基于空時(shí)融合隱馬爾科夫模型的艦艇編隊(duì)目標(biāo)識(shí)別方法

但 波姜永華李敬軍盧 毅

①(海軍航空工程學(xué)院電子信息工程系 煙臺(tái) 264001)

②(海軍裝備部 成都 610100)

基于空時(shí)融合隱馬爾科夫模型的艦艇編隊(duì)目標(biāo)識(shí)別方法

但 波*①姜永華①李敬軍①盧 毅②

①(海軍航空工程學(xué)院電子信息工程系 煙臺(tái) 264001)

②(海軍裝備部 成都 610100)

基于末制導(dǎo)雷達(dá)搜索艦艇編隊(duì)目標(biāo)時(shí)獲得的目標(biāo)大角域高分辨距離像(HRRP)信息，該文建立了描述單個(gè)HRRP樣本內(nèi)向量之間統(tǒng)計(jì)關(guān)系的“各態(tài)歷經(jīng)”空間隱馬爾可夫模型(SHMM)和描述HRRP樣本之間統(tǒng)計(jì)關(guān)系的“從左到右”時(shí)間隱馬爾可夫模型(THMM)。與對(duì)一類目標(biāo)全方位角訓(xùn)練數(shù)據(jù)只建立一個(gè)THMM模型的方法相比，該方法充分利用目標(biāo)的大角域HRRP信息，提高了識(shí)別性能。通過(guò)對(duì)5類艦船目標(biāo)的仿真和3類民用船只的外場(chǎng)實(shí)測(cè)數(shù)據(jù)分析表明該方法的有效性。

雷達(dá)高分辨距離像；空間隱馬爾可夫模型；時(shí)間隱馬爾可夫模型；編隊(duì)目標(biāo)識(shí)別

1 引言

雷達(dá)高分辨距離像是用寬帶雷達(dá)信號(hào)獲取的目標(biāo)散射點(diǎn)子回波在雷達(dá)視線方向投影的矢量和，它反映了目標(biāo)散射點(diǎn)在距離方向上的分布情況，對(duì)目標(biāo)識(shí)別與分類具有重要意義[1,2]。

隱馬爾可夫模型是一種統(tǒng)計(jì)分析模型，在80年代得到了Bell實(shí)驗(yàn)室Rabiner等人的傳播進(jìn)而在理論上和實(shí)踐上均有了突飛猛進(jìn)的發(fā)展，并進(jìn)一步應(yīng)用到了模式識(shí)別領(lǐng)域，目前已有很多文獻(xiàn)進(jìn)行了相關(guān)研究并取得了一定成效[3?5]。

文獻(xiàn)[6,7]探討了基于單個(gè)雷達(dá)高分辨距離像(High Resolution Range Profile, HRRP)樣本的特征作為觀察序列建立隱馬爾可夫(Hidden Markov Model, HMM)的方法，對(duì)單個(gè)測(cè)試樣本的識(shí)別實(shí)驗(yàn)表明該方法具有較好的識(shí)別性能。但是該方法存在如下不足：

(1)針對(duì)方位角變化為大角域的目標(biāo)時(shí)沒(méi)有充分利用其在時(shí)間維上隱含的目標(biāo)信息；

(2)識(shí)別時(shí)只考慮了單個(gè)測(cè)試樣本，實(shí)際上忽略了部分可利用的樣本數(shù)量。

文獻(xiàn)[8]將等角域劃分后每一幀內(nèi)的多個(gè)HRRP樣本當(dāng)做序列，對(duì)訓(xùn)練樣本序列建立HMM模型。但是該方法存在如下不足：

(1)訓(xùn)練樣本是從一個(gè)近似認(rèn)為符合同一散射點(diǎn)模型中抽樣得到，因此假設(shè)抽樣后的樣本間是獨(dú)立同分布并不合理；

(2)采用RELAX方法提取目標(biāo)HRRP散射中心幅度、位置參數(shù)作為特征，但是這種特征對(duì)噪聲和目標(biāo)閃爍很敏感，而且其最終識(shí)別結(jié)果與指定的強(qiáng)散射點(diǎn)個(gè)數(shù)有關(guān)；

(3)需要訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)采樣率一致，這一點(diǎn)很難滿足。

文獻(xiàn)[9,10]將等角域分幀處理后的多幀樣本當(dāng)做序列，對(duì)全方位訓(xùn)練樣本序列建立HMM模型。其中，文獻(xiàn)[9]中提出的方法存在文獻(xiàn)[8]中的第(2)和第(3)點(diǎn)不足，文獻(xiàn)[10]提出的方法存在文獻(xiàn)[8]中的第(3)點(diǎn)不足。

為了解決上述問(wèn)題，考慮到末制導(dǎo)雷達(dá)在搜索艦艇編隊(duì)目標(biāo)階段可獲得的目標(biāo)大角域角度變化信息，建立了描述單個(gè)HRRP樣本內(nèi)向量之間統(tǒng)計(jì)關(guān)系的“各態(tài)歷經(jīng)”SHMM模型和描述HRRP樣本間統(tǒng)計(jì)關(guān)系的“從左到右”THMM模型，識(shí)別時(shí)對(duì)時(shí)域分類效果不佳的目標(biāo)進(jìn)一步采用基于分層識(shí)別算法的空時(shí)融合HMM模型(Spatial and Temporal Fusion HMM with SHMM, S-STF-HMM)進(jìn)行識(shí)別，最后完成對(duì)整個(gè)編隊(duì)目標(biāo)艦船類型的識(shí)別。

2 問(wèn)題描述及基本定義

2.1 問(wèn)題描述

反艦導(dǎo)彈發(fā)射平臺(tái)的火控雷達(dá)探測(cè)到遠(yuǎn)距離處的一個(gè)艦艇編隊(duì)(如圖1所示)，圖中D為編隊(duì)相鄰艦艇的距離，T1～T5分別代表5種不同類型的艦船。通過(guò)發(fā)射平臺(tái)的火控系統(tǒng)向?qū)椦b訂由火控雷達(dá)探測(cè)到的編隊(duì)目標(biāo)的位置信息。經(jīng)過(guò)導(dǎo)彈自控段飛行后，末制導(dǎo)雷達(dá)在t0時(shí)刻開(kāi)機(jī)，雷達(dá)在其最大搜索區(qū)域搜索一遍，錄入所有探測(cè)到的目標(biāo)信息。t1時(shí)刻為末制導(dǎo)雷達(dá)搜索結(jié)束時(shí)刻，然后利用搜索階段獲取的目標(biāo)信息完成對(duì)目標(biāo)的識(shí)別。

2.2 基本定義

圖1 編隊(duì)隊(duì)形

2.2.1 編隊(duì)隊(duì)形散布圓的定義 將編隊(duì)隊(duì)形的最大外接圓所覆蓋區(qū)域稱為“編隊(duì)隊(duì)形散布圓”，RBD表示其半徑大小。

2.2.2 實(shí)際捕捉坐標(biāo)系 末制導(dǎo)雷達(dá)對(duì)目標(biāo)的實(shí)際捕捉坐標(biāo)系為固定在艦船上的OXYZ坐標(biāo)系。過(guò)編隊(duì)散布圓心O與編隊(duì)運(yùn)動(dòng)方向定義為X軸，Y軸垂直于X軸，OZ軸垂直于OXY構(gòu)成的平面。以圖1所示的環(huán)形編隊(duì)為例，設(shè)其初始航行方向?yàn)?°。設(shè)在末制導(dǎo)雷達(dá)搜索時(shí)刻，編隊(duì)的實(shí)際航向?yàn)棣疲瑒t讓編隊(duì)隊(duì)形繞編隊(duì)隊(duì)形散布圓的圓心旋轉(zhuǎn)角度ζ，導(dǎo)引頭開(kāi)始搜索時(shí)實(shí)際捕捉坐標(biāo)系如圖2所示。

圖2 末制導(dǎo)雷達(dá)實(shí)際捕捉系示意圖

其中，R0為導(dǎo)引頭與編隊(duì)圓心的距離，M和M′分別為導(dǎo)彈t0和t1時(shí)刻在坐標(biāo)系中的投影。vd和vs分別為導(dǎo)彈和艦艇編隊(duì)運(yùn)動(dòng)速度。Δ?為末制導(dǎo)雷達(dá)在搜索過(guò)程中的相對(duì)于編隊(duì)目標(biāo)T1的方位角變化，δ和θ分別為t0和t1時(shí)刻導(dǎo)彈與目標(biāo)T1相對(duì)于導(dǎo)彈運(yùn)動(dòng)方向的夾角，α表示雷達(dá)入射余角，β為雷達(dá)入射方向相對(duì)于編隊(duì)1中心艦船初始航向的方位角，則雷達(dá)入射方向可表示為[11]

在導(dǎo)彈搜索時(shí)間Δt內(nèi)，設(shè)彈目相對(duì)運(yùn)動(dòng)速度為v，以ωm表示導(dǎo)引頭飛行與艦船航行所產(chǎn)生的有效轉(zhuǎn)動(dòng)角速度矢量，它垂直于雷達(dá)視線與彈目相對(duì)速度矢量所構(gòu)成的平面：

(1)由ωm導(dǎo)致的彈目相對(duì)轉(zhuǎn)角變化

假設(shè)導(dǎo)彈飛行速度為300m/s，初始俯仰角αv,ψ=5°(雷達(dá)在搜索階段高度較低)，飛行時(shí)間Δt= 60s，距離編隊(duì)圓心的距離為30 km，艦船航速為30 kn，約15 m/s, β=60°。則艦船航行產(chǎn)生的轉(zhuǎn)角變化為0.021°，由于艦船速度遠(yuǎn)小于導(dǎo)引頭運(yùn)動(dòng)速度，所以該部分轉(zhuǎn)角變化可以忽略。以上分析均針對(duì)編隊(duì)1的中心目標(biāo)，對(duì)其它目標(biāo)分析類似。

(2)導(dǎo)引頭飛行引起的與艦船方位角變化 因?yàn)閷?dǎo)彈的飛行方向是朝向編隊(duì)散布圓的圓心，所以位于編隊(duì)圓心的艦船在導(dǎo)彈飛行過(guò)程中的方位角不會(huì)發(fā)生變化，考慮編隊(duì)圓心外的其它艦船T1。

因?yàn)榫庩?duì)的實(shí)際航向?yàn)棣?，?jīng)推導(dǎo)得到實(shí)際捕

假設(shè)探測(cè)到的ζ=45°,β=80°,Δt=60s。計(jì)算可得方位角變化Δ?=13.62°，初始方位角可表示為λ=δ+β?ζ。其中，δ代表OM構(gòu)成三角形的角，β代表雷達(dá)入射方向相對(duì)于艦船航向的方位角，ζ代表編隊(duì)初始方位角。其中

按照上述假設(shè)條件計(jì)算可得δ=6.32°，此時(shí)獲得的彈目相對(duì)方位角變化范圍為41.31°～54.93°。同理根據(jù)圖1所示的編隊(duì)初始位置及上述分析的具體變換可以推導(dǎo)出其它目標(biāo)的相對(duì)角度變化關(guān)系。經(jīng)推導(dǎo)可得0°≤Δ?≤15.58°，當(dāng)時(shí)對(duì)應(yīng)方位角變化最小為0°,時(shí)對(duì)應(yīng)方位角變化最大為15.58°。

3 空時(shí)HMM建模方法研究

3.1 HRRP時(shí)頻特征提取3.1.1時(shí)域特征 在不發(fā)生越距離單元走動(dòng)(Migration Through Resolution Cell, MTRC)的角度范圍內(nèi)(本文均認(rèn)為為3°)，可認(rèn)為各距離單元的散射點(diǎn)和其復(fù)反射系數(shù)是不變的。目標(biāo)HRRP可用復(fù)向量表示為，其中“T”表示轉(zhuǎn)置運(yùn)算。hn表示第n個(gè)距離單元的子回波，N表示HRRP中距離單元個(gè)數(shù)。

對(duì)HRRP進(jìn)行取模操作即可得到HRRP的時(shí)域特征：

式(7)表示的就是時(shí)域特征，其直觀地反映了目標(biāo)的尺寸和散射點(diǎn)分布等物理結(jié)構(gòu)特性。

3.1.2 頻域特征 對(duì)時(shí)間連續(xù)的實(shí)信號(hào)xT={x(t), t∈T}做快速傅里葉變換可以定義目標(biāo)的頻域特征，其功率譜定義為

其中

3.2 HMM參數(shù)學(xué)習(xí)

傳統(tǒng)的HMM訓(xùn)練前指定隱狀態(tài)總數(shù)的選擇直接影響最終識(shí)別結(jié)果，基于TSB-HMM的識(shí)別方法可避免該問(wèn)題。此方法能在估計(jì)參數(shù)集的同時(shí)，自動(dòng)確定隱狀態(tài)個(gè)數(shù)，較適合于訓(xùn)練數(shù)據(jù)小角域未知“狀態(tài)”的SHMM模型[6]。而對(duì)于訓(xùn)練數(shù)據(jù)大角域的情況，在有限臨近的方位關(guān)系集合中，目標(biāo)散射物理特性變化較緩慢，相應(yīng)的HRRP可近似統(tǒng)計(jì)為平穩(wěn)的。每個(gè)這樣的方位角度集合可抽象為一個(gè)“狀態(tài)”，該狀態(tài)物理意義較為明確。因此，對(duì)SHMM模型參數(shù)的學(xué)習(xí)采用Visual Basic算法[6,12]，而對(duì)Δt=60 s 的仿真條件計(jì)算得到艦艇編隊(duì)各個(gè)目標(biāo)相對(duì)方位角度Δ?的變化如圖3所示。其中，T1艦船的相對(duì)方位角變化Δ?在ζ位于0°～37°及53°～90°時(shí)大于門限值(門限值選定為4°是考慮到建立THMM模型時(shí)需要覆蓋目標(biāo)的多幀角度范圍，而MTRC角度已在第3.1.1節(jié)中設(shè)置為3°)；T2與T4THMM模型參數(shù)的學(xué)習(xí)采用經(jīng)典Baum-Welch算法[9,13]。

3.3 大小角域樣本識(shí)別處理流程

以圖1中環(huán)形編隊(duì)為例，通過(guò)式(5)式及艦艇編隊(duì)初始方位角ζ=0°～90°，間隔為1°, β=80°,艦船的相對(duì)方位角變化Δ?在ζ的整個(gè)變化范圍內(nèi)均大于門限值；T3艦船的相對(duì)方位角變化Δ?在ζ位于0°～31°及59°～90°時(shí)大于門限值；而位于編隊(duì)散布圓圓心的T5的Δ?恒等于0。

圖3 艦艇編隊(duì)各個(gè)目標(biāo)相對(duì)方位角度Δ?的變化

3.3.1 小角域樣本識(shí)別處理流程 針對(duì)小角域目標(biāo)直接對(duì)不發(fā)生MTRC角度范圍內(nèi)的每幀的距離像樣本進(jìn)行非相干平均后依次建立SHMM模型，這樣若對(duì)于每個(gè)目標(biāo)0°～180°方位角范圍進(jìn)行建模，每類目標(biāo)需要建立60個(gè)基于時(shí)域特征的SHMM模型和60個(gè)基于頻域特征的SHMM模型。識(shí)別時(shí)如果待識(shí)別目標(biāo)是運(yùn)動(dòng)的，此時(shí)可以獲知其起始方位角和方位角的變化范圍，然后將小角域的多個(gè)測(cè)試樣本進(jìn)行非相干平均后輸入對(duì)應(yīng)SHMM模型進(jìn)行匹配識(shí)別，從而減少匹配識(shí)別的運(yùn)算量；如果待識(shí)別目標(biāo)是靜止的，則直接將小角域的多個(gè)測(cè)試進(jìn)行非相干平均后輸入SHMM模型進(jìn)行匹配，通過(guò)輸出最大似然概率判斷測(cè)試樣本所屬目標(biāo)類型。

3.3.2 大角域樣本識(shí)別處理流程 針對(duì)大角域目標(biāo)的THMM建模首先將獲得的角域按照MTRC進(jìn)行幀劃分，對(duì)每幀的樣本進(jìn)行非相干平均處理作為大角域THMM建模的序列。同時(shí)每幀內(nèi)獲得的非相干平均樣本用作小角域SHMM模型建模。然后可將建立THMM模型需要的角度范圍可設(shè)定為6°,9°, 12°和15°(按照3.3節(jié)中分析，15°足以反映目標(biāo)的最大方位角變化)，對(duì)每個(gè)目標(biāo)0°～180°方位角范圍進(jìn)行THMM建模，每類目標(biāo)需要建立230個(gè)基于時(shí)域特征的THMM模型和230個(gè)基于頻域特征的THMM模型，這在測(cè)試數(shù)據(jù)進(jìn)行識(shí)別時(shí)的運(yùn)算量是相當(dāng)大的。如果待識(shí)別目標(biāo)是運(yùn)動(dòng)的，則可以獲知其起始方位角和方位角的變化范圍，這時(shí)可以利用獲得的方位角變化范圍減小3/4的計(jì)算量，同時(shí)，可以利用起始方位角進(jìn)一步限制搜索的HMM模型的起始方位，從而大量降低匹配的計(jì)算量。

設(shè)對(duì)于方位角變化為大角域采用STF-HMM模型得到的一次識(shí)別結(jié)果為Γ。首先將大角域和小角域的識(shí)別結(jié)果(判斷正確為1，錯(cuò)誤為0)權(quán)重等概率設(shè)置，即大角域權(quán)重設(shè)置為0.5，對(duì)于劃分成的小角域權(quán)重設(shè)置為0.5/Mc, Mc為大角域劃分成小角域包含的幀數(shù)目，然后綜合大小角域的樣本識(shí)別結(jié)果，若?！?.5，則認(rèn)為該次為正確判別，否則為錯(cuò)誤判別。這樣認(rèn)為只要大角域判斷正確，或者小角域全部判斷正確，則認(rèn)為該次的識(shí)別是正確的。

對(duì)于非合作目標(biāo)時(shí)，由于目標(biāo)的有意非一致運(yùn)動(dòng)，會(huì)造成編隊(duì)隊(duì)形一定程度的扭曲，對(duì)于目標(biāo)的角域信息獲取也會(huì)發(fā)生較大改變，此時(shí)可按照3.3.1節(jié)所述的小角域樣本識(shí)別處理流程對(duì)目標(biāo)進(jìn)行識(shí)別，只需少數(shù)幾個(gè)測(cè)試樣本進(jìn)行非相干平均后輸入對(duì)應(yīng)SHMM模型即可進(jìn)行匹配識(shí)別。

3.4 基于S-STF-HMM的雷達(dá)目標(biāo)識(shí)別步驟

(1)訓(xùn)練階段

步驟1 采用等間隔角域劃分方法來(lái)確定整段訓(xùn)練數(shù)據(jù)的方位幀，并認(rèn)為在方位幀范圍內(nèi)可以忽略散射點(diǎn)MTRC效應(yīng)，將訓(xùn)練樣本進(jìn)行能量歸一化和包絡(luò)對(duì)齊；

步驟2 采用3.1.1節(jié)以及3.1.2節(jié)提出的方法分別提取目標(biāo)的時(shí)域特征及頻域特征；

步驟3 對(duì)距離像樣本進(jìn)行幀內(nèi)非相干平均后依次建立幀內(nèi)基于時(shí)域和頻域的SHMM，按照3.2節(jié)學(xué)習(xí)模型參數(shù)；

步驟4 對(duì)距離像樣本進(jìn)行幀內(nèi)非相干平均后依次建立幀間基于時(shí)域和頻域的THMM，按照3.2節(jié)學(xué)習(xí)模型參數(shù)，幀間角度范圍取為3°；

步驟5 保存訓(xùn)練完后的模型參數(shù)，建立訓(xùn)練模板庫(kù)。

(2)測(cè)試階段

步驟1 對(duì)測(cè)試樣本數(shù)據(jù)進(jìn)行預(yù)處理，包括包絡(luò)對(duì)齊及能量歸一化等操作；

步驟2 采用3.1.1節(jié)以及3.1.2節(jié)提出的方法分別提取目標(biāo)的時(shí)域特征及頻域特征；

步驟3 針對(duì)小角域與大角域樣本，分別按照

3.3.1 節(jié)與3.3.2節(jié)的方法，采用基于時(shí)域特征的SSTF-HMM模型對(duì)目標(biāo)進(jìn)行分類；

步驟4 對(duì)于時(shí)域特征分類效果不佳的情況，采用基于分層算法的S-STF-HMM模型對(duì)測(cè)試樣本進(jìn)行重新分類，最后綜合編隊(duì)所有目標(biāo)的識(shí)別結(jié)果完成對(duì)編隊(duì)目標(biāo)的整體識(shí)別。

4 仿真實(shí)驗(yàn)與分析

4.1 仿真實(shí)驗(yàn)數(shù)據(jù)分析

本文首先采用某電磁仿真軟件仿真計(jì)算了某型瀕海戰(zhàn)斗艦、某型護(hù)衛(wèi)艦A(Frigate A, FRA)、某型護(hù)衛(wèi)艦B(Frigate B, FRB)和某型驅(qū)逐艦和某型航母一共五類艦船目標(biāo)的轉(zhuǎn)臺(tái)數(shù)據(jù)。為了增加對(duì)同型護(hù)衛(wèi)艦的識(shí)別難度，將FRB的模型參數(shù)進(jìn)行了縮放，并和FRA的尺寸參數(shù)保持一致。其中，瀕海戰(zhàn)斗艦長(zhǎng)127.5 m，寬31.2 m，高32.5 m；護(hù)衛(wèi)艦長(zhǎng)98.8 m，寬9.8 m，高27.3 m；驅(qū)逐艦長(zhǎng)135.8 m，寬14.6 m，高26.4 m；航母長(zhǎng)253.9 m，寬49.7 m，高62.4 m。仿真采用的方位角為0°～360°(0°為正對(duì)船頭方向，順時(shí)針?lè)较驗(yàn)榉轿唤窃黾臃较?，掠射角為0°，單次樣本按0.1°等方位角間隔產(chǎn)生。雷達(dá)參數(shù)為中心頻率10 GHz，脈沖重復(fù)頻率為2000 Hz，信號(hào)帶寬為150 MHz。

按照等間隔角域劃分方法以3°間隔對(duì)每類目標(biāo)進(jìn)行等角域劃分，對(duì)每類目標(biāo)每幀范圍內(nèi)分別抽取20個(gè)樣本作為訓(xùn)練數(shù)據(jù)。將艦船編隊(duì)初始方位角為ζ=0°～90°，間隔變化為1°的情況下，艦船編隊(duì)目標(biāo)按照式(5)計(jì)算得到的方位角度變化作為測(cè)試數(shù)據(jù)。其中設(shè)定編隊(duì)目標(biāo)的之間的距離D=5km，雷達(dá)入射方向相對(duì)于艦船航向的方位角β=80°，導(dǎo)彈飛行時(shí)間Δt=60 s ，設(shè)定SHMM的隱狀態(tài)個(gè)數(shù)I的初始值為30。

4.2 基于時(shí)頻域特征及分層算法的S-STF-HMM實(shí)驗(yàn)結(jié)果及分析

以編隊(duì)1為例進(jìn)行分析，假設(shè)T1和T3目標(biāo)分別為FRA和FRB, T2目標(biāo)為瀕海戰(zhàn)斗艦，T4目標(biāo)為驅(qū)逐艦，T5目標(biāo)為航母。按照4.1節(jié)設(shè)置的仿真條件，這樣訓(xùn)練數(shù)據(jù)一共包括20×600=12000個(gè) HRRP。按照3.3節(jié)分析可知T5目標(biāo)方位角度變化恒等于0°，因此此處采用SHMM對(duì)T5目標(biāo)進(jìn)行識(shí)別，而對(duì)于T1～ T4艦船當(dāng)方位角變化大于門限值的時(shí)候采用STF-HMM模型，小于門限值的時(shí)候采用SHMM模型。

對(duì)T1～ T5目標(biāo)HRRP的時(shí)頻特征識(shí)別的混淆矩陣如表1所示。

由表1可知，在針對(duì)T1和T3目標(biāo)時(shí)，時(shí)域特征的識(shí)別效果更好；而針對(duì)T2和T4目標(biāo)時(shí)，頻域特征的識(shí)別效果更好；針對(duì)T5目標(biāo)，時(shí)域與頻域特征的識(shí)別效果相近。因此，為進(jìn)一步提高編隊(duì)目標(biāo)的整體識(shí)別率，采用分層識(shí)別的方法對(duì)上述測(cè)試樣本重新進(jìn)行識(shí)別[6]。對(duì)時(shí)域特征判斷為T1和T3目標(biāo)的直接作為識(shí)別結(jié)果，而判斷為T2和T4的目標(biāo)采用頻域特征重新判斷，并將新的結(jié)果作為最終結(jié)果，分層識(shí)別結(jié)果如表2所示。

表1 基于時(shí)頻特征識(shí)別的S-STF-HMM識(shí)別結(jié)果(%)

由表2可知分層識(shí)別算法進(jìn)一步提高了編隊(duì)目標(biāo)的平均識(shí)別率。

4.3 算法運(yùn)算量分析

仿真實(shí)驗(yàn)采用硬件平臺(tái)CPU主頻為3.4 GHz、內(nèi)存為16 GB的計(jì)算機(jī)，軟件平臺(tái)是Matlab2009，算法耗時(shí)采用cputime函數(shù)計(jì)算得到。

表2 基于分層識(shí)別算法的S-STF-HMM識(shí)別結(jié)果(%)

首先，需要對(duì)艦船目標(biāo)全方位角建立匹配識(shí)別時(shí)所需要的HMM模型數(shù)據(jù)庫(kù)。按照每幀樣本數(shù)目不同，采用4.3.1節(jié)中的仿真算法訓(xùn)練時(shí)間如表3所示。t1和t2分別表示基于時(shí)域特征和頻域特征的SSTF- HMM數(shù)據(jù)庫(kù)訓(xùn)練時(shí)間。由表3可知，隨每幀樣本數(shù)據(jù)增加，訓(xùn)練HMM模型數(shù)據(jù)庫(kù)的時(shí)間均有所增加，這是因?yàn)橛?xùn)練模型時(shí)樣本數(shù)增加會(huì)增加算法收斂的迭代時(shí)間。對(duì)于兩種方法在每幀樣本數(shù)目一致情況下，基于頻域特征的S-STF-HMM方法訓(xùn)練時(shí)間比基于時(shí)域特征的S-STF-HMM方法要少一半，這是因?yàn)楣β首V是實(shí)對(duì)稱的，可將原特征向量維數(shù)降低一半，減少運(yùn)算量。

基于時(shí)域特征的S-STF-HMM方法平均識(shí)別時(shí)間為0.32 s，基于頻域特征的S-STF-HMM方法平均識(shí)別時(shí)間為0.19 s，基于分層算法的S-STF-HMM方法平均識(shí)別時(shí)間最長(zhǎng)為0.39 s，這是因?yàn)樽R(shí)別時(shí)進(jìn)行了二次匹配。基于分層算法的BS-STF-HMM方法平均識(shí)別時(shí)間最短為0.11 s，這是因?yàn)樽R(shí)別時(shí)匹配的HMM模型數(shù)量相對(duì)最小。

表3 基于時(shí)域特征和頻域特征的S-STF-HMM數(shù)據(jù)庫(kù)訓(xùn)練時(shí)間(s)

為了驗(yàn)證本文提出的S-STF-HMM識(shí)別方法的有效性，通過(guò)對(duì)海實(shí)測(cè)數(shù)據(jù)進(jìn)行了進(jìn)一步驗(yàn)證。

4.4 實(shí)測(cè)實(shí)驗(yàn)數(shù)據(jù)處理及說(shuō)明

本文通過(guò)雷達(dá)測(cè)量獲取一種小型貨船和兩種大型客船的實(shí)測(cè)數(shù)據(jù)，雷達(dá)測(cè)量系統(tǒng)工作頻率為X波段，波形采用線性調(diào)頻方式，距離分辨率為7.3 m，采樣頻率為40 MHz?？痛?長(zhǎng)164 m，寬26 m，吃水深度6 m；客船2長(zhǎng)164 m，寬25 m，吃水深度6 m；貨船長(zhǎng)98 m，寬21 m，吃水深度3.9 m。

文中對(duì)3種船型數(shù)據(jù)的數(shù)據(jù)是分時(shí)錄入的。對(duì)客船1某兩次天線掃描圖如圖4所示。

圖4 客船1某兩個(gè)時(shí)刻的回波掃描圖

圖4中圓圈所示為本文關(guān)注的客船1目標(biāo)，且隨時(shí)間推移距離雷達(dá)越來(lái)越遠(yuǎn)，方位角也不斷發(fā)生變化，因此獲得的距離像存在距離平移。

通過(guò)多次測(cè)量和處理同型客船進(jìn)出港后選取3種船型俯仰角0°、方位角180°～360°的HRRP樣本作為測(cè)試數(shù)據(jù)，客船方位角間隔0.5°，貨船方位角間隔0.1°，距離單元數(shù)均為61。仍按3°間隔建立SHMM模型，其中對(duì)客船目標(biāo)和貨船目標(biāo)每幀范圍分別抽取4個(gè)和20個(gè)樣本作為訓(xùn)練數(shù)據(jù)，建立THMM模型時(shí)方位角分別取6°,9°,12°和15°間隔。

為測(cè)試方位角范圍及建立THMM模型方位角間隔對(duì)識(shí)別率的影響，選取的樣本為3種船型單次進(jìn)港時(shí)俯仰角0°、方位角分別為180°～240°, 240°～300°和300°～360°，方位角采樣間隔客船為0.5°，貨船為0.1°。分別以6°,9°,12°和15°間隔數(shù)據(jù)作為3種船型獲得的大角域方位角數(shù)據(jù)間隔，3類目標(biāo)測(cè)試樣本處理后總數(shù)為630個(gè)，同時(shí)選取的測(cè)試數(shù)據(jù)基本包含了目標(biāo)訓(xùn)練時(shí)各種方位角的情況。

4.5 實(shí)測(cè)數(shù)據(jù)分析

識(shí)別實(shí)驗(yàn)的平均結(jié)果如表4所示。ζ代表測(cè)試樣本方位角度范圍，ε代表方位角數(shù)據(jù)間隔，P代表固定方位角及固定方位角間隔下3類船型的平均識(shí)別率，Pa代表固定方位角及不同方位角間隔下3類船型的平均識(shí)別率。由表3可知，隨目標(biāo)方位角間隔增加，識(shí)別率呈增加趨勢(shì)。位于艦船頭與尾的平均識(shí)別率要高于位于艦船側(cè)翼的識(shí)別率，這是因?yàn)樵谖挥谂灤^部與尾部的方位角度下，艦船距離像長(zhǎng)度較長(zhǎng)，反映了目標(biāo)更為精細(xì)的結(jié)構(gòu)信息，此時(shí)目標(biāo)之間的可分性較優(yōu)。

5 結(jié)束語(yǔ)

本文針對(duì)末制導(dǎo)雷達(dá)在搜索目標(biāo)階段對(duì)編隊(duì)目標(biāo)可獲得的大角域信息，提出了一種基于時(shí)域和頻域特征的分層識(shí)別S-STF-HMM方法。該方法有效利用目標(biāo)在小角域范圍內(nèi)空間維上隱含信息及目標(biāo)在大角域范圍內(nèi)時(shí)間維上隱含信息。與對(duì)一類目標(biāo)全方位角訓(xùn)練數(shù)據(jù)只建立一個(gè)THMM的方法相比，本文提出的方法可提高識(shí)別性能，通過(guò)對(duì)5類艦船目標(biāo)的仿真和3類民用船只的外場(chǎng)實(shí)測(cè)數(shù)據(jù)分析表明該方法是有效的。

表4 基于S-STF-HMM模型不同方位角數(shù)據(jù)間隔下3類船型的平均識(shí)別率

[1] Bai Xue-ru, Feng Zhou, and Bao Zheng. High-resolution radar imaging of space targets based on HRRP series[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 7(3): 1-13.

[2] 郭尊華, 李達(dá), 張伯彥. 雷達(dá)高距離分辨率一維像目標(biāo)識(shí)別[J].系統(tǒng)工程與電子技術(shù), 2013, 35(1): 53-60.

Guo Zun-hua, Li Da, and Zhang Bo-yan. Survey of radar target recognition using one-dimensional high rangeresolution profiles[J]. Systems Engineering and Electronics, 2013, 35(1): 53-60.

[3] Tugac S and Efe M. Radar target detection using hidden markov models[J]. Progress in Electromagnetic Research B, 2012, 43(3): 241-259.

[4] Tugac S and Efe M. Hidden Markov model based target detection[C]. Proceedings of the 13th International Conference on Information Fusion, Edinburgh, England, 2010: 1-7.

[5] 郭武, 朱明明, 楊紅兵. 基于隱馬爾科夫模型的RCS識(shí)別方法研究[J]. 現(xiàn)代雷達(dá), 2013, 35(3): 37-40.

Guo Wu, Zhu Ming-ming, and Yang Hong-bing. A study on RCS recognition method of radar targets based on hidden markov model[J]. Modem Radar, 2013, 35(3): 37-40.

[6] 潘勉, 王鵬輝, 杜蘭, 等. 基于TSB-HMM模型的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法[J]. 電子與信息學(xué)報(bào), 2013, 35(7): 1547-1554.

Pan Mian, Wang Peng-hui, Du Lan, et al.. Radar HRRP target recognition based on truncated stick-breaking hidden Markov model[J]. Journal of Electronics & Information Technology, 2013, 35(7): 1547-1554.

[7] 潘勉. 雷達(dá)高分辨距離像目標(biāo)識(shí)別技術(shù)研究[D]. [博士論文],西安: 西安電子科技大學(xué), 2013.

Pan Mian. Study on target recognition technology based on high range resolution profile[D]. [Ph.D. dissertation], Xi,an: Xidian University, 2013.

[8] 裴炳南, 保錚. 基于目標(biāo)散射中心和HMM分類的多視角雷達(dá)目標(biāo)識(shí)別方法[J]. 電子學(xué)報(bào), 2003, 31(5): 786-789.

Pei Bing-nan and Bao Zheng. Multi-aspect radar target recognition method based on scattering centers and HMMs classifiers[J]. Acta Electronica Sinica, 2003, 31(5): 786-789.

[9] Liao Xue-jun, Paul R, and Lawrence C. Identification of ground targets from sequential high-range-resolution radar signatures[J]. IEEE Transactions on Aerospace and Electronic Systems, 2002, 38(4): 1230-1242.

[10] 張新征, 黃培康. 基于聯(lián)合時(shí)頻特征和HMM的多方位SAR目標(biāo)識(shí)別[J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(4): 712-717.

Zhang Xin-zheng and Huang Pei-kang. Multi-aspect SAR target recognition based on combined time-frequency feature and HMM[J]. Systems Engineering and Electronics, 2010, 32(4): 712-717.

[11] 任艷, 杜琳琳, 陳曾平. 基于末制導(dǎo)雷達(dá)的海面艦船ISAR成像轉(zhuǎn)角分析[J]. 宇航學(xué)報(bào), 2011, 32(2): 401-406.

Ren Yan, Du Lin-lin, and Chen Zeng-ping. Analysis of rotation angle condition in ship target ISAR imaging based on terminally guided missile-borne radar[J]. Journal of Astronautics, 2011, 32(2): 401-406.

[12] Du Lan, Wang Peng-hui, and Liu Hong-wei. Bayesian spatiotemporal multitask learning for radar HRRP target recognition[J]. IEEE Transactions on Signal Processing, 2011, 59(7): 3182-3196.

[13] 劉伶俐, 王朝立, 于震. CHMM語(yǔ)音識(shí)別初值選擇方法的研究[J]. 上海理工大學(xué)學(xué)報(bào), 2012, 34(4): 323-326.

Liu Ling-li, Wang Chao-li, and Yu Zhen. Study of initial value selection method for speech recognition based on continuous hidden markov models[J]. Journal of University of Shanghai for Science and Technology, 2012, 34(4): 323-326.

但 波： 男，1985年生，博士生，研究方向?yàn)榉磁瀸?dǎo)彈目標(biāo)識(shí)別與選擇技術(shù).

姜永華： 男，1957年生，碩士，教授，研究方向?yàn)榫_制導(dǎo)技術(shù).

李敬軍： 男，1982年生，博士生，研究方向?yàn)槔走_(dá)信號(hào)設(shè)計(jì)與處理.

盧 毅： 男，1981年生，博士生，工程師，研究方向?yàn)槟繕?biāo)識(shí)別與選擇技術(shù).

Ship Formation Target Recognition Based on Spatial and Temporal Fusion Hidden Markov Model

Dan Bo①Jiang Yong-hua①Li Jing-jun①Lu Yi②

①(Department of Electronic Information Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China)

②(Navy Armament Department, Chengdu 610100, China)

Based on the target large angle domain High Resolution Range Profile (HRRP) information of the ship formation obtained by the terminal guidance radar during its search phase, this study establishes an “ergodic”Spatial Hidden Markov Model (SHMM) which describes statistical relationship between the vectors in a single HRRP sample and a “l(fā)eft to right” Temporal HMM (THMM) which describes statistical relationship between HRRP samples. In comparison with the method that it only establishes a THMM model with the training data of all-round angle of one target, the proposed method makes full use of the target HRRP information of large angle domain and can improve the recognition performance. Through the simulation of the five types of ship target and the field measured data analysis of three kinds of civilian vessels show that the effectiveness of the proposed method.

Radar High Resolution Range Profile (HRRP); Spatial Hidden Markov Model (SHMM); Temporal Hidden Markov Model (THMM); Formation target recognition

TN957.51

： A

：1009-5896(2015)04-0926-07

10.11999/JEIT140589

2014-05-08收到，2014-09-12改回

上海市科學(xué)技術(shù)委員會(huì)資助課題(11DZ2260800)和省部級(jí)基金資助課題

*通信作者：但波 lovelyn19841204@163.com