句彥偉,張仕元
(南京電子技術(shù)研究所, 南京 210039)
·總體工程·
反導(dǎo)系統(tǒng)與目標(biāo)識(shí)別技術(shù)發(fā)展綜述
句彥偉,張仕元
(南京電子技術(shù)研究所, 南京 210039)
彈道導(dǎo)彈目標(biāo)識(shí)別是導(dǎo)彈防御系統(tǒng)中的核心問(wèn)題之一,直接關(guān)系到彈道導(dǎo)彈防御的成敗。文中首先對(duì)世界上先進(jìn)的反導(dǎo)防御系統(tǒng)特點(diǎn)和典型裝備進(jìn)行了介紹,然后對(duì)雷達(dá)反導(dǎo)目標(biāo)識(shí)別中使用的各種特征提取、識(shí)別算法及策略進(jìn)行綜述,最后對(duì)彈道目標(biāo)識(shí)別技術(shù)重要發(fā)展方向進(jìn)行展望,并指出彈道目標(biāo)識(shí)別技術(shù)是一項(xiàng)長(zhǎng)期的系統(tǒng)工程。
反導(dǎo)系統(tǒng);特征提取;目標(biāo)識(shí)別
彈道導(dǎo)彈具有重大的戰(zhàn)略、戰(zhàn)術(shù)威懾作用,已經(jīng)成為影響世界政治格局、左右戰(zhàn)場(chǎng)態(tài)勢(shì),甚至決定戰(zhàn)爭(zhēng)勝負(fù)的重要因素。當(dāng)前世界各國(guó)競(jìng)相研制和發(fā)展了多種射程、高精度、大威力彈道導(dǎo)彈,彈道導(dǎo)彈的發(fā)展呈擴(kuò)散態(tài)勢(shì)。美國(guó)已構(gòu)建了世界上最為先進(jìn)的反導(dǎo)防御體系,雖然該體系仍在不斷發(fā)展之中,但其龐大的規(guī)模、復(fù)雜的測(cè)量體系、完整的測(cè)試手段是反導(dǎo)目標(biāo)識(shí)別技術(shù)的典范??v觀美國(guó)彈道導(dǎo)彈防御系統(tǒng)發(fā)展,美國(guó)彈道導(dǎo)彈防御系統(tǒng)主要呈現(xiàn)出兩個(gè)特點(diǎn):一是多傳感器多平臺(tái)的多元化反導(dǎo),二是網(wǎng)絡(luò)化作戰(zhàn)路線。美國(guó)的彈道導(dǎo)彈防御系統(tǒng)包括地基雷達(dá)、?;走_(dá)、天基紅外、機(jī)載預(yù)警雷達(dá)等手段,雷達(dá)波段涵蓋了P、L、S、X等頻段[1-2]。2002年,美國(guó)在彈道導(dǎo)彈防御系統(tǒng)中提出了指揮控制、作戰(zhàn)管理和通信(C2BMC)項(xiàng)目,可以看出美國(guó)正朝著彈道導(dǎo)彈防御系統(tǒng)(BMDS)網(wǎng)絡(luò)化作戰(zhàn)方向發(fā)展。C2BMC系統(tǒng)具有協(xié)同謀劃、危機(jī)時(shí)刻的規(guī)劃和預(yù)先態(tài)勢(shì)感知能力,并能融合整個(gè)BMDS中所有信息,形成當(dāng)前的交戰(zhàn)態(tài)勢(shì)以便準(zhǔn)確進(jìn)行指揮決策。在導(dǎo)彈飛行的全過(guò)程,在各種空基、?;㈥懟走_(dá)的配合下,天基紅外系統(tǒng)STSS能實(shí)現(xiàn)對(duì)導(dǎo)彈的偵察和定位,并完成引導(dǎo)攔截的功能。
隨著彈道導(dǎo)彈目標(biāo)突防手段的不斷提升,反導(dǎo)目標(biāo)識(shí)別技術(shù)成為彈道導(dǎo)彈防御系統(tǒng)最為關(guān)鍵的技術(shù)之一,對(duì)導(dǎo)彈防御系統(tǒng)的成敗起著決定性的作用。彈道導(dǎo)彈目標(biāo)識(shí)別的正確與否關(guān)系到目標(biāo)預(yù)警、精密跟蹤、目標(biāo)攔截、殺傷評(píng)估等各個(gè)階段的性能,沒(méi)有正確的目標(biāo)識(shí)別信息,就無(wú)法給出正確的威脅評(píng)估和警報(bào),也無(wú)法進(jìn)行精密跟蹤,沒(méi)有對(duì)導(dǎo)彈目標(biāo)的跟蹤信息,就無(wú)法進(jìn)行落點(diǎn)預(yù)報(bào),也就不能實(shí)現(xiàn)對(duì)目標(biāo)的有效攔截和殺傷評(píng)估。在彈道導(dǎo)彈飛行的整個(gè)階段,均伴隨著彈體、碎片、輕重誘餌、箔條等,目標(biāo)識(shí)別的任務(wù)正是在彈道導(dǎo)彈所處的復(fù)雜電磁環(huán)境下,通過(guò)合適的目標(biāo)特征提取和識(shí)別方法將真彈頭識(shí)別出來(lái),從而將其成功應(yīng)用于反導(dǎo)系統(tǒng)[2-5]。因此,彈道導(dǎo)彈目標(biāo)的綜合識(shí)別是反導(dǎo)防御系統(tǒng)中的關(guān)鍵技術(shù),貫穿于反導(dǎo)防御系統(tǒng)的全過(guò)程。
縱觀反導(dǎo)技術(shù)的發(fā)展,離不開(kāi)不同平臺(tái)傳感器的成功研制,下面簡(jiǎn)要介紹幾種國(guó)外典型的地基反導(dǎo)雷達(dá)、海基反導(dǎo)雷達(dá)和天基反導(dǎo)系統(tǒng)。
1.1 地基反導(dǎo)系統(tǒng)
美國(guó)的GBR雷達(dá)是彈道導(dǎo)彈防御系統(tǒng)中的核心成員。1999年, GBR-P雷達(dá)作為美國(guó)彈道導(dǎo)彈防御系統(tǒng)中的核心雷達(dá)之一部署在夸賈林,并參加了多次反導(dǎo)飛行試驗(yàn), 該雷達(dá)是集搜索、截獲、跟蹤、制導(dǎo)、殺傷效果評(píng)估等為一體的多功能地基雷達(dá),最重要的功能是目標(biāo)識(shí)別,可對(duì)付具有各種突防手段的彈道導(dǎo)彈,從彈頭目標(biāo)群中識(shí)別出真彈頭和誘餌。該雷達(dá)工作在X頻段,中心頻率為10GHz,具有極化測(cè)量能力,其寬帶距離分辨率為0.15 m,對(duì)1 m2目標(biāo)的作用距離為2 000 km,對(duì)10 m2目標(biāo)的作用距離為4 000 km。圖1是GBR-P雷達(dá)圖片。
圖1 GBR-P雷達(dá)
XBR雷達(dá)是GBR-P雷達(dá)的發(fā)展型號(hào),其陣面口徑為123 m2,天線單元數(shù)為81 000個(gè)。2004年底,有一部實(shí)戰(zhàn)用的XBR部署在阿拉斯加格里利堡軍事基地,第二部雷達(dá)部署在加州范登堡軍事基地。
1.2 海基反導(dǎo)系統(tǒng)
?;?SBX)雷達(dá)是為美國(guó)彈道導(dǎo)彈防御系統(tǒng)而研制,是美國(guó)導(dǎo)彈防御網(wǎng)絡(luò)的一個(gè)重要組成部分,2006年3月投入使用,部署在阿拉斯加州的阿達(dá)克港。該雷達(dá)可提供彈道導(dǎo)彈監(jiān)視、截獲、精密跟蹤、精確識(shí)別和殺傷評(píng)估。SBX具有先進(jìn)的跟蹤能力及假目標(biāo)識(shí)別能力,可同時(shí)與多個(gè)攔截導(dǎo)彈發(fā)射平臺(tái)、北美空天戰(zhàn)略防御指揮中心保持實(shí)時(shí)聯(lián)系,幫助陸基或?;鶖r截導(dǎo)彈成功攔截針對(duì)美國(guó)本土的敵方洲際彈道導(dǎo)彈(ICBM)。可自由駛往其他地方,支持BMD計(jì)劃的先進(jìn)試驗(yàn)與防御性行動(dòng),幫助對(duì)付針對(duì)美國(guó)本土、海外駐軍、盟國(guó)的其他敵方導(dǎo)彈。SBX雷達(dá)總質(zhì)量2 000 t(1 t=1 000 kg),天線呈八角形排列,T/R組件34 816個(gè),直徑22 m,在役的SBX雷達(dá)有效天線面積為192m2,作用距離為4000km,瞬時(shí)帶寬為1GHz;升級(jí)后雷達(dá)天線面積為384m2,作用距離為5 045 km,瞬時(shí)帶寬為2 GHz。圖2是?;鵖BX雷達(dá)圖片。
圖2 ?;鵖BX雷達(dá)
美國(guó)海軍裝備的“宙斯盾”艦已超過(guò)100艘,AN/SPY-1 是“宙斯盾”系統(tǒng)的核心,SPY-1相控陣?yán)走_(dá)采用了4個(gè)八邊形固定陣面,可提供方位360°、仰角90°的覆蓋范圍,能對(duì)空中和海面目標(biāo)進(jìn)行自動(dòng)搜索,可跟蹤200個(gè)目標(biāo),并制導(dǎo)多枚導(dǎo)彈與18個(gè)目標(biāo)交戰(zhàn),抗干擾能力強(qiáng)。美國(guó)軍方對(duì)SPY-1不斷進(jìn)行升級(jí)改進(jìn),已采用 UYK-43(V)/44(V)計(jì)算機(jī)以提高目標(biāo)容量和處理器速度,系統(tǒng)具有為戰(zhàn)區(qū)彈道導(dǎo)彈識(shí)別產(chǎn)生與處理新的、復(fù)雜波形的能力。第二代“宙斯盾”系統(tǒng)裝備一種新型的集成信號(hào)處理器,能夠改善系統(tǒng)辨別目標(biāo)的能力,以攔截更加復(fù)雜的BM目標(biāo),并應(yīng)對(duì)目標(biāo)的反制措施。圖3是艦載SPY-1雷達(dá)圖片。
圖3 艦載SPY-1雷達(dá)
美國(guó)為了收集世界各國(guó)的彈道導(dǎo)彈數(shù)據(jù)用于建庫(kù)識(shí)別,由林肯實(shí)驗(yàn)室于1999年完成了陸海兩用可移動(dòng)測(cè)量雷達(dá)(Cobra Gemini雷達(dá))的研制,其海用型已安裝在“無(wú)敵號(hào)”上投入使用,如圖4所示“無(wú)敵號(hào)”上的大天線罩就是該雷達(dá),該雷達(dá)工作在X頻段,帶寬為1 GHz,分辨率達(dá)到0.25 m,可用于對(duì)目標(biāo)寬帶二維成像。
圖4 Cobra Gemini雷達(dá)
1.3 天基反導(dǎo)系統(tǒng)
天基反導(dǎo)系統(tǒng)的關(guān)鍵傳感器是紅外系統(tǒng),由于美國(guó)第三代國(guó)防支援計(jì)劃系統(tǒng)(DSP)對(duì)中短程彈道導(dǎo)彈的探測(cè)能力不足,2009年9月25日,美國(guó)德?tīng)査?2火箭成功發(fā)射的兩顆空間跟蹤監(jiān)視系統(tǒng)(STSS)試驗(yàn)演示衛(wèi)星能實(shí)時(shí)跟蹤分辨100個(gè)目標(biāo),對(duì)彈道作實(shí)時(shí)計(jì)算,可識(shí)別彈頭和誘餌,可處理高達(dá)2.1 Gb/s的數(shù)據(jù);STSS衛(wèi)星分布在三個(gè)不同平面的太陽(yáng)同步軌道上,每顆STSS衛(wèi)星攜帶兩個(gè)紅外探測(cè)器,一個(gè)捕獲探測(cè)器用于探測(cè)助推段的導(dǎo)彈尾焰,另一個(gè)跟蹤探測(cè)器用于在中段和再入段跟蹤導(dǎo)彈。STSS可以實(shí)現(xiàn)對(duì)雜波和噪聲中跟蹤彈頭分離并具有分辨彈頭、母艙、輕重誘餌的能力。
STSS衛(wèi)星利用多顆衛(wèi)星所提供的多幅圖像得到各飛行體的運(yùn)動(dòng)軌跡,以釋放前軌跡為參考,描繪出飛行體的相對(duì)運(yùn)動(dòng)速度和方向,運(yùn)用動(dòng)量守恒原理可識(shí)別真彈頭。據(jù)美國(guó)航天網(wǎng)2010年7月26日?qǐng)?bào)道,兩顆美國(guó)導(dǎo)彈防御衛(wèi)星測(cè)定了3枚導(dǎo)彈發(fā)射,全部成功向地面觀測(cè)站傳回了追蹤的彈道數(shù)據(jù),4次導(dǎo)彈防御試驗(yàn)全部成功。圖5為低軌道STSS衛(wèi)星示意圖。
圖5 低軌道的STSS衛(wèi)星
隨著越來(lái)越多國(guó)家對(duì)彈道導(dǎo)彈技術(shù)的掌握和導(dǎo)彈的大范圍擴(kuò)散,必須進(jìn)行反導(dǎo)攔截,而目標(biāo)識(shí)別是實(shí)現(xiàn)有效攔截和防御的關(guān)鍵技術(shù)之一。下面從特征提取和目標(biāo)識(shí)別技術(shù)兩方面對(duì)目標(biāo)識(shí)別技術(shù)的發(fā)展進(jìn)行闡述。
2.1 特征提取技術(shù)
基于雷達(dá)信號(hào)特征提取技術(shù)包括運(yùn)動(dòng)特征提取、RCS特征提取、窄帶特征提取、寬帶成像特征提取、極化特征提取等。
2.1.1 運(yùn)動(dòng)特征提取
目標(biāo)的運(yùn)動(dòng)軌跡反映了目標(biāo)隨時(shí)間的變化情況,真彈頭、假?gòu)楊^、輕誘餌等運(yùn)動(dòng)軌跡有可能不同,通過(guò)對(duì)目標(biāo)精確測(cè)距測(cè)速等參數(shù)估計(jì)算法,可以跟蹤目標(biāo)發(fā)生的各種事件,如主發(fā)動(dòng)機(jī)關(guān)機(jī)、彈頭彈體分離、誘餌及子彈頭釋放、姿態(tài)角調(diào)整等,并從中提取目標(biāo)的各種運(yùn)動(dòng)特征,包括彈道軌跡、發(fā)落點(diǎn)預(yù)報(bào)、彈道系數(shù)(質(zhì)阻比)、速度與加速度特征(再入時(shí)的減速特性)以及質(zhì)心的運(yùn)動(dòng)特征(自旋、進(jìn)動(dòng)、章動(dòng)),這樣基于先驗(yàn)信息和數(shù)據(jù)庫(kù),可以識(shí)別真假?gòu)楊^、誘餌、彈體、助推器或末級(jí)碎片等。例如,輕誘餌與彈頭的速度在再入時(shí)差異很大,大氣的過(guò)濾作用可以將彈頭從干擾絲、充氣假目標(biāo)一類與彈頭運(yùn)動(dòng)特征差別明顯的干擾中區(qū)別出來(lái),這就是基于再入減速特征的速度識(shí)別方法[3]。
2.1.2 RCS特征提取
目標(biāo)的雷達(dá)散射截面(RCS)是表征雷達(dá)目標(biāo)對(duì)照射電磁波散射能力的一個(gè)物理量,其大小與目標(biāo)形狀、質(zhì)量、表面材質(zhì)、姿態(tài)角等因素有關(guān),因此RCS序列包含了目標(biāo)的散射特征信息。
利用RCS測(cè)量數(shù)據(jù)不僅可以提取目標(biāo)的均值、方差、極值、峰度等統(tǒng)計(jì)特征,而且可以提取目標(biāo)的微動(dòng)頻率。傳統(tǒng)的微動(dòng)頻率特征提取方法主要有相關(guān)法、循環(huán)自相關(guān)法(CAUTOC)、循環(huán)平均幅度差法(CAMDF)和方差分析法[3,6]。其中,CAMDF、CAUTOC方法算法簡(jiǎn)單,實(shí)現(xiàn)方便,但要受分頻誤判的影響,估計(jì)效果差,抗噪性能差;方差分析法雖然克服了CAUTOC和CAMDF方法的缺陷,同時(shí)具有很強(qiáng)的抗噪性能,但需要較長(zhǎng)觀測(cè)時(shí)間和較高數(shù)據(jù)率,這對(duì)于有限的雷達(dá)資源來(lái)說(shuō)是不可接受的。因此,學(xué)者張仕元[7]提出了基于三角函數(shù)擬合的RCS序列進(jìn)動(dòng)周期估計(jì)方法,該方法先利用特定頻率附近的三角函數(shù)來(lái)擬合RCS序列,再求得使擬合誤差最小的RCS序列進(jìn)動(dòng)頻率。與常規(guī)方法相比較,該方法具有所需資源少,估計(jì)精度高的特點(diǎn)。
2.1.3 窄帶特征提取
利用窄帶回波可以提取目標(biāo)微動(dòng)特征[8]。微多普勒概念首先由美國(guó)海軍實(shí)驗(yàn)室CHEN V C提出,將目標(biāo)或目標(biāo)的組成部分的振動(dòng)或轉(zhuǎn)動(dòng)對(duì)雷達(dá)回波頻譜產(chǎn)生的調(diào)制稱為微多普勒效應(yīng)。微多普勒從瞬時(shí)頻率上描述了目標(biāo)微動(dòng)的雷達(dá)特征,表征了目標(biāo)瞬時(shí)微動(dòng)速度,對(duì)目標(biāo)平動(dòng)速度和加速度補(bǔ)償預(yù)處理后,利用先進(jìn)的時(shí)頻分析、時(shí)變自回歸模型等信號(hào)處理手段,可以從微動(dòng)目標(biāo)的雷達(dá)回波中提取目標(biāo)微動(dòng)信息,如利用時(shí)頻變換所得時(shí)頻二維像可提取目標(biāo)的微動(dòng)周期、瞬時(shí)頻率、不變矩特征、時(shí)頻熵特征、SVD特征等[9-12]。
基于目標(biāo)微動(dòng)時(shí)頻變化特性,文獻(xiàn)[13]提出了一種用于估計(jì)多散射點(diǎn)瞬時(shí)多普勒的線性和的方法,通過(guò)對(duì)該線性和作傅里葉變換,能夠有效地估計(jì)目標(biāo)自旋、錐旋、進(jìn)動(dòng)頻率、周期等運(yùn)動(dòng)參數(shù),進(jìn)一步地,多普勒線性和的傅里葉譜的波形熵特征可以很好地用于實(shí)際中彈頭和誘餌的識(shí)別。另外,文獻(xiàn)[9]使用時(shí)頻分析技術(shù)、多普勒濾波技術(shù)和變采樣濾波技術(shù),提出了基于微多普勒的微動(dòng)參數(shù)估計(jì)方法,引入帶通譜寬和低通譜寬的概念,以FFT為工具,提出了多普勒譜的微動(dòng)參數(shù)估計(jì)方法。微動(dòng)特征也可以基于經(jīng)驗(yàn)?zāi)B(tài)分解方法得到,基于經(jīng)驗(yàn)?zāi)B(tài)分解算法的多分量正弦調(diào)頻信號(hào)分離方法,使用短時(shí)傅里葉變換得到了每個(gè)本征模態(tài)函數(shù)的瞬時(shí)頻率,可提取進(jìn)動(dòng)周期、進(jìn)動(dòng)角、不同散射點(diǎn)間的微動(dòng)幅度比值等微動(dòng)特征及目標(biāo)縱橫比,暗室數(shù)據(jù)驗(yàn)證了其效果[14]。
2.1.4 寬帶成像特征提取
目標(biāo)寬帶一維距離像相當(dāng)于目標(biāo)對(duì)應(yīng)的三維散射點(diǎn)在雷達(dá)射線上的投影,揭示了目標(biāo)沿視線方向散射強(qiáng)度的分布,反映了目標(biāo)精細(xì)的結(jié)構(gòu)特征,是一種較好的目標(biāo)識(shí)別特征。利用寬帶一維像可以提取目標(biāo)的徑向尺寸、微動(dòng)周期特征,也可以提取雙譜、高階譜等特征。一般地,尺寸估計(jì)是根據(jù)目標(biāo)在一維距離像中所占據(jù)的距離單元數(shù)和雷達(dá)距離分辨率,估算出目標(biāo)在雷達(dá)視線上的投影長(zhǎng)度,微動(dòng)周期則可以利用相關(guān)法、改進(jìn)的Viterbi算法、曲線擬合法等得到[15-16]。文獻(xiàn)[17]對(duì)進(jìn)動(dòng)目標(biāo)的一維距離像的尺寸序列進(jìn)行了建模,并采用Levenburg Marquadt算法直接估計(jì)目標(biāo)的真實(shí)尺寸等多個(gè)參數(shù),但對(duì)多個(gè)參數(shù)同時(shí)優(yōu)化會(huì)陷入局部極值點(diǎn),且對(duì)初值敏感而得不到目標(biāo)正確尺寸。由于進(jìn)動(dòng)目標(biāo)的高分辨尺寸序列模型可等效為四參數(shù)正弦信號(hào)[18],所以可以先對(duì)進(jìn)動(dòng)目標(biāo)尺寸模型采用四參數(shù)模型曲線擬合方法,估計(jì)出目標(biāo)進(jìn)動(dòng)頻率、幅度、直流偏移和相位后,得到包含了目標(biāo)尺寸、進(jìn)動(dòng)角和視線角三個(gè)參數(shù)的兩個(gè)方程,再根據(jù)再入目標(biāo)的零攻角特性,可以得到視線角,從而求得目標(biāo)的真實(shí)尺寸和進(jìn)動(dòng)角,估計(jì)出目標(biāo)的物理和運(yùn)動(dòng)參數(shù)[19]。
目標(biāo)二維ISAR像含有更多的結(jié)構(gòu)信息,這對(duì)于識(shí)別是十分有利的。與飛機(jī)相比彈頭尺寸小,單憑視覺(jué)效果難以實(shí)現(xiàn)對(duì)彈頭目標(biāo)的有效分類,因此特征提取就成為基于ISAR二維像目標(biāo)識(shí)別中的一個(gè)不可避免的環(huán)節(jié)。由于雷達(dá)二維像存在噪聲等因素干擾,在對(duì)ISAR圖像特征提取前,需要對(duì)圖像進(jìn)行去噪、干擾抑制、連通以及圖像分割等處理[20]。常用的ISAR圖像特征包括目標(biāo)尺寸特征、面積特征、緊密度特征、周長(zhǎng)特征、矩特征、離心度、體態(tài)比等。在頻域可提取圓形度、細(xì)長(zhǎng)度、密集度、凹度、形心偏差度等。在實(shí)際應(yīng)用中,幾種幾何特征提取方法可結(jié)合使用。大部分特征能多方面、多層次地反映目標(biāo)的幾何結(jié)構(gòu)特性,而且具有清楚的物理意義,因此它們將是判斷目標(biāo)真假的有效圖像特征[21]。隨著高頻段大帶寬雷達(dá)的出現(xiàn),雷達(dá)成像足以對(duì)彈道類目標(biāo)進(jìn)行高分辨細(xì)節(jié)辨識(shí),則基于二維像的識(shí)別優(yōu)勢(shì)會(huì)越來(lái)越大[22]。
2.1.5 極化特征提取
極化特征可獲取目標(biāo)表面的粗糙度、對(duì)稱性等其他特征難以提供的信息,是完整刻畫(huà)目標(biāo)特性所不可或缺的。極化不變量大致反映了目標(biāo)的粗細(xì)、對(duì)稱性差異、散射中心的數(shù)目、目標(biāo)的俯仰姿態(tài)等信息,因此是一種良好的特征信息[23]。
極化特征可以從窄帶和寬帶中提取,窄帶中基于單個(gè)極化散射矩陣可以提取目標(biāo)的極化不變量,如功率散射矩陣的跡、去極化系數(shù)、散射矩陣的行列式值、本征極化角、本征極化橢圓率和極化異性度,也可以提取目標(biāo)極化分解系數(shù),還可以利用連續(xù)觀測(cè)的一組極化散射矩陣估計(jì)目標(biāo)微動(dòng)周期。寬帶極化特征包括極化色散度、穩(wěn)定度熵等,另外可將極化與寬帶的高分辨能力相結(jié)合,提取目標(biāo)各距離單元的極化信息[24]。隨著雷達(dá)技術(shù)的不斷發(fā)展,國(guó)內(nèi)外學(xué)者對(duì)極化技術(shù)進(jìn)行了大量的理論研究[25]。
對(duì)反導(dǎo)識(shí)別中,高精度的極化散射矩陣測(cè)量是極化特性提取的基本前提,實(shí)際應(yīng)用中存在極化隔離度差、極化校準(zhǔn)難、分時(shí)極化等問(wèn)題,所以使得極化有效應(yīng)用受到一定限制,研究極化校準(zhǔn)是一個(gè)非常重要的方向。
2.2 目標(biāo)識(shí)別技術(shù)
彈道目標(biāo)識(shí)別是反導(dǎo)防御系統(tǒng)的核心技術(shù),能否將真彈頭從目標(biāo)群中識(shí)別出來(lái)取決于彈道導(dǎo)彈突防場(chǎng)景復(fù)雜性、雷達(dá)性能資源、識(shí)別策略以及識(shí)別算法等。而在識(shí)別過(guò)程中,不僅可以利用雷達(dá)多個(gè)特征采用不同的識(shí)別算法進(jìn)行識(shí)別,而且還可以將識(shí)別結(jié)果在空間域進(jìn)行證據(jù)推理、在時(shí)間域進(jìn)行序貫融合識(shí)別。
2.2.1 典型目標(biāo)識(shí)別算法
基于提取到的特征,可以利用各種識(shí)別算法對(duì)真假?gòu)楊^進(jìn)行分類識(shí)別,包括最近鄰分類識(shí)別算法、貝葉斯分類器、模糊分類器、支撐向量機(jī)(SVM)分類器、基于仿生學(xué)技術(shù)的分類方法等。
最近鄰分類識(shí)別是首先找到被分類對(duì)象在訓(xùn)練數(shù)據(jù)集中的k個(gè)最近的鄰居,然后根據(jù)這些鄰居的分類屬性進(jìn)行投票,將得出的預(yù)測(cè)值賦給被分類對(duì)象的分類屬性[26]。貝葉斯分類器是一種簡(jiǎn)單有效的分類器,該分類器需要先驗(yàn)信息的輸入,在某些場(chǎng)合優(yōu)于神經(jīng)網(wǎng)絡(luò)分類器[27]。模糊模式識(shí)別技術(shù)特別適用于目標(biāo)特征由于各種不確定因素影響引起的動(dòng)態(tài)時(shí)變情況,模糊模式識(shí)別技術(shù)將目標(biāo)特征量轉(zhuǎn)換成由模糊集及隸屬函數(shù)表征的合理的語(yǔ)言標(biāo)記,與統(tǒng)計(jì)模式識(shí)別中的概率密度函數(shù)相比,模糊識(shí)別中的隸屬度函數(shù)對(duì)先驗(yàn)信息的要求要少得多,這使得模糊模式識(shí)別器較統(tǒng)計(jì)分類識(shí)別器更容易建立,因此它十分適合于先驗(yàn)信息較少時(shí)的模式識(shí)別場(chǎng)景[28]。SVM分類器在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出明顯的優(yōu)勢(shì),應(yīng)用于雷達(dá)目標(biāo)識(shí)別取得了一定的效果,在實(shí)現(xiàn)過(guò)程中,SVM模型優(yōu)化和最優(yōu)分類器的構(gòu)造過(guò)程非常重要[29]。SVDD方法是在SVM基礎(chǔ)上發(fā)展出的一種分類器,這種方法的特點(diǎn)是學(xué)習(xí)過(guò)程僅僅需要目標(biāo)類樣本的參與,而與非目標(biāo)類樣本沒(méi)有關(guān)系[30]?;诜律鷮W(xué)的分類方法包括神經(jīng)網(wǎng)絡(luò)、遺傳算法理論等。神經(jīng)網(wǎng)絡(luò)最大的特點(diǎn)是網(wǎng)絡(luò)具有自適應(yīng)能力,不但能自適應(yīng)地學(xué)習(xí),而且還能自適應(yīng)地調(diào)整網(wǎng)絡(luò)的規(guī)模大小。此外,神經(jīng)網(wǎng)絡(luò)模式分類器還兼有對(duì)模式變換和模式特征提取的作用。采用BP算法、徑向基函數(shù)網(wǎng)絡(luò)、模糊ARTMAP網(wǎng)絡(luò)、自組織特征映射(SOFM)等在目標(biāo)識(shí)別中都有成功的應(yīng)用[31]。
2.2.2 綜合識(shí)別算法和策略
在彈道目標(biāo)的識(shí)別過(guò)程中,干擾和誘餌等復(fù)雜電磁環(huán)境常常影響回波信息的精確性和完整度,每種單一的識(shí)別技術(shù)或多或少地存在不足,難以達(dá)到對(duì)目標(biāo)進(jìn)行理想識(shí)別的效果。所以需要利用不同層次的數(shù)據(jù)、不同的識(shí)別方法進(jìn)行融合識(shí)別。輸入層一般可以劃分為信號(hào)級(jí)融合、特征級(jí)融合和決策級(jí)融合。
基于目標(biāo)雷達(dá)特征的識(shí)別方式包括RCS方式、RCS序列方式、寬帶一維像方式、寬帶一維像序列方式、微多普勒方式等。對(duì)于每個(gè)識(shí)別方式來(lái)說(shuō),可提取的特征很多,多個(gè)識(shí)別方式的特征就更多,太多的特征對(duì)于綜合識(shí)別處理,并不一定能取得好的效果,反而可能因維數(shù)災(zāi)難問(wèn)題而使識(shí)別結(jié)果錯(cuò)誤;此外,由于各個(gè)識(shí)別方式不是同時(shí)對(duì)目標(biāo)進(jìn)行測(cè)量的,相應(yīng)的各個(gè)特征量可能是完全沖突的,故需要對(duì)目標(biāo)識(shí)別進(jìn)行分層處理。對(duì)于單識(shí)別方式的多個(gè)特征,一般采用特征級(jí)融合方式,只輸出該方式下各個(gè)類型的隸屬度或置信度,以盡量減少后續(xù)處理的負(fù)擔(dān);而對(duì)于多個(gè)識(shí)別方式的識(shí)別置信度,則采用決策級(jí)融合,以形成有效的判決。
D-S證據(jù)理論是一種在不確定條件下進(jìn)行推理的強(qiáng)有力融合識(shí)別方法,但D-S證據(jù)理論在實(shí)際應(yīng)用中存在證據(jù)的沖突等問(wèn)題。文獻(xiàn)[32-34]主要從兩個(gè)方面對(duì)證據(jù)理論進(jìn)行修正,一類是對(duì)證據(jù)合成規(guī)則進(jìn)行改進(jìn),本質(zhì)上都是將沖突系數(shù)在各個(gè)子集上進(jìn)行重新分配;另一類則是基于模型修正的方法,即先對(duì)證據(jù)本身進(jìn)行修正,然后再合成[35-36]。
為消除單次識(shí)別的隨機(jī)性影響,那么目標(biāo)識(shí)別應(yīng)該是連續(xù)識(shí)別的過(guò)程,不僅要根據(jù)當(dāng)前的識(shí)別結(jié)果,還需要參考?xì)v史的識(shí)別結(jié)果。因此,可以按時(shí)序?qū)Ω鲿r(shí)刻獲得的識(shí)別結(jié)果進(jìn)行序貫融合,既保留歷史識(shí)別信息又根據(jù)當(dāng)前識(shí)別結(jié)果進(jìn)行調(diào)整,這樣通過(guò)對(duì)多次的識(shí)別結(jié)果序貫融合來(lái)獲得穩(wěn)定可靠的識(shí)別結(jié)果。
美國(guó)彈道導(dǎo)彈防御系統(tǒng)發(fā)展進(jìn)程表明,從來(lái)襲導(dǎo)彈目標(biāo)群中識(shí)別出真彈頭是主要技術(shù)瓶頸之一。彈道導(dǎo)彈攻防的強(qiáng)對(duì)抗,決定了導(dǎo)彈防御系統(tǒng)中的目標(biāo)識(shí)別需要建立在彈道導(dǎo)彈不同階段呈現(xiàn)出來(lái)的物理特性和對(duì)抗條件基礎(chǔ)之上,綜合運(yùn)用各種識(shí)別手段,進(jìn)行多傳感器、多平臺(tái)、多特征的綜合識(shí)別。認(rèn)為需要從以下四方面著手提高彈道導(dǎo)彈目標(biāo)識(shí)別技術(shù)。
(1)不完備智能化建庫(kù)技術(shù)
從目標(biāo)識(shí)別技術(shù)研究的難點(diǎn)來(lái)看,其中之一就是數(shù)據(jù)庫(kù)建庫(kù)問(wèn)題,不同雷達(dá)由于對(duì)目標(biāo)特征的測(cè)量存在差異,導(dǎo)致了不同雷達(dá)的數(shù)據(jù)庫(kù)特征不能直接相互應(yīng)用。所以,研究不同雷達(dá)特征庫(kù)之間的差異,研究相同特征的等價(jià)性,如RCS倍數(shù)關(guān)系、一維像尺寸關(guān)系等等,此時(shí)目標(biāo)識(shí)別就必須具有自學(xué)習(xí)功能,即能夠自動(dòng)建立目標(biāo)特征庫(kù),這樣不同雷達(dá)之間的數(shù)據(jù)庫(kù)具有一定的通用性,最終使得目標(biāo)識(shí)別技術(shù)更加實(shí)用化。
(2)面向目標(biāo)識(shí)別的波形資源配置和穩(wěn)健識(shí)別技術(shù)
目前,目標(biāo)識(shí)別算法已經(jīng)趨于成熟,急需從識(shí)別資源需求與系統(tǒng)波形設(shè)計(jì)、復(fù)雜電磁環(huán)境下對(duì)識(shí)別技術(shù)進(jìn)行驗(yàn)證和優(yōu)化。傳統(tǒng)雷達(dá)波形設(shè)計(jì)主要為滿足目標(biāo)跟蹤精度需求,兼顧目標(biāo)識(shí)別需求相對(duì)較少。面對(duì)彈道導(dǎo)彈防御的復(fù)雜性,應(yīng)當(dāng)以提高目標(biāo)識(shí)別率為目標(biāo)來(lái)設(shè)計(jì)雷達(dá)波形。因此,需要研究面向目標(biāo)識(shí)別的雷達(dá)波形設(shè)計(jì)方法,在不同的反導(dǎo)場(chǎng)景,保證跟蹤的情況下,根據(jù)場(chǎng)景復(fù)雜性和目標(biāo)匹數(shù)靈活采用不同的波形進(jìn)行高效識(shí)別,從仿真和實(shí)測(cè)數(shù)據(jù)出發(fā),研究基于貝葉斯框架的有效、穩(wěn)健的特征提取方法,研究采用隱馬爾可夫模型、自適應(yīng)高斯分類器等雷達(dá)目標(biāo)識(shí)別算法,提高目標(biāo)識(shí)別率。
(3)多平臺(tái)/多頻段信息融合識(shí)別
對(duì)目標(biāo)進(jìn)行識(shí)別時(shí),利用多個(gè)傳感器,如天基雷達(dá)、地基雷達(dá)、紅外探測(cè)器、海基雷達(dá)、超視距雷達(dá)和導(dǎo)彈制導(dǎo)雷達(dá)等多種傳感器提取獨(dú)立、互補(bǔ)的特征向量,基于綜合處理的技術(shù)思路,采用逐層分類過(guò)濾和識(shí)別策略提高識(shí)別的正確率。多傳感器抗干擾的性能大大優(yōu)于單個(gè)傳感器,能夠降低或消除欺騙和干擾,改善識(shí)別系統(tǒng)穩(wěn)定性,利用多基地多頻段雷達(dá)獲取的信息提取多角度、不同頻段的目標(biāo)散射特性,并進(jìn)行穩(wěn)健有效的特征組合,最終利用D-S證據(jù)和時(shí)間序貫融合進(jìn)行識(shí)別,提高識(shí)別結(jié)果的有效性、可靠性及容錯(cuò)性。
(4)目標(biāo)識(shí)別技術(shù)的外敵導(dǎo)彈識(shí)別
在實(shí)際應(yīng)用中,需要對(duì)國(guó)外彈道導(dǎo)彈進(jìn)行識(shí)別攔截,而不是對(duì)我方導(dǎo)彈攔截,所以目標(biāo)識(shí)別的一項(xiàng)重要工作是建立國(guó)外導(dǎo)彈的數(shù)據(jù)庫(kù),在充分研究對(duì)我國(guó)彈道導(dǎo)彈識(shí)別的基礎(chǔ)上,可以通過(guò)兩種方式進(jìn)行:一種是通過(guò)仿真和其他手段獲取敵方導(dǎo)彈參數(shù),基于這些參數(shù)對(duì)彈道導(dǎo)彈進(jìn)行目標(biāo)識(shí)別研究;另一種是在有條件下基于收集的國(guó)外導(dǎo)彈數(shù)據(jù)進(jìn)行彈道導(dǎo)彈目標(biāo)識(shí)別技術(shù)研究。只有這樣,彈道導(dǎo)彈目標(biāo)識(shí)別技術(shù)才會(huì)進(jìn)一步走向?qū)嵱没?/p>
導(dǎo)彈技術(shù)與反導(dǎo)系統(tǒng)的發(fā)展決定了彈道防御系統(tǒng)中的目標(biāo)識(shí)別技術(shù)是一個(gè)龐大復(fù)雜的系統(tǒng)工程。本文總結(jié)了國(guó)外彈道防御系統(tǒng)的特點(diǎn),并介紹了典型反導(dǎo)裝備。從技術(shù)層面對(duì)反導(dǎo)目標(biāo)識(shí)別技術(shù)進(jìn)行闡述,在實(shí)際反導(dǎo)應(yīng)用中,需要根據(jù)雷達(dá)系統(tǒng)資源和反導(dǎo)場(chǎng)景對(duì)特征提取和識(shí)別算法進(jìn)行綜合設(shè)計(jì),并且隨著世界導(dǎo)彈和反導(dǎo)系統(tǒng)的不斷發(fā)展,目標(biāo)識(shí)別技術(shù)將是一項(xiàng)長(zhǎng)期不斷完善、與時(shí)俱進(jìn)、螺旋上升的系統(tǒng)工程。
[1] DELANEY W P, WARD W W. Radar development at Lincoln laboratory: An overview of the first fifty years[J]. Lincoln Laboratory Journal, 2000, 12(2): 147-166.
[2] INGWERSEN P A, LEMNIOS W Z. Radars for ballistic missile defense research[J]. Lincoln Laboratory Journal, 2002, 12(2): 245-266.
[3] 周萬(wàn)幸. 彈道導(dǎo)彈雷達(dá)目標(biāo)識(shí)別技術(shù)[M]. 北京:電子工業(yè)出版社,2011. ZHOU Wanxing. BMD radar target recognition technology[M]. Beijing: Publishing House of Electronics Industry, 2011.
[4] 金 林. 彈道導(dǎo)彈目標(biāo)識(shí)別技術(shù)[J]. 現(xiàn)代雷達(dá),2008,30(2):1-5. JIN Lin. Overview of ballistic missle defence system[J]. Modern Radar, 2008,30(2):1-5.
[5] 李 明. 雷達(dá)目標(biāo)識(shí)別技術(shù)研究進(jìn)展及發(fā)展趨勢(shì)分析[J]. 現(xiàn)代雷達(dá),2010,32(10):1-8. LI Ming. Research of progress and development trend analysis on radar target recognition technique[J]. Modern Radar, 2010,32(10):1-8.
[6] ROSS M, SHARER H.Average magnitude difference function pitch extractor[J].IEEE Transactions on Acoustic,Speech and Signal Processing,1974,22(5):355-362.
[7] 張仕元. 基于三角函數(shù)擬合的RCS序列進(jìn)動(dòng)周期估計(jì)[J].電子與信息學(xué)報(bào),2014,36(6):1389-1393. ZHANG Shiyuan. Procession period estimation of RCS sequences based on trigonometric function fitting[J]. Journal of Electronics & Information Technology, 2014,36(6):1389-1393.
[8] CHEN V C. The micro-Doppler effect in radar[M]. Norwood: Artech House Publishers, 2011.
[9] 陳行勇. 微動(dòng)目標(biāo)雷達(dá)特征提取技術(shù)研究[D]. 長(zhǎng)沙: 國(guó)防科技大學(xué),2006. CHEN Hangyong. Research on radar signature extraction from target with micro-motions[D]. Changsha: National University of Defense Technology,2006.
[10] YAO H Y, LI X X, SUN W F, et al. Micro-Doppler analysis of nutation target in ballistic midcourse[C]// IET International Radar Conference. Xi′an China: IEEE Press, 2013: 1-5.
[11] ZHANG Gang, SUN Jiajia. Reseach on micro-Doppler feature of precession target based on bistatic radar[C]// 4th International Conference on Digital Manufacturing & Automation. Qingdao, China: IEEE Press, 2013: 1086-1089.
[12] HAN Xun, DU Lan, LIU Hangwei, et al. A micro-Doppler frequency estimation method for micro-motion object using TVAR model[C]// IET International Radar Conference. Xi′an China: IEEE Press, 2013.
[13] 王 璐,劉宏偉. 基于時(shí)頻圖的微動(dòng)目標(biāo)運(yùn)動(dòng)參數(shù)提取和特征識(shí)別的方法[J].電子與信息學(xué)報(bào),2010,32(8):1812-1817. WANG Lu, LIU Hongwei. Method for micro-motion target recognition and motion parameter extraction based on time-frequency analysis[J]. Journal of Electronics & Information Technology, 2010,32(8):1812-1817.
[14] 牛 杰, 劉永祥, 秦玉亮, 等. 一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的錐體目標(biāo)雷達(dá)微動(dòng)特征提取新方法[J]. 電子學(xué)報(bào),2011,39(7):1712-1716. NIU Jie, LIU Yongxiang, QIN Yuliang, et al. A new method of radar micro-motion feature extraction of cone target based on empirical mode decomposition[J]. Acta Electronica Sinica, 2011,39(7):1712-1716.
[15] CHEN Daqing, XIE Sudao, WANG Yongchen, et al. Micro-motion analysis based on HRRP sequence[C]// IET International Radar Conference. Xi′an China: IEEE Press, 2013.
[16] MING Da, ZHOU Daiying. Precession parameters extraction of midcourse target based on HRRP sequence[C]// IEEE 4th International Conference on Electronics Information and Emergency Communication. Beijing China: IEEE Press, 2013: 156-159.
[17] 畢 莉,趙 鋒,高勛章,等.基于一維像序列的進(jìn)動(dòng)目標(biāo)尺寸估計(jì)研究[J].電子與信息學(xué)報(bào),2010,32(8):1825-1830. BI Li, ZHAO Feng, GAO Xunzhang, et al. Study on precessional target′s dimension estimation based on HRRPs[J]. Journal of Electronics & Information Technology, 2010,32(8):1825-1830.
[18] JENG Y C,CROSBY P B.Sinewave parameter estimation algorithm with application to waveform digitizer effective bits measurement [J].IEEE Transactions on Instrumentation and Measurement,1988,37(4):529-532.
[19] 孫 俊, 戴蓓荷, 劉 洋. 基于聚類中心GDA的一維距離像目標(biāo)識(shí)別方法[J]. 現(xiàn)代雷達(dá),2009,31(6):47-50. SUN Jun, DAI Beihe,LIU Yang. HRRP target recognition method based on cluster centers for GDA[J]. Moder Radar, 2009,31(6):47-50.
[20] 馮德軍. 彈道中段目標(biāo)雷達(dá)識(shí)別與評(píng)估研究[D]. 長(zhǎng)沙:國(guó)防科技大學(xué),2006. FENG Dejun. Study on radar target recognition and its evaluation in ballistic midcourse[D]. Changsha: National University of Defense Technology,2006.
[21] PERSOON E, FU K S. Shape discrimination using Fourier descriptors[J]. IEEE Transactions on Systems, Man and Cybernetics,1977,7(3): 170-179.
[22] ESHBAUGH J V. HUSIR signal processing[J]. Lincoln Laboratory Journal, 2014, 21(1): 115-134.
[23] 黃培康,殷紅成,許小劍. 雷達(dá)目標(biāo)特性[M]. 北京: 電子工業(yè)出版社, 2005. HUANG Peikang, YIN Hongcheng, XU Xiaojian. Radar target characteristics[M]. Beijing: Publishing House of Electronics Industry, 2005.
[24] 郭桂蓉, 莊釗文, 陳曾平. 電磁特征抽取與目標(biāo)識(shí)別[M]. 長(zhǎng)沙: 國(guó)防科技大學(xué)出版社, 1996. GUO Guirong, ZHUANG Zhaowen, CHEN Zengping. Electromagnetic signature extraction and target recognition[M]. Changsha: Publishing House of National University of Defense Technology, 1996.
[25] 陳 強(qiáng). 雷達(dá)極化中若干理論問(wèn)題研究[D]. 長(zhǎng)沙: 國(guó)防科技大學(xué),2010. CHEN Qiang. Study on theoretical problems in radar polarimetry[D]. Changsha: National University of Defense Technology,2010.
[26] WEINBERGER K Q, FEI S, SAUL L K. Convex optimizations for distance metric learning and pattern classification[J]. IEEE Signal Processing Magazine, 2010, 27(3): 146-158.
[27] FRIEDMAN N, GEIGER D, GOLDSZMIDT M. Bayesian network classifiers[J]. Machine Learning, 1997, 29(2) : 131-163.
[28] 郭桂蓉. 模糊模式識(shí)別[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社,1992. GUO Guirong. Fuzzy pattern recognition[M]. Changsha: Publishing House of National University of Defense Technology, 1992.
[29] VAPNIK V N. The nature of statistical learning theory[M]. NewYork: Springer, 2000.
[30] TAX D M J, DUIN R P W. Support vector data description[J]. Machine Learning, 2004, 54(1): 45-66.
[31] DUDA R O, HART P, STORK D. Pattern classification[M]. NewYork: John Wiley and Sons, 2001.
[32] YAGER R R. On the dempster-shafer framework and new combination rules[J].Information Science,1987,41(2):93-137.
[33] INAGAKI T.Interdependence between safety-control policy and multiple sensor schemes via dempster-shafer theory[J].IEEE Transaction on Reliability,1991,40(2): 182-188.
[34] 孫 全,葉秀清,顧偉康.一種新的基于證據(jù)理論的合成公式[J].電子學(xué)報(bào),2000,28(8):117-119. SUN Quan, YE Xiuqing, GU Weikang. A new combination rules of evidence theory[J]. Acta Electronica Sinica, 2000,28(8):117-119.
[35] MURPHY C K.Combining belief functions when evidence conflicts[J].Decision Support Systems,2000,29(1):1-9.
[36] JOUSSELME A L, GRENIER D,BOSSE E.A new distance between two bodies of evidence[J].Information Fusion,2001(2):91-101.
句彥偉 男,1978年生,博士,高級(jí)工程師。研究方向?yàn)镮SAR成像與目標(biāo)識(shí)別等。
張仕元 男,1975年生,博士,高級(jí)工程師。研究方向?yàn)槟繕?biāo)識(shí)別與雷達(dá)信號(hào)處理等。
Overview of Development for Anti-missile System and Target Recognition Technique
JU Yanwei,ZHANG Shiyuan
(Nanjing Research Institute of Electronics Technology, Nanjing 210039, China)
Target recognition is a key prob1em in the ballistic missile defence system(BMDS), which determines whether the anti-missle radar can recognize the warhead or not in the BMD. Firstly, the advanced anti-missile systems and their characteristic are introduced in this paper. Then, all kinds of feature extraction algorithms and target recognition techniques are overviewed in radar anti-missile systems. Finally, the future developing tendency and long-term course of target recognition technique are pointed out.
anti-missle system; feature extraction; target recognition
10.16592/ j.cnki.1004-7859.2016.04.002
句彥偉 Email:juyanwei@126.com
2015-11-16
2016-01-28
TN911.7
A
1004-7859(2016)04-0008-07