基于低分辨率雷达信号极点、谐振频率、极化信息、回波波形等2、基于高分辨率雷达信号Highresolutionrangeprofile(HRRP)targetISARimagestargetSARimages3、两者结合雷达信号处理试验室雷达信号处理试验室6、雷达目标识别基本框架训练数据预处理特征提取特征选择识别器训练训练过程数据获取预处理特征提取特征选择识别器判决工作过程（测试过程）雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月ATR基本方法PatternRecognitioniiwxrr−min()nxxL,1Data()()()NnNNnnxxwxxwxxwLrMLrLr,,,122121111===TemplatesFeatureVectorsFeaturerobustness,selection;FixedtemplatesTemplateMatching[]2min∫∫−iigfLimitations:Massivestorage;Fixedtemplates;Amplitude,noisesensitiveDataTemplatesModel-based()()xyxrrrPredictor,distminData{}nxxrLr,1IndexingPredictor{}{}mmnmnxxxxrLrMrLr,,1111MassivecomputationalrequirementsmHypoHypo1M7、雷达目标识别评价指标1、识别性能——averageclassificationrate2、推广能力——generalizationperformance3、拒判能力——rejectioncapability4、计算量——computationcomplexity雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月二、雷达HRRP特性目标散射模型：几何绕射理论（GTD)⋅−⋅−=∑=cRjLcjasnnnnNncnnωφωγφφωωωφωα2exp)sinexp()(sinc),(1其中分别为信号频率和中心频率，表征散射中心的表面弯曲程度，表示散射中心的长度，分别为目标的方位角和散射点的走向，为散射中心的散射强度，为散射中心到雷达的距离。表征散射点截面积和目标姿态角的关系。cωω,nαnLnφφ,nanRnγ雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月简单散射点模型若散射中心为简单的孤立散射点，则，GTD模型等效于0===nnnLγα距离单元)22exp()2()(1cRfjcRitsaixncNnnnπ−−⋅∆=∑=其中i为HRRP距离单元序号。N为该距离单元中散射点的个数。fc为载频，Rn为第n个散射点距雷达的径向距离。雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP姿态敏感性1、散射点越距离单元走动——MTRC（motionthroughresolutioncells）转角限制BLc2=δθ其中B为信号带宽，L为目标横向尺寸。雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP姿态敏感性（续）2、HRRP闪烁——speckle雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP特性（续）2、平移敏感性解决方法：相关匹配、平移不变特征提取3、幅度敏感性解决方法：幅度归一化雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室雷达信号处理试验室2004年6月三、特征提取与选择方法特征提取(featureextraction):原始数据域特征域特征选择(featureselection):高维特征低维特征雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP特征提取方法1、距离像特征幂变换（powertransformation):平均距离像：可提高方位稳定性10=vxyvnn雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP特征提取方法2、谱域特征)(tx)(τ−tx)(ωX)exp()(ωτωjΧ−vnxfftF))((=)()()(),(~21*2121ωωωωωω+ΧΧΧ=Χ1ω2ω()()()()()==+=∫αααωωαωαααriirIIRIBdXjIIIarctan)(),(~11111),(~)(ωωωωdXAIB∫=θθ∫=drXrCIB),(~)(3、双谱特征(1)径向积分双谱（2）轴向积分双谱（3）圆周积分双谱（4）选择双谱Xian-DaZhang,，YuShi,andZhengBao,ANewFeatureVectorUsingSelectedBispectraforSignalClassificationWithApplicationinRadarTargetRecognition，IEEETRANSACTIONSONSP，VOL.49,NO.9,SEPTEMBER2001雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP特征提取方法4、高阶谱特征定义：内积：欧氏距离：（1）（2）*平均距离像的高阶谱识别性能优于单次距离像的高阶谱。雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP特征提取方法（续）5、中心矩特征（centralmomentfeature):∑==Nnnxnxnp1)()()(LlnpmnmnnpmNnllNn...3,2)()()(1111=−==∑∑==6、散射点特征：scatterersposition&litude,statisticalpropertyofscatterersposition&litude(relaxalgorithm,matchingpursuit))exp()2()(1ϕjcRitsaixNnnn∑=−⋅∆=雷达信号处理试验室雷达信号处理试验室2004年6月雷达HRRP特征提取方法（续）7、线性预测编码（LPC）特征——AR模型系数特征信号模型系数求解其中∑=−=Kkkknxanx1)()(ˆ=−−−−)(...)2()1(...)0(...)2()1(............)2(...)0()1()1(...)1()0(21KRRRaaaRKRKRKRRRKRRRK∑−−=+=kNmkmxmxkR10)()()(雷达信号处理试验室雷达信号处理试验室2004年6月特征选择方法——非监督类方法（unsupervised）•K－L变换（Karhunen-Loevetransform):将特征向量展开：近似：均方误差：代价函数：对ui求导：均方误差：11==∑=iTiIiiiuuuaXIDuaXDiii≤=∑=1)[][]TIDiiTiTXXERRuuXXXXE==−−=∑+=1)()())ξ[]1)(11−−=∑∑+=+=iTiIDiiIDiiTiuuRuuugλIDiuIRii,.....,1,0)(+==−λ∑+==IDii1λξ雷达信号处理试验室雷达信号处理试验室2004年6月K－L变换（Karhunen-Loevetransform)特征映射：[]TDaaaX,...,21→其它非监督类特征选择方法：principalcomponentanalysis(PCA),independentcomponentanalysis(ICA),etc.雷达信号处理试验室雷达信号处理试验室2004年6月特征选择方法——监督类方法（supervised）•FisherDiscriminantAnalysis(FDAorLDA)假设特征间相互独立c类目标，N维特征：第n个特征分量的Fisher判决率(Fisherdiscriminantratio):雷达信号处理试验室雷达信号处理试验室2004年6月11()()KiikknxnKµ==∑1,2,,nN=L1,2,,ic=L()2211()()()1KiikiknxnnKσµ==−−∑()2221()()()()()ccijijiijnnFDRnnnµµσσ=≠−=+∑∑05010015020025000.20.40.60.81特征分量n权值(0)()wn特征选择方法——监督类方法（sup