基于預(yù)分類(lèi)的全極化HRRP模型匹配目標(biāo)識(shí)別方法

吳佳妮, 陳永光, 馮德軍, 王雪松

(1. 國(guó)防科學(xué)技術(shù)大學(xué)電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 湖南 長(zhǎng)沙 410073;2. 北京跟蹤與通信技術(shù)研究所, 北京 100094)

?

基于預(yù)分類(lèi)的全極化HRRP模型匹配目標(biāo)識(shí)別方法

吳佳妮1, 陳永光2, 馮德軍1, 王雪松1

(1. 國(guó)防科學(xué)技術(shù)大學(xué)電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 湖南 長(zhǎng)沙 410073;2. 北京跟蹤與通信技術(shù)研究所, 北京 100094)

全極化三維散射中心模型可準(zhǔn)確描述目標(biāo)的空間幾何以及極化特征,已成為目標(biāo)識(shí)別的有效手段之一。針對(duì)傳統(tǒng)高分辨距離像的匹配算法計(jì)算量大、耗時(shí)長(zhǎng)的不足,提出一種基于預(yù)分類(lèi)的模型匹配目標(biāo)識(shí)別方法,通過(guò)目標(biāo)散射機(jī)理分析,對(duì)目標(biāo)進(jìn)行預(yù)分類(lèi),減小匹配模型數(shù),然后利用全極化高分辨距離像的散射中心位置與極化信息構(gòu)造模型匹配函數(shù),實(shí)現(xiàn)了目標(biāo)類(lèi)別的判定?；陔姶欧抡嬗?jì)算數(shù)據(jù)的識(shí)別實(shí)驗(yàn)表明,該方法具有良好的目標(biāo)識(shí)別能力,相比于傳統(tǒng)方法具有更高的識(shí)別正確率以及更低的存儲(chǔ)量和計(jì)算量。

全極化高分辨距離像; 三維散射中心模型; 模型匹配; 目標(biāo)識(shí)別

0　引　言

高分辨距離像(high resolution range profile,HRRP)目標(biāo)識(shí)別的方法主要分為兩大類(lèi):模板匹配識(shí)別方法和基于特征的識(shí)別方法。模板匹配的識(shí)別方法較為直接,其將待識(shí)別距離像與模板庫(kù)中的距離像進(jìn)行匹配,得到較高匹配度的模板判定為目標(biāo)的類(lèi)別。由于距離像敏感于目標(biāo)姿態(tài),且不同成像條件下存在較大差異,為了充分描述不同條件、不同姿態(tài)下的目標(biāo),需要建立龐大的模板庫(kù),其給存儲(chǔ)和計(jì)算都造成了巨大的負(fù)擔(dān)[1-2]?；谔卣鞯姆诸?lèi)識(shí)別方法,則通過(guò)提取距離像中的特征,構(gòu)建特征矢量,并采用模式識(shí)別的分類(lèi)算法實(shí)現(xiàn)目標(biāo)的分類(lèi)。該類(lèi)方法同樣需要大量的樣本數(shù)據(jù)來(lái)訓(xùn)練分類(lèi)器,增加了存儲(chǔ)和計(jì)算難度[3-4]。

近年來(lái),在模板匹配的基礎(chǔ)上,采用模型匹配技術(shù)的目標(biāo)識(shí)別方法受到廣泛關(guān)注。其基本思想是利用目標(biāo)的三維模型來(lái)實(shí)時(shí)構(gòu)造特征模板,通過(guò)與待識(shí)別數(shù)據(jù)進(jìn)行比較來(lái)判定目標(biāo)類(lèi)型。該方法只需要存儲(chǔ)目標(biāo)實(shí)體模型或不同姿態(tài)下的三維散射中心模型,識(shí)別時(shí)根據(jù)具體場(chǎng)景實(shí)時(shí)構(gòu)造模板,因此具有存儲(chǔ)量低、處理時(shí)間快且適用于不同場(chǎng)景條件的優(yōu)點(diǎn)[5]。文獻(xiàn)[6]基于逆合成孔徑雷達(dá)(inverse synthetic aperture radar,ISAR)序列,構(gòu)造目標(biāo)的三維散射中心模型,并采用模型匹配技術(shù)實(shí)現(xiàn)了艦船目標(biāo)的識(shí)別。而文獻(xiàn)[7]在其研究的基礎(chǔ)上,將極化信息與散射中心位置信息相結(jié)合,研究了針對(duì)全極化ISAR數(shù)據(jù)的模型匹配識(shí)別方法。

針對(duì)全極化HRRP數(shù)據(jù),本文基于模型匹配技術(shù)展開(kāi)自動(dòng)目標(biāo)識(shí)別問(wèn)題的研究。同時(shí)為提高計(jì)算效率,本文對(duì)散射中心的散射機(jī)理進(jìn)行分析,以實(shí)現(xiàn)目標(biāo)的預(yù)分類(lèi),從而減小待匹配模型數(shù)量,達(dá)到提高識(shí)別效率與正確率的目的。最后,通過(guò)仿真實(shí)驗(yàn)驗(yàn)證所提方法的性能。

1　全極化HRRP模型匹配

1.1目標(biāo)全極化散射中心提取

在光學(xué)區(qū),目標(biāo)總的電磁散射可以認(rèn)為是某些局部位置上的電磁散射的合成,這些局部的散射源通常稱為散射中心[8]。由于雷達(dá)目標(biāo)的電磁散射可以由多個(gè)孤立的散射中心所表征,因此構(gòu)建目標(biāo)的多散射中心模型成為分析目標(biāo)散射特性和進(jìn)行目標(biāo)識(shí)別的有效手段。

針對(duì)目標(biāo)的全極化HRRP,可采用基于相干極化幾何繞射理論(coherent polarization geometrical theory of diffraction,CP-GTD)模型的散射中心估計(jì)方法提取一維距離像的散射中心。CP-GTD模型用于描述目標(biāo)雷達(dá)回波,其具體形式[9]為

(1)

式中,d為目標(biāo)散射中心數(shù)目;sm,pq為m散射中心q發(fā)射極化,p接收極化狀態(tài)下的復(fù)散射系數(shù),它對(duì)應(yīng)著散射矩陣的一個(gè)元素;rm為m散射中心位置坐標(biāo);αm為m散射中心類(lèi)型因子。采用極化多重信號(hào)分類(lèi)(polarimetric multiple signal classification，P-MUSIC)估計(jì)方法對(duì)式(1)中以上參數(shù)進(jìn)行估計(jì),即可獲得待識(shí)別目標(biāo)一維距離像的散射中心,具體估計(jì)過(guò)程參考文獻(xiàn)[9],這里不再贅述。

1.2全極化三維模型到一維的映射

目標(biāo)的全極化三維散射中心模型描述了雷達(dá)目標(biāo)的空間幾何以及極化特征。利用三維散射中心模型進(jìn)行識(shí)別,先將三維模型進(jìn)行投影,得到對(duì)應(yīng)姿態(tài)角度下的一維散射中心特征模板,然后與待識(shí)別目標(biāo)一維距離像所提取的散射中心進(jìn)行匹配,從而判定目標(biāo)類(lèi)別。三維散射中心到一維散射中心的映射可通過(guò)式(2)完成,即

Y=QRX+T

(2)

式中,X為目標(biāo)三維散射中心模型的幾何矢量，記錄了各散射中心的位置;R代表目標(biāo)在雷達(dá)坐標(biāo)系中的旋轉(zhuǎn),即將目標(biāo)的參考的坐標(biāo)系轉(zhuǎn)化為雷達(dá)坐標(biāo)系,R=R1(φ)R2(θ)R3(φ)(φ為方位角;θ為俯仰角;φ為目標(biāo)繞視線方向旋轉(zhuǎn)角度);Q代表目標(biāo)在雷達(dá)視線方向(lineofsight，LOS)上的投影;T為平移分量,代表目標(biāo)投影在視線方向上的平移;Y為映射后獲得的一維散射中心的幾何矢量。

映射過(guò)程如圖1所示。

圖1　三維模型映射過(guò)程示意圖Fig.1　Diagram of mapping process for 3D model

考慮到典型目標(biāo)結(jié)構(gòu)在小角度范圍內(nèi)變化時(shí),散射矩陣的變化很小,可忽略不計(jì)[4],因此本文假設(shè)目標(biāo)散射中心的投影映射僅影響模型中的位置信息。

1.3基于混合高斯模型的全極化模型匹配方法

待識(shí)別距離像提取的散射中心,與三維模型所映射的一維散射中心進(jìn)行比較,當(dāng)兩相匹配時(shí),可判定待識(shí)別目標(biāo)的類(lèi)別。因此,構(gòu)造合適的匹配函數(shù),將直接影響目標(biāo)識(shí)別的結(jié)果。本文基于高斯混合模型,定義衡量?jī)深?lèi)集合匹配程度的全極化匹配函數(shù)[6]為

(3)

匹配值(matchscore,MS)計(jì)算過(guò)程中,有幾個(gè)參數(shù)值得注意。在三維模型映射時(shí),平移分量T通過(guò)計(jì)算散射中心的質(zhì)心得到

(4)

式中,xc、μc分別為待識(shí)別距離像的散射中心對(duì)應(yīng)的質(zhì)心以及模型映射的一維散射中心對(duì)應(yīng)的質(zhì)心;r為兩質(zhì)心間的距離。

此外,目標(biāo)旋轉(zhuǎn)角度φ、θ、φ中,由于旋轉(zhuǎn)處理后,三維散射中心將在雷達(dá)視線方向上進(jìn)行投影,因此可設(shè)φ=0。而通常假定目標(biāo)視線的方向已知,即θ已知。則未知量?jī)H為目標(biāo)的方位角φ,該值可通過(guò)使匹配值MS最大化求得,即

(5)

(6)

由此可見(jiàn),在確定目標(biāo)類(lèi)別的同時(shí),可得到目標(biāo)相較于模型方位角φ的估計(jì)。

2　基于散射機(jī)理分析的目標(biāo)預(yù)分類(lèi)

目標(biāo)模型匹配需要將HRRP提取的散射中心與目標(biāo)模型在各方位角下生成的模板一一進(jìn)行匹配,當(dāng)待匹配模型較多時(shí),計(jì)算量大?？紤]到目標(biāo)散射中心的幾何結(jié)構(gòu)直接影響其極化特征,利用各散射中心的極化散射矩陣,進(jìn)行散射機(jī)理分析,可得到散射中心的結(jié)構(gòu)特征,用于目標(biāo)識(shí)別。因此,在進(jìn)行模型匹配前,對(duì)散射中心的散射機(jī)理進(jìn)行分析,實(shí)現(xiàn)目標(biāo)的預(yù)分類(lèi),可減少待匹配的模型數(shù)目。

目標(biāo)極化分解能夠揭示目標(biāo)的散射機(jī)理,增強(qiáng)對(duì)目標(biāo)散射特性的理解?；谀繕?biāo)極化分解的分類(lèi)方法由于實(shí)現(xiàn)簡(jiǎn)單、物理意義明確,已被廣泛應(yīng)用于目標(biāo)識(shí)別。現(xiàn)有研究表明,將極化分解技術(shù)應(yīng)用于HRRP的目標(biāo)分類(lèi)識(shí)別,將具有較高的分類(lèi)正確率[3-4,10]。本文主要針對(duì)確定的人造目標(biāo)進(jìn)行分類(lèi)識(shí)別,因此采用相干極化分解中的Krogager分解方法。相干極化分解的目的是將測(cè)量獲得的散射矩陣表示為幾個(gè)典型散射機(jī)制的組合[11-12],其中Krogager分解方法將對(duì)稱的散射矩陣分解為3個(gè)有具體物理意義的相干分量之和,分別為球散射、旋轉(zhuǎn)角度為φK的二面角散射和螺旋體散射,其表達(dá)式為

(7)

表1　Krogager特征參數(shù)與典型結(jié)構(gòu)的對(duì)應(yīng)關(guān)系

對(duì)三維模型的散射中心進(jìn)行Krogager極化分解,可得到模型中各散射中心對(duì)應(yīng)的散射機(jī)理。在三維模型映射過(guò)程中,存在散射中心位置重疊的情況。而多個(gè)二面角結(jié)構(gòu)可等價(jià)于螺旋體分量[12]。因此,目標(biāo)的一維距離像包含的奇次散射與偶次散射的散射中心數(shù)量應(yīng)分別不大于該目標(biāo)模型包含的該類(lèi)散射中心的數(shù)量,且散射中心總數(shù)也應(yīng)小于模型所含散射中心總數(shù)。由此,基于散射機(jī)理的預(yù)分類(lèi),以3類(lèi)散射機(jī)理對(duì)應(yīng)的散射中心數(shù)量作為特征矢量,根據(jù)待識(shí)別目標(biāo)與模型在該特征矢量空間的分布進(jìn)行判別。當(dāng)模型的奇次與偶次散射機(jī)理對(duì)應(yīng)的散射中心數(shù)量大于待識(shí)別目標(biāo)的時(shí),該模型為預(yù)選出的類(lèi)別。如圖2所示,圖中x、y、z坐標(biāo)分別為以奇次散射、偶次散射和螺旋體散射為主要散射機(jī)理的散射中心的數(shù)量,位于陰影部分的模型在預(yù)分類(lèi)處理中被保留。

圖2　預(yù)分類(lèi)示意圖Fig.2　Diagram of pre-classification

因一種散射機(jī)理類(lèi)型可能對(duì)應(yīng)多種散射結(jié)構(gòu)[14],僅基于散射機(jī)理分析進(jìn)行分類(lèi)識(shí)別存在不確定性。在預(yù)分類(lèi)確定的類(lèi)別中,還需進(jìn)一步采用模型匹配技術(shù)對(duì)目標(biāo)進(jìn)行更加準(zhǔn)確的判別。

3　基于預(yù)分類(lèi)的全極化HRRP模型匹配識(shí)別方法

基于預(yù)分類(lèi)的全極化HRRP模型匹配分類(lèi)識(shí)別方法,其具體步驟如圖3所示。對(duì)于待識(shí)別的目標(biāo)一維距離像,首先基于P-MUSIC方法提取目標(biāo)的全極化散射中心。然后采用Krogager極化分解技術(shù),分析各散射中心的散射機(jī)理,并與模型庫(kù)中各模型對(duì)應(yīng)的散射機(jī)理進(jìn)行比較,排除散射機(jī)理不符的模型。隨后將模板庫(kù)中的剩余模型進(jìn)行投影映射,得到一維散射中心模板,并與待識(shí)別距離像的散射中心進(jìn)行匹配,最高匹配值對(duì)應(yīng)的模型即為目標(biāo)類(lèi)別,而匹配最大值所對(duì)應(yīng)的模板方位角即為目標(biāo)當(dāng)前的姿態(tài)角。

圖3　基于預(yù)分類(lèi)的全極化HRRP模型匹配目標(biāo)識(shí)別方法流程Fig.3　Target recognition process of model matching for pre-classification-based polarimetric HRRP

這一分類(lèi)識(shí)別流程通過(guò)散射機(jī)理的預(yù)分類(lèi),縮小了待匹配模型的范圍,減少了計(jì)算量,提高了識(shí)別的效率。同時(shí)在模型匹配時(shí),充分利用了目標(biāo)的幾何信息以及極化信息,提高了目標(biāo)正確識(shí)別率。

4　仿真分析

4.1實(shí)驗(yàn)設(shè)置

假定目標(biāo)由不同散射機(jī)理的多類(lèi)典型結(jié)構(gòu)體組成,包括三面角(trihedral,TR)、平板(plate,PL)、二面角(dihedral,DI)。名稱后緊跟數(shù)字表示目標(biāo)的姿態(tài)角度,如二面角45°擺放記為DI45,30°擺放記為DI30。結(jié)構(gòu)體的尺寸分為0.6m和1m兩種,用后綴表示。用以上結(jié)構(gòu)體組合成6類(lèi)目標(biāo),組合方式如表2所示,其中P1～P6表示6個(gè)位置的坐標(biāo),與目標(biāo)的對(duì)應(yīng)情況如圖4所示。

表2　6類(lèi)目標(biāo)的組成

圖4　目標(biāo)T1的結(jié)構(gòu)Fig.4　Structure of target T1

采用Feko電磁計(jì)算軟件對(duì)目標(biāo)的全極化回波進(jìn)行仿真,電磁計(jì)算的條件設(shè)為:頻率范圍1～1.1GHz,目標(biāo)姿態(tài)角0°,對(duì)應(yīng)雷達(dá)視線方向平行于x軸負(fù)向的情況,如圖4所示。仿真數(shù)據(jù)加入高斯白噪聲,信噪比(signal-to-noiseratio，SNR)定義為仿真回波信號(hào)功率與加入噪聲方差的比,由此得到不同信噪比下的目標(biāo)全極化HRRP,以此作為測(cè)試樣本。應(yīng)用本文提出的方法,對(duì)6類(lèi)目標(biāo)的仿真數(shù)據(jù)進(jìn)行分類(lèi)識(shí)別實(shí)驗(yàn)。由于6類(lèi)目標(biāo)由典型結(jié)構(gòu)擺放在確定位置組成,因此,模板庫(kù)中的三維散射中心模型已知,即位置矢量為各典型結(jié)構(gòu)的坐標(biāo),極化矢量為各典型結(jié)構(gòu)對(duì)應(yīng)的散射矩陣。

本節(jié)將在驗(yàn)證識(shí)別方法有效性的同時(shí),從極化、匹配方法、信噪比等方面分析影響分類(lèi)識(shí)別性能的因素。每類(lèi)實(shí)驗(yàn)均進(jìn)行蒙特卡羅仿真100次,正確識(shí)別率定義為正確識(shí)別目標(biāo)類(lèi)別的次數(shù)與仿真次數(shù)的比值。

4.2結(jié)果分析

4.2.1算法的有效性以及與極化的關(guān)系

信噪比20dB時(shí),6類(lèi)目標(biāo)0°姿態(tài)角時(shí)的HRRP為測(cè)試樣本。圖5給出了該條件下目標(biāo)T1的HH極化通道的一維距離像,以及采用P-MUSIC方法獲得的散射中心。圖6為T(mén)1對(duì)應(yīng)的三維模型經(jīng)投影映射得到的一維散射中心模板。

預(yù)分類(lèi)處理時(shí),6類(lèi)目標(biāo)HRRP的散射機(jī)理分析結(jié)果如圖7所示。T1～T6為6類(lèi)待識(shí)別目標(biāo)HRRP的散射機(jī)理分析結(jié)果,M1～M6為6類(lèi)目標(biāo)三維模型的散射機(jī)理分析結(jié)果。

在以3種散射機(jī)理對(duì)應(yīng)的散射中心數(shù)量為特征的特征空間中,6類(lèi)目標(biāo)分布于3個(gè)位置,T1、T2以及T3具有相同的散射機(jī)理,而T4與T5亦相同。由圖7可見(jiàn),待識(shí)別目標(biāo)T1經(jīng)預(yù)分類(lèi)處理后,判定范圍為類(lèi)別1、2、3中的一類(lèi),T6則為類(lèi)別1、6中一類(lèi)。由此減小了待匹配模型的數(shù)量。

圖5　T1的一維距離像以及散射中心Fig.5　HRRP and scattering center of T1

圖6　T1模型映射的一維散射中心Fig.6　1D scattering center after mapping of T1

圖7　6類(lèi)目標(biāo)散射機(jī)理分析Fig.7　Analysis of scattering mechanism for the six categories of targets

表3列出了應(yīng)用本文方法,各類(lèi)目標(biāo)的正確識(shí)別概率。同時(shí)為考察不同極化條件對(duì)本文識(shí)別算法性能的影響,對(duì)目標(biāo)的單極化HRRP進(jìn)行分類(lèi)識(shí)別實(shí)驗(yàn),僅采用各目標(biāo)的HH通道數(shù)據(jù),且不進(jìn)行預(yù)分類(lèi)處理,實(shí)驗(yàn)結(jié)果也列于表3中。

表3　本文方法識(shí)別正確率

從表3可見(jiàn),針對(duì)全極化HRRP數(shù)據(jù),應(yīng)用本文提出的識(shí)別方法可得到較高的正確識(shí)別率。而在單極化條件下,正確識(shí)別率較低,主要原因是單極化數(shù)據(jù)降低了對(duì)目標(biāo)散射機(jī)理的描述能力,不能全面表征目標(biāo)的特性。由此可見(jiàn)有效利用全極化信息將有利于對(duì)目標(biāo)的分類(lèi)判別。

4.2.2識(shí)別性能與匹配算法的關(guān)系

目標(biāo)識(shí)別的結(jié)果不僅與目標(biāo)本身的特性相關(guān),也與匹配函數(shù)的計(jì)算方法有關(guān)。本實(shí)驗(yàn)在不同信噪比條件下,比較本文方法與目標(biāo)識(shí)別領(lǐng)域常用的一種匹配方法:相關(guān)匹配法[15-16]的識(shí)別性能。相關(guān)匹配算法的主要思路為:分別計(jì)算待識(shí)別目標(biāo)與待匹配模板的各極化通道散射中心幅值的相關(guān)函數(shù),求和取最大值,其最大值對(duì)應(yīng)的模板類(lèi)別即為目標(biāo)類(lèi)別。實(shí)驗(yàn)中,除匹配函數(shù)的計(jì)算方法不同外,模型映射、預(yù)處理等其他步驟不變。信噪比設(shè)為SNR=10～40dB,將6類(lèi)目標(biāo)正確識(shí)別率的均值作為該信噪比條件下的正確識(shí)別率。兩種方法的分類(lèi)識(shí)別結(jié)果如圖8所示。

圖8　兩類(lèi)匹配算法識(shí)別正確率的比較Fig.8　Comparison of the correct recognition probability between the two matching methods

由圖8可見(jiàn),基于混合高斯模型的全極化匹配算法,具有較高的正確率。相對(duì)于相關(guān)匹配法,該方法利用目標(biāo)極化信息的同時(shí),還充分利用了各散射中心的位置信息,因此更適用于全極化數(shù)據(jù)的模型匹配處理。此外,實(shí)驗(yàn)結(jié)果也說(shuō)明了,隨著SNR的增加,目標(biāo)的正確識(shí)別率增加。這是由于SNR的提高使目標(biāo)檢測(cè)概率相應(yīng)提高,能更準(zhǔn)確地估計(jì)出目標(biāo)的位置與極化信息,進(jìn)而提高了識(shí)別的正確率。

4.2.3算法計(jì)算量分析

實(shí)驗(yàn)對(duì)本文方法與HRRP傳統(tǒng)的模板匹配算法的計(jì)算量進(jìn)行比較。考慮到識(shí)別算法中,匹配函數(shù)的計(jì)算為最主要的計(jì)算消耗,此處以兩算法計(jì)算的匹配函數(shù)次數(shù)為判定依據(jù)。以SNR=20dB,0°方位角下的HRRP為測(cè)試樣本。模板匹配算法參考文獻(xiàn)[2]中的設(shè)定,對(duì)6類(lèi)目標(biāo)在方位角0°～30°范圍內(nèi),以3°為間隔構(gòu)造的一維距離像作為模板,通過(guò)計(jì)算測(cè)試樣本與模板庫(kù)中所有一維距離像模板的匹配函數(shù),待識(shí)別目標(biāo)判別為匹配函數(shù)最大的模板對(duì)應(yīng)的目標(biāo)類(lèi)別。6類(lèi)目標(biāo)在兩種識(shí)別方法下,匹配函數(shù)的運(yùn)算次數(shù)如圖9所示。

圖9　兩類(lèi)方法匹配運(yùn)算次數(shù)的比較Fig.9　Comparison of the number of matching operations between the two matching methods

傳統(tǒng)模板匹配方法識(shí)別目標(biāo)時(shí),將HRRP與模板庫(kù)中的模板一一匹配,模板庫(kù)越豐富,計(jì)算量越大。而本文方法首先通過(guò)簡(jiǎn)單的散射機(jī)理分析,對(duì)模板進(jìn)行預(yù)分類(lèi),降低待識(shí)別模板的數(shù)量,從而減少匹配次數(shù),達(dá)到減少計(jì)算量的目的。

5　結(jié)　論

本文提出了一種針對(duì)全極化HRRP的目標(biāo)識(shí)別方法,通過(guò)將基于散射機(jī)理分析的目標(biāo)預(yù)分類(lèi)與模型匹配相結(jié)合,充分利用了目標(biāo)的幾何結(jié)構(gòu)信息和極化信息來(lái)判定目標(biāo)的類(lèi)別,有效降低了計(jì)算量和復(fù)雜度,同時(shí)提高了目標(biāo)的正確識(shí)別率。通過(guò)對(duì)幾類(lèi)由典型結(jié)構(gòu)組成的目標(biāo)的仿真數(shù)據(jù)進(jìn)行分類(lèi)識(shí)別實(shí)驗(yàn),驗(yàn)證了方法的有效性,表明該方法具有良好的目標(biāo)識(shí)別性能。

[1]GuoZH,LiD,ZhangBY.Surveyofradartargetrecognitionusingone-dimensionalhighrangesolutionprofiles[J].Systems Engineering and Electronics, 2013, 35(1):53-59. (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):53-59. )

[2]FuYW,JiaYP,ZhuangZW.Radartargetclassificationbasedononedimensionalscatteringcentersmatching[J].Acta Electronica Sinica,2006,34(3):404-408.(付耀文,賈宇平,莊釗文.基于一維散射中心匹配的雷達(dá)目標(biāo)識(shí)別[J].電子學(xué)報(bào), 2006, 34(3): 404-408.)

[3]ZhangYX,WangXD,YaoX,etal.TargetrecognitionoffullpolarimetricHRRPbasedonH/A/adecomposition[J].Systems Engineering and Electronics,2013,35(12):2502-2506.(張玉璽,王曉丹,姚旭,等.基于H_A_分解的全極化HRRP標(biāo)識(shí)別方法[J].系統(tǒng)工程與電子技術(shù), 2013, 35(12): 2502-2506.)

[4]GuoL.Widebandradartargetpolarimetricfeatureextractionandrecognitionmethodbasedonkernelmethod[D].Changsha:NationalUniversityofDefenseTechnology, 2009. (郭雷. 寬帶雷達(dá)目標(biāo)極化特征提取與核方法識(shí)別研究[D]. 長(zhǎng)沙: 國(guó)防科技大學(xué), 2009.)

[5]FuQ,ZhouJX,QinJX,etal．Globalscatteringcentermodelextractinganditsapplicationinradartargetrecognition[J].Systems Engineering and Electronics, 2011, 33(1): 48-52.(付強(qiáng),周劍雄,秦敬喜,等. 雷達(dá)目標(biāo)散射中心模型反演及其在識(shí)別中的應(yīng)用[J].系統(tǒng)工程與電子技術(shù), 2011, 33(1): 48-52.)

[6]CookeT,MartorellaM,HaywoodB,etal.Useof3DshipscatterermodelsfromISARimagesequencesfortargetrecognition[J].Digital Signal Processing, 2006, 16(5): 523-532.

[7]MartorellaM,GiustiE,DemiL,etal.TargetrecognitionbymeansofpolarimetricISARimages[J].IEEE Trans. on Aerospace and Electronic Systems, 2011, 47(1): 225-237.

[8]ZhouJX.Reconstructingtheoryandmethodforthreedimensionalscatteringcenterofradartargetsinopticalregion[D].Changsha:NationalUniversityofDefenseTechnology, 2006. (周劍雄. 光學(xué)區(qū)雷達(dá)目標(biāo)三維散射中心重構(gòu)理論與技術(shù)[D]. 長(zhǎng)沙: 國(guó)防科學(xué)技術(shù)大學(xué), 2006.)

[9]DaiDH.Studyonpolarimetricradarimagingandtargetfeatureextraction[D].Changsha:NationalUniversityofDefenseTechnology, 2008. (代大海. 極化雷達(dá)成像及目標(biāo)特征提取研究[D]. 長(zhǎng)沙: 國(guó)防科學(xué)技術(shù)大學(xué), 2008.)

[10]CloudeSR,PottierE.Areviewoftargetdecompositiontheoremsinradarpolarimetry[J].IEEE Trans. on Geoscience & Remote Sensing, 1996, 34(2):498-517.

[11]KrogagerE.Anewdecompositionoftheradartargetscatteringmatrix[J].Electronics Letters, 1990, 26(18): 1525-1526.

[12]LeeJS,PottierE. Polarimetric radar imaging:from basics to applications[M].BocaRaton:CRCPress, 2009.

[13]JacksonJA.Three-dimensionalfeaturemodelsforsyntheticapertureradarandexperimentsinfeatureextraction[D].Ohio:OhioStateUniversity,2009.

[14]XuM.Extractionandgeometricalstructureretrievalofman-madetargetinPOLSARimagery[D].Changsha:NationalUniversityofDefenseTechnology, 2008. (徐牧. 極化SAR圖像人造目標(biāo)提取與幾何結(jié)構(gòu)反演研究[D]. 長(zhǎng)沙: 國(guó)防科學(xué)技術(shù)大學(xué), 2008.)

[15]HeSH,XiaoHT,SunWF,etal.Astudyofhighrangeresolutionpolarizationradartargetrecognitionbyusingmatchedcorrelators[J].Acta Electronica Sinica, 1999, 27(3): 110-112.(何松華,肖懷鐵,孫文峰,等. 高距離分辨率極化雷達(dá)目標(biāo)匹配識(shí)別研究[J].電子學(xué)報(bào), 1999, 27(3): 110-112. )

[16]ZhuYS,GuoCM.Theresearchofcorrelationmatchingalgorithmbasedcorrelationcoefficient[J].Signal Processing, 2003, 19(6): 531-534.(朱永松,國(guó)澄明. 基于相關(guān)系數(shù)的相關(guān)匹配算法研究[J].信號(hào)處理, 2003, 19(6): 531-534.)

Target recognition for polarimetric HRRP based on pre-classification and model matching

WU Jia-ni1, CHEN Yong-guang2, FENG De-jun1, WANG Xue-song1

(1.StateKeyLaboratoryofComplexElectromagneticEnvironmentEffectsonElectronicsandInformationSystem,NationalUniversityofDefenseTechnology,Changsha410073,China; 2.BeijingInInstituteofTrackingandTelecommunicationsTechnology,Beijing100094,China)

Owing to the ability of accurately modeling geometric and polarimetric scattering feature of a target, polarimetric three-dimensional scattering center model has been prevailing as one of the effective approaches for target recognition. With the objective of solving the high computational complexity and longtime consumption caused by the traditional matching method in polarimetric high resolution range profile (HRRP), a novel recognition method for polarimetric HRRP based on model matching and pre-classification approaches is proposed. Firstly, the proposed method classifies the radar targets based on the scattering mechanism to reduce the number of matching models. Then, the geometric and polarimetric information of the scattering center extracted from polarimetric HRRP is used to create the match indicator. Finally, the targets are recognized by employing the match indicator. Experimental results based on electromagnetic data demonstrate that the proposed method outperforms the traditional matching method in terms of recognition accuracy, storage consumption and computational cost.

polarimetric high resolution range profile (HRRP); three-dimensional scattering center model; model matching; target recognition

2015-10-25；

2016-03-09；網(wǎng)絡(luò)優(yōu)先出版日期：2016-06-07。

國(guó)家自然科學(xué)基金(61302143,61490693,41301490)；國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2013AA122202)資助課題

TN 95

A

10.3969/j.issn.1001-506X.2016.09.01

吳佳妮(1988-),女,博士研究生,主要研究方向?yàn)闃O化信息處理、雷達(dá)目標(biāo)分辨與識(shí)別技術(shù)。

E-mail:tuotuonini@163.com

陳永光(1962-),男,教授,博士,主要研究方向?yàn)槔走_(dá)信號(hào)處理、目標(biāo)識(shí)別。

E-mail:ygchen@netease.com

馮德軍(1972-),男,副研究員,博士,主要研究方向?yàn)槔走_(dá)信號(hào)處理、雷達(dá)電子戰(zhàn)。

E-mail:fengdejun@nudt.edu.cn

王雪松(1972-),男,教授,博士,主要研究方向?yàn)闃O化信息處理、雷達(dá)目標(biāo)識(shí)別、新體制雷達(dá)技術(shù)。

E-mail:wangxuesong@nudt.edu.cn

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160607.1605.016.html