基于最小極化RCS的昆蟲雷達目標體型參數(shù)反演

王江濤 王 銳 李衛(wèi)東 李沐陽 李云龍 錢李昌 胡 程

（1.北京理工大學信息與電子學院雷達技術(shù)研究所，北京 100081；2.北京理工大學前沿技術(shù)研究院，山東濟南 250300；3.衛(wèi)星導航電子信息技術(shù)教育部重點實驗室（北京理工大學），北京 100081；4.中國人民解放軍31511部隊，北京 100037）

1 引言

大量昆蟲在白天和夜間飛到高空進行數(shù)百公里遷飛［1］。作為生態(tài)系統(tǒng)重要組成部分，遷飛昆蟲通過長距離遷徙實現(xiàn)物質(zhì)和能量轉(zhuǎn)移的同時造就了病蟲害和疾病的傳播［2］。根據(jù)中華人民共和國農(nóng)業(yè)農(nóng)村部統(tǒng)計，2017 年全國農(nóng)業(yè)病蟲害發(fā)生面積3.15 億公頃，造成糧食損失119.54 億公斤［3］。2023 年，農(nóng)業(yè)農(nóng)村部修訂的《一類農(nóng)作物病蟲害名錄》中，一類害蟲有10種（類），其中遷飛害蟲占比達80%。可見當遷飛昆蟲是害蟲時會直接對農(nóng)業(yè)造成重大損失。如果能實現(xiàn)對遷飛害蟲的實時監(jiān)測，第一時間掌握害蟲遷飛動向，建立預警機制，便可能從源頭對遷飛害蟲進行防治，防止大規(guī)模災害形成和擴散。

雷達是無線電探測與測距的縮寫，其基本原理是發(fā)射電磁波到感興趣區(qū)域后接收目標散射回波。20 世紀60 年代早期，雷達被發(fā)現(xiàn)適用于監(jiān)測昆蟲遷飛，此后陸續(xù)出現(xiàn)多代昆蟲雷達［4］。經(jīng)過數(shù)十年發(fā)展，昆蟲雷達已然實現(xiàn)對遷飛昆蟲全天時和全天候的有效監(jiān)測。當前使用最廣泛的昆蟲雷達是X波段垂直波束雷達（Vertical-Looking Radar，VLR），其可以實現(xiàn)個體昆蟲軌跡、朝向、振翅頻率、體重等參數(shù)的測量［5-6］，對研究昆蟲遷飛行為、害蟲監(jiān)測預警起到了重要作用。然而該型號雷達存在非相參無法測量相位信息、距離分辨率低、極化測量效率低的缺點。為克服當前昆蟲雷達的不足，基于現(xiàn)代高分辨全極化雷達技術(shù)，新一代Ku 波段高分辨全極化相參昆蟲雷達被成功研制［7］，該雷達距離分辨率可達0.2 m，通過同時發(fā)射、同時接收兩路正交的線極化電磁波，實現(xiàn)目標全極化信息測量［7］，極大提高了目標極化信息測量效率。目前，該雷達已部署在云南、山東、廣東等地開展自動化業(yè)務運行，成功監(jiān)測到草地貪夜蛾、黃脊竹蝗等境外重大害蟲入侵［8］。

精確的昆蟲體重反演對于種類辨識具有重要意義，當前昆蟲雷達尚無精準的昆蟲種類辨識功能，為確定遷飛昆蟲種類，研究人員通常需要將誘蟲燈誘捕的昆蟲體重與雷達反演的昆蟲體重作對比［5］。因此，通過深入分析昆蟲雷達散射截面積（Radar Cross Section，RCS）特性實現(xiàn)昆蟲體型參數(shù)高精度反演是必要的?；?4 只實驗昆蟲數(shù)據(jù)，Aldhous 發(fā)現(xiàn)昆蟲的極化平均RCSa0和極化方向垂直體軸時的RCSSvv與昆蟲的體重均存在良好映射關(guān)系，并基于此給出了基于a0和Svv反演昆蟲體重的經(jīng)驗公式；Chapman 基于112 只昆蟲數(shù)據(jù)改進了基于a0的體重反演方法，將昆蟲體重反演下限降低至1 mg；Drake 等人整合了前人的實驗數(shù)據(jù)，進一步提高了基于a0的昆蟲體重反演方法的精度，并另外提出精度更高的聯(lián)合使用a0和α2（記為a0&α2，α2為表示目標極化方向圖形狀的參數(shù)）的體重反演方法［5，9］；胡程等人提出基于昆蟲散射矩陣（Scattering Matrix，SM）兩個極化不變量v（特征值法）和d（行列式法）的體重反演方法［10-12］，且精度顯著高于傳統(tǒng)參數(shù)a0。此外他們還給出了基于v、d、a0、a0&α2反演昆蟲體長和體寬的經(jīng)驗公式［10，12-13］。v的物理意義是極化方向垂直于昆蟲體軸時的RCS，d表示極化方向平行和垂直昆蟲體軸時RCS乘積的平方根。

到目前為止，v方法和a0&α2方法仍然是估計昆蟲體型參數(shù)精度最高的兩種方法［12］，然而遺憾的是，v和α2的計算以準確判斷昆蟲類型（即進行平行/垂直昆蟲判斷，將極化方向平行于體軸時回波強度最大的昆蟲定義為平行昆蟲，將極化方向垂直體軸時回波強度最大的昆蟲定義為垂直昆蟲［14］）為前提。胡程等人基于昆蟲散射特性發(fā)現(xiàn)使用散射矩陣大特征值與小特征值的相對相位符號可以實現(xiàn)平行和垂直昆蟲的判別［14］。然而在實際測量中，大量昆蟲相對相位接近0°，極化誤差極易導致此部分昆蟲相對相位符號錯誤，參數(shù)v和α2計算正確率低，從而導致體型參數(shù)反演誤差增大。d方法雖無須判斷昆蟲類型，但精度較差。因此，亟需開發(fā)反演精度高且無須昆蟲類型判別的體型參數(shù)反演方法。

本文對暗室測量的157頭昆蟲極化RCS 特性分析發(fā)現(xiàn)，昆蟲最小極化RCS與體型參數(shù)存在良好映射關(guān)系，從而提出基于最小極化RCS的昆蟲體型參數(shù)反演新方法，該方法無須進行昆蟲類型判別?；谖⒉ò凳覍崪y數(shù)據(jù)對比了新方法與傳統(tǒng)v方法、a0&α2方法以及d方法反演體長和體重的精度；基于仿真分析了極化誤差對新方法與3種傳統(tǒng)方法的影響。

2 昆蟲腹部面極化RCS特性

2.1 實驗數(shù)據(jù)

本文將基于9.5 GHz實測昆蟲數(shù)據(jù)分析昆蟲的極化RCS特性。所用數(shù)據(jù)于2018年6～8月和2019年6～7月在北京理工大學微波暗室利用全極化測量裝置測量（圖1）。全極化測量設備由一臺4 端口矢量網(wǎng)絡分析儀（型號：R&S?ZVA 40，德國Rohde &Schwarz 公司制造）和2 個雙極化天線構(gòu)成。雙極化喇叭天線能同時發(fā)射或接收H 和V 極化電磁波。矢量網(wǎng)絡分析儀的端口1 和3 分別連接到發(fā)射天線的H 和V 極化端口，端口2 和4 分別連接到接收天線的H 和V 極化端口。因而，矢量網(wǎng)絡分析儀測量的S 參數(shù)S21、S23、S41 和S43 分別對應于HH、HV、VH 和VV 極化信號。測量時收、發(fā)天線放置在喇叭的下端口，昆蟲體軸與水平極化方向平行，兩個天線的軸線相互平行，豎直向上照射昆蟲的腹部，實現(xiàn)昆蟲腹部面全極化RCS 測量。實驗共測量了157只昆蟲，體重范圍20.2～964 mg，體長范圍10.3～47 mm，體寬范圍2.2～14 mm。

圖1 測量場景Fig.1 Measurement scene

2.2 對稱目標的極化方向圖表征

全極化雷達可直接測量昆蟲HH、HV、VH、VV四個極化通道回波，經(jīng)過數(shù)據(jù)處理［7］后可得到昆蟲散射矩陣，表示為：

其中，s11、s12、s21、s22分別為HH、HV、VH、VV 通道極化RCS（m2）的平方根，γ、γ′、β分別為對應的相位，對于單基地雷達有s12ejγ=s21ejγ′。

根據(jù)式（1）可以計算散射矩陣的兩個特征值［10］：

其中，|μ1|和|μ2|表示μ1和μ2的幅度，φ1和φ2表示它們的相位。不失一般性，假設|μ1|≥|μ2|。對于平行昆蟲，|μ1|表示極化方向平行于體軸時的RCS平方根，|μ2|表示極化方向垂直于體軸時的RCS 平方根；對于垂直昆蟲，|μ1|表示極化方向垂直于體軸時的RCS 平方根，|μ2|表示極化方向平行于體軸時的RCS平方根。

昆蟲身體形態(tài)通常關(guān)于體軸左右對稱［15］。對于對稱目標，若其體軸平行于H 或V 極化方向，則目標散射矩陣交叉通道為0［16］。假設昆蟲關(guān)于體軸完全對稱，且昆蟲為平行昆蟲，當昆蟲體軸與H 極化平行時，其散射矩陣可以用特征值表示為：

為散射矩陣大特征值與小特征值的相對幅度，命名為差分特征值幅度。根據(jù)A的定義不難得到A≥1；φ=arg(μ1/μ2)，為散射矩陣大特征值與小特征值的相對相位，arg（·）表示取相位運算，將φ命名為差分特征值相位。

昆蟲的極化方向圖表征了不同極化方向下昆蟲的RCS，可由散射矩陣計算得到：

其中，θ表示極化方向，σ(θ)表示極化方向為θ時昆蟲的RCS。

對稱目標的極化方向圖關(guān)于體軸完全對稱。根據(jù)極化方向圖極值點個數(shù)，可將極化方向圖分為三種類型［17］：①極化方向圖不存在極值點，表示目標RCS 對極化方向不敏感，極化方向圖呈現(xiàn)圓形（圖2（a））；②極化方向圖存在一對極小值點和一對極大值點，極化方向圖呈現(xiàn)“8”字形（圖2（b））；③極化方向圖存在兩對極大值和兩對極小值，極化方向圖呈現(xiàn)“十”字形（圖2（c））。

圖2 極化方向圖類型Fig.2 The type of polarization patterns

2.3 昆蟲極化RCS特性分析

為尋找更合適的體型參數(shù)估計特征，對昆蟲極化RCS特性進行了分析。圖3給出了暗室測量四只昆蟲的極化方向圖，從圖3（a）到圖3（d），昆蟲種類和體重分別為：桃蛀螟（45 mg）、粘蟲（234.8 mg）、霜天蛾（530.1 mg）、霜天蛾（935.3 mg）。

圖3 四只昆蟲極化方向圖對比Fig.3 Polarization patterns comparison of four insects

實驗測量時，昆蟲體軸與水平極化方向平行，因此0°和180°極化方向?qū)ハx體軸方向，90°和270°極化方向?qū)怪崩ハx體軸方向。如圖3 所示，隨著昆蟲體型增大，垂直昆蟲體軸RCS 不斷增大，這正是文獻［10］使用特征參數(shù)v估計昆蟲體長和體重的原因。進一步分析發(fā)現(xiàn)，在昆蟲體型增大過程中，除垂直體軸RCS 增大外，最小RCS 也在增大。為驗證這一結(jié)果，根據(jù)式（6），分別計算暗室157頭昆蟲離散極化方向圖σseq，即昆蟲在不同極化方向下的RCS序列：

其中，σi表示極化方向為i× 10-1°時昆蟲RCS。

然后計算每只昆蟲的離散最小極化RCS：

其中，min（·）表示取最小值。

圖4 為157 頭昆蟲離散最小極化RCS與體長和體重的關(guān)系。昆蟲離散最小極化RCS 與體長和體重都存在較好映射關(guān)系，這意味著使用昆蟲最小極化RCS可實現(xiàn)對昆蟲體型參數(shù)估計。

圖4 與昆蟲體型的關(guān)系Fig.4 The relationship between and insect body size

上述分析使用的昆蟲離散最小極化RCS 并非昆蟲真正的最小極化RCS，為實現(xiàn)基于最小極化RCS 的昆蟲體型參數(shù)反演，必須得到昆蟲最小極化RCS的解析表達。

3 最小極化RCS的解析表達

從極化方向圖形狀可知，圓形極化方向圖各處RCS相等，“8”字形極化方向圖RCS最小值即為目標小特征值對應的RCS，“十”字形極化方向圖最小值出現(xiàn)在極小值處。因此，須先確定極化方向圖形狀，再分別求三種極化方向圖下昆蟲最小極化RCS。

3.1 極化方向圖形狀判別

下文推導仍以平行昆蟲且體軸與水平極化方向平行為假設。據(jù)定義，將極化方向圖形狀判別問題轉(zhuǎn)為σ極值數(shù)量判斷問題。

A≥1 且A=1 與φ=0 不同時滿足，所以有A-cosφ＞0。因此式（10）可轉(zhuǎn)化為：

據(jù)定義，“8”字極化形方向圖需式（11）恒成立，因此式（11）等價為：

考慮到Acosφ為差分特征值實部，因此上文結(jié)論可以整理為：差分特征值實部小于1時，極化方向圖為“十”字形，差分特征值實部大于等于1時，極化方向圖為圓形或者“8”字形。

注意，上述推導在平行昆蟲且體軸與水平極化方向平行的假設下進行。下文證明，體軸與極化方向不平行的平行或者垂直昆蟲對于結(jié)論同樣適用。

平行昆蟲的體軸與水平極化方向夾角為ω時，其散射矩陣Sω由S0旋轉(zhuǎn)角度ω得到，即：

其極化方向圖σω為：

對比式（6）發(fā)現(xiàn)，平行昆蟲體軸與水平極化方向夾角為ω時，其極化方向圖等效為在θ軸上平移ω個單位（或者說，繞水平極化方向旋轉(zhuǎn)ω），極化方向圖形狀和大小未發(fā)生任何變化。垂直昆蟲散射矩陣旋轉(zhuǎn)90°以后，形式和參數(shù)大小關(guān)系與平行昆蟲一致，本質(zhì)上也是散射矩陣旋轉(zhuǎn)問題，同樣不會改變極化方向圖大小和形狀。因此，上文結(jié)論對于非平行昆蟲、體軸與水平極化方向呈一定夾角的昆蟲都適用。簡言之，上文推導和結(jié)論完備。

3.2 最小極化RCS計算

確定昆蟲極化方向圖形狀后，接下來分形狀計算昆蟲最小極化RCSσmin。

對于“8”字形或者圓形極化方向圖（Acosφ≥1），σ最小值出現(xiàn)在0或者處，σmin為小特征值對應的RCS：

下文求θ′和σmin。將θ′帶入式（9）得：

將式（20）中cos2θ′用1-sin2θ′替換可得：

將式（21）和（22）代入式（6）得：

因此得到σmin的完整表達式：

4 基于最小極化RCS的昆蟲體型參數(shù)反演

4.1 評價指標

本文使用擬合優(yōu)度評估回歸結(jié)果對于體長和體重反演的擬合效果，擬合優(yōu)度介于0～1，越接近1表明回歸曲線對于觀測值的擬合效果越好。使用平均相對誤差（Mean Relative Error，MRE）來評價估計體長、體重與實測體長、體重的誤差。MRE 定義為：

其中，Mi和Ei分別表示估計值和真值，N是樣本數(shù)量。

4.2 昆蟲體型與最小極化RCS的關(guān)系

上文已初步驗證昆蟲最小極化RCS 與體長和體重存在良好映射關(guān)系，這一節(jié)使用式（24）計算的σmin進一步分析σmin與昆蟲體型參數(shù)的關(guān)系，并給出基于σmin估計昆蟲體型參數(shù)的方法。σmin與體長和體重的關(guān)系如圖5 所示，σmin與體重和體長均存在明顯正相關(guān)關(guān)系。如圖5（a），在30 mm 以下，σmin和體長存在較好的映射關(guān)系，30 mm 以上，σmin與體長關(guān)系變差，但整體仍存在映射關(guān)系；如圖5（b），在全體型段，σmin與體重都存在非常好的映射關(guān)系。

圖5 σmin與昆蟲體型的關(guān)系Fig.5 The relationship between σmin and insect body size

將σmin與體長和體重的關(guān)系分別用三階和二階多項式擬合為：

σmin擬合體重的擬合優(yōu)度為0.93，MRE為12.18%，擬合體長的擬合優(yōu)度為0.79，MRE 為13.23%。公式（26）和（27）可以作為利用σmin反演昆蟲體長和體重的經(jīng)驗公式，體長反演結(jié)果單位為毫米，體重反演結(jié)果單位為毫克。將基于最小極化RCSσmin反演體長和體重的方法稱為σmin方法。

5 方法對比

5.1 傳統(tǒng)特征參數(shù)計算

已有文獻［10，12］已經(jīng)證明v和a0&α2是需要昆蟲種類先驗下反演昆蟲體重精度最高的方法，d是不需要任何先驗下反演昆蟲體重精度最高的方法，因此本文只與v、d、a0&α2方法作對比。

X 波段體型參數(shù)反演所用傳統(tǒng)參數(shù)a0、α2、v、d亦可由目標散射矩陣得到［10］。

a0可以表示為：

α2可以表示為：

5.2 體長反演

特征參數(shù)v、d、a0&α2與體長的映射關(guān)系如圖6所示。v和d與體長均存在較好的映射關(guān)系。使用三階多項式擬合分別擬合體長與v和d，結(jié)果如圖6（a）和圖6（b）中紅色曲線所示，擬合關(guān)系式為：

圖6 特征參數(shù)與體長的關(guān)系Fig.6 The relationship between characteristic parameters and body length

其中，lg(v)∈[-6.68，-3.10]，lg(d)∈[-6.26，-3.19]。

如圖6（c）所示，a0&α2與體長也存在良好的擬合關(guān)系，對于a0&α2，使用二元回歸方法擬合，其中a0和α2的擬合階次均為二階，擬合結(jié)果為：

公式（33）～（35）可作為v、d、a0&α2反演昆蟲體長的經(jīng)驗公式。

v方法反演體長的MRE 為13.59%，擬合優(yōu)度為0.76；d方法反演體長的MRE 為14.20%，擬合優(yōu)度為0.76；a0&α2方法反演體長的MRE 為15.21%，擬合優(yōu)度為0.76。為了方便與σmin作對比，表1 給出了四種方法反演體長的對比。結(jié)果顯示，四種方法擬合體長精度接近，σmin方法精度最高，a0&α2方法精度最差。

表1 昆蟲體長反演方法對比Tab.1 Quantitative comparison of the insect body lengthestimation methods

5.3 體重反演

特征參數(shù)v、d、a0&α2與體重的映射關(guān)系如圖7所示。三者與體重均存在較好的映射關(guān)系。使用二階多項式擬合分別擬合體重與v和d，結(jié)果如圖7（a）和圖7（b）中紅色曲線所示，擬合關(guān)系式為：

圖7 特征參數(shù)與體重關(guān)系Fig.7 The relationship between characteristic parameters and body mass

使用二元回歸擬合a0&α2與體重，其中a0和α2擬合階數(shù)均為二階，擬合關(guān)系式為：

公式（36）～（38）可作為v、d、a0&α2反演昆蟲體重的經(jīng)驗公式。

v方法反演體重的MRE為11.54%，擬合優(yōu)度為0.95；d方法反演體重的MRE 為14.53%，擬合優(yōu)度為0.91；a0&α2反演體重的MRE為10.97%，擬合優(yōu)度為0.96。為方便與σmin作對比，表2 同樣給出四種方法反演體重精度的對比。結(jié)果顯示，四種方法反演體重精度接近，a0&α2方法精度最高，d方法精度最差，σmin法精度略差于a0&α2和v方法。

表2 昆蟲體重反演方法對比Tab.2 Quantitative comparison of the insect body mass estimation methods

6 極化誤差影響仿真

前文已經(jīng)對比了四種方法反演昆蟲體長和體重的精度，對于體長反演，作為無須昆蟲類別先驗信息的σmin方法精度優(yōu)于v和a0&α2方法，這是一個令人驚喜的結(jié)果。對于體重反演，與前人研究結(jié)果類似，需要判斷昆蟲類型的v方法和a0&α2方法最優(yōu)，然而根據(jù)式（29）和式（31），特征參數(shù)v和α2的計算非常依賴于差分特征值相位φ的符號。圖8給出了暗室測量昆蟲和外場雷達實測昆蟲的差分特征值相位分布對比，存在大量目標差分特征值相位接近0。在此情況下，全極化系統(tǒng)通道間相位不一致非常容易造成特征參數(shù)v和α2的計算錯誤，從而導致較大的體型參數(shù)反演誤差。此外，全極化系統(tǒng)通道間幅度不一致、極化隔離度等極化誤差也會對RCS 特征參數(shù)的計算產(chǎn)生影響，因此本節(jié)將分析系統(tǒng)極化誤差對于四種方法精度的影響。

圖8 暗室和外場測量昆蟲差分特征值相位φ分布Fig.8 φ distribution measured in microwave anechoic chamber and out-field

全極化系統(tǒng)測量得到的昆蟲散射矩陣可以表示為［18］：

其中，sij(i，j=h，v)表示理想散射矩陣四個元素；M表示測量得到的散射矩陣，g包含了信號在傳輸中的增益和衰減，可以通過有效的RCS 定標補償，且其與散射矩陣差分特征值的計算無關(guān)，因此在后邊的仿真中假設g=1；ar表示系統(tǒng)H 和V 接收通道間的幅相不一致性；at表示系統(tǒng)H 和V 發(fā)射通道間的幅相不一致性；Ci(i=1，2，3，4)表示發(fā)射和接收時H 和V 通道間的交叉串擾。Ci(i=1，2，3，4)的值通常較小，我們以課題組研發(fā)的高分辨全極化昆蟲雷達系統(tǒng)實測極化隔離度為標準，設定Ci(i=1，2，3，4)=-25 dB。

基于此模型，假設收發(fā)通道的幅相不一致性相同，以157只昆蟲散射矩陣為真值，設置不同的幅相不一致乘到昆蟲散射矩陣上，即可仿真不同極化誤差下四種方法反演體長和體重的精度。

考慮到在實際系統(tǒng)中，經(jīng)過有效的極化校準后，系統(tǒng)的極化誤差會控制在一定范圍內(nèi)，因此本文仿真時設置的幅度不一致性在正負1.5 dB 以內(nèi)，相位不一致性在正負15°以內(nèi)。

首先，仿真相位不一致對四種方法體型反演精度的影響。系統(tǒng)相位不一致設置的變化范圍為-15°～15°，系統(tǒng)幅度不一致設置為無誤差。相位不一致對四種方法估計體長和體重精度影響的仿真結(jié)果如圖9 所示，在估計體長和體重時，v方法和a0&α2方法受到相位誤差影響最大，特別是當相位誤差增大時，隨著昆蟲類別判別錯誤率的增加，體長和體重估計的平均相對誤差迅速增大，而d方法和σmin幾乎不受影響。

圖9 不同相位不一致性下體長和體重估計精度對比Fig.9 Error comparison of insect morphological parameters estimation by four methods at different phase inconsistency

其次，仿真幅度不一致對四種方法體型反演精度的影響。系統(tǒng)幅度不一致設置的變化范圍為-1.5 dB～1.5 dB，系統(tǒng)相位不一致設置為無誤差。幅度不一致對四種方法估計體長和體重精度影響的仿真結(jié)果如圖10 所示，在估計體長和體重時，四種方法在不同程度上都受到了幅度誤差的影響。其中，在估計體長時a0&α2方法受幅度誤差影響最大，其余三個方法所受影響接近；在估計體重時，d方法所受影響最小，其余三種方法所受影響接近，但是在幅度不一致較小的時候，另外三種方法估計體重的精度顯然要高于d方法。

圖10 不同幅度不一致下體長和體重估計精度對比Fig.10 Error comparison of insect morphological parameters estimation by four methods at different amplitude inconsistency

以上結(jié)果表明，v方法和a0&α2方法抗相位誤差性能非常差，d方法和σmin方法幾乎不受相位誤差影響。a0&α2方法反演體長時抗幅度誤差性能差，其余方法抗幅度誤差性能接近。

需要注意的是，上述仿真是使用暗室測量的數(shù)據(jù)進行的，但是從和圖8（a）和（b）的對比可知，在實測目標中，差分特征值相位在0°附近的昆蟲占比遠大于暗室昆蟲，因此在實際測量中受相位誤差影響的目標會更多，使用v方法和a0&α2方法時反演誤差會更大。相對而言d方法和σmin方法抗相位噪聲能力強，幾乎不受相位誤差的影響，且抗幅度誤差性能接近?？紤]到σmin方法精度更高，在實際使用中σmin方法可能會有更好的性能。

7 結(jié)論

本文通過分析昆蟲腹部面極化RCS 特性發(fā)現(xiàn)昆蟲的最小極化RCSσmin與其體長和體重存在較好的映射關(guān)系，可以將其作為特征估計昆蟲的體長和體重。通過對稱昆蟲模型，推導了極化方向圖形狀的判斷條件，結(jié)果顯示當差分特征值實部小于1時，極化方向圖為“十”字形，差分特征值實部大于等于1 時，極化方向圖為圓形或者“8”字形，并基于此結(jié)果推導了昆蟲最小極化RCS 的解析表達，從而給出了基于昆蟲最小極化RCS 估計體長和體重的經(jīng)驗公式。方法對比顯示，σmin方法反演體長精度最高，反演體重精度略低于v方法和a0&α2方法。然而特征參數(shù)v和α2的計算需要判斷昆蟲類型，當昆蟲類型判別錯誤時，會造成計算的特征參數(shù)v和α2存在較大誤差，從而可能造成較大的體長和體重估計誤差。通過仿真分析了極化誤差對于四種方法反演精度的影響，結(jié)果表明，v方法和a0&α2受極化相位誤差影響非常嚴重，相對而言σmin方法和d方法抗極化誤差性能好，幾乎不受相位誤差的影響。在實際測量中，存在相當數(shù)量的昆蟲差分特征值相位在0°附近，這必然會造成v方法和a0&α2方法的精度大打折扣，相比而言，抗極化誤差性能與d方法接近但精度比d方法高的σmin實用性更好。