基于高分辨一維距離像及其特征的空間目標(biāo)識(shí)別效果分析*

王 放,韓曉磊,張延鑫

(北京跟蹤與通信技術(shù)研究所,北京 100094)

0 引 言

隨著人類航天技術(shù)的發(fā)展進(jìn)步,爭(zhēng)奪進(jìn)出空間、利用空間和控制空間的自由權(quán)已成為世界大國(guó)實(shí)現(xiàn)國(guó)家安全和利益拓展的基本戰(zhàn)略,而空間態(tài)勢(shì)感知能力則是遂行此戰(zhàn)略的基礎(chǔ)和保證?？臻g目標(biāo)是指分布于軌道高度100 km以上空間的、長(zhǎng)期在軌的人造目標(biāo),包括工作衛(wèi)星、空間站等工作航天器和失效衛(wèi)星、箭體、碎片等太空垃圾。對(duì)空間目標(biāo)尤其是在軌航天器的準(zhǔn)確識(shí)別,是太空態(tài)勢(shì)感知的重要內(nèi)容和基礎(chǔ),受到了廣泛關(guān)注[1-8]。通常情況下,對(duì)空間目標(biāo)身份的識(shí)別主要依靠目標(biāo)軌道匹配,但當(dāng)目標(biāo)變軌或新目標(biāo)發(fā)現(xiàn)等軌道匹配失效的情況下,需要根據(jù)目標(biāo)光、電特性實(shí)現(xiàn)對(duì)目標(biāo)身份的準(zhǔn)確識(shí)別。目標(biāo)高分辨一維距離像(High Resolution Range Profile,HRRP)是一種相對(duì)易于獲取和處理的目標(biāo)寬帶雷達(dá)特性數(shù)據(jù),其中包含了豐富的目標(biāo)尺寸、結(jié)構(gòu)等物理特征,已在各類雷達(dá)目標(biāo)識(shí)別中得到了較好的應(yīng)用。研究發(fā)現(xiàn),目標(biāo)的HRRP在空間目標(biāo)個(gè)體自動(dòng)識(shí)別中有著良好的應(yīng)用前景。然而,前期的相關(guān)研究多集中于基于HRRP的目標(biāo)識(shí)別算法[7-12],相關(guān)結(jié)論多是基于仿真數(shù)據(jù)或少量類別(幾類)的前提下得到的,與工程應(yīng)用的實(shí)際情況有較大差距,缺乏對(duì)HRRP在空間目標(biāo)個(gè)體識(shí)別中工程效果的可靠分析。為解決這一問題,本文在對(duì)空間目標(biāo)識(shí)別問題特點(diǎn)分析的基礎(chǔ)上,基于地基雷達(dá)獲取的大量實(shí)測(cè)HRRP數(shù)據(jù),對(duì)HRRP及其特征(組合)的可分性和在空間目標(biāo)個(gè)體識(shí)別中的應(yīng)用效果進(jìn)行了量化分析,分析結(jié)果可為后續(xù)基于HRRP的空間目標(biāo)個(gè)體識(shí)別技術(shù)研究和工程應(yīng)用提供可靠依據(jù)。

1 空間目標(biāo)識(shí)別問題分析

目標(biāo)識(shí)別的本質(zhì)是利用所獲取的目標(biāo)特征信息,通過一定的數(shù)學(xué)方法,建立待識(shí)別目標(biāo)與已知目標(biāo)間的關(guān)聯(lián)性,包括學(xué)習(xí)和識(shí)別兩個(gè)基本過程,其關(guān)鍵在于已知目標(biāo)特征描述的建立、待識(shí)別目標(biāo)特征的提取,以及識(shí)別算法和判決規(guī)則的建立?？臻g目標(biāo)識(shí)別作為目標(biāo)識(shí)別的一個(gè)分支,雖然在基本原理、方法和關(guān)鍵問題等方面與一般目標(biāo)識(shí)別是相通的,然而由于待識(shí)別對(duì)象和應(yīng)用需求的特殊性,空間目標(biāo)識(shí)別又有其自身的鮮明特點(diǎn)和獨(dú)特解決思路。

1.1 空間目標(biāo)識(shí)別的內(nèi)涵

空間目標(biāo)識(shí)別是太空態(tài)勢(shì)感知的重要內(nèi)容,其具體內(nèi)涵是:綜合利用所獲取的反映空間目標(biāo)本質(zhì)的各種特征和信息,如目標(biāo)軌道、幾何及結(jié)構(gòu)特征、光學(xué)散射/輻射特性、電磁散射輻射特性等,實(shí)現(xiàn)對(duì)空間目標(biāo)類別、身份、屬性及威脅的判別,以確定目標(biāo)是什么、是誰、干什么和重要性。因此,空間目標(biāo)識(shí)別可分為以下3個(gè)不同層次:

1)空間目標(biāo)分類,即將在軌姿控正常航天器與姿控失效航天器、箭體、碎片等太空垃圾區(qū)分開來。

2)空間目標(biāo)身份識(shí)別,即主要針對(duì)姿控正常航天器,識(shí)別其身份屬性,確定其具體是哪一顆衛(wèi)星。

3)空間目標(biāo)精細(xì)特征刻畫,即利用測(cè)得的目標(biāo)多源數(shù)據(jù)和情報(bào)信息,得到目標(biāo)幾何尺寸、結(jié)構(gòu)布局、材質(zhì)分布、載荷類型及能力等精細(xì)物理特征。

1.2 空間目標(biāo)識(shí)別的特點(diǎn)

根據(jù)前述對(duì)空間目標(biāo)特性的分析可知,與飛機(jī)、艦船等常規(guī)目標(biāo)識(shí)別相比,空間目標(biāo)識(shí)別問題具有以下特點(diǎn):

1) 待識(shí)別目標(biāo)運(yùn)動(dòng)符合軌道運(yùn)動(dòng)規(guī)律,其軌道特征具有較好的穩(wěn)定性和時(shí)空可分性,是完成絕大多數(shù)空間目標(biāo)識(shí)別的基礎(chǔ)。

2)與飛機(jī)、艦船等目標(biāo)相比,空間目標(biāo)位置具有較強(qiáng)的長(zhǎng)期可預(yù)測(cè)性,對(duì)同一目標(biāo)可多次重復(fù)探測(cè),且探測(cè)數(shù)據(jù)在時(shí)間和空間上易關(guān)聯(lián)。因而,一方面可通過重復(fù)觀測(cè)獲取已知空間目標(biāo)建庫所需的目標(biāo)特征模板;另一方面可重復(fù)多次獲取待識(shí)別目標(biāo)的特征信息,進(jìn)行多次識(shí)別和基于多源信息的融合識(shí)別,提高識(shí)別結(jié)果的正確性和可靠性。

3)相比于地面、海面等環(huán)境,空間目標(biāo)所處的太空環(huán)境背景相對(duì)簡(jiǎn)單、純凈,有利于目標(biāo)識(shí)別處理。

4)與飛機(jī)、艦船、車輛等常規(guī)目標(biāo)識(shí)別相比,待識(shí)別目標(biāo)數(shù)量和類別巨大,給識(shí)別帶來困難。

5)由于不斷發(fā)生進(jìn)入、變軌、隕落、解體及爆炸、碰撞等空間事件,空間目標(biāo)的數(shù)量、狀態(tài)、特征屬性等有可能發(fā)生較大變化,因此對(duì)空間目標(biāo)尤其是航天器的識(shí)別需在一個(gè)較長(zhǎng)時(shí)間內(nèi)定期重復(fù)進(jìn)行,以確保對(duì)目標(biāo)情況的及時(shí)、準(zhǔn)確掌握。

2 基于HRRP的空間目標(biāo)個(gè)體識(shí)別效果分析

空間目標(biāo)的HRRP是目標(biāo)強(qiáng)散射中心在雷達(dá)視線上的投影(圖1),與目標(biāo)窄帶雷達(dá)散射截面(Radar Cross Section,RCS)序列相比,包含更多的目標(biāo)信息,可直接用于空間目標(biāo)個(gè)體識(shí)別。為研究HRRP直接用于空間目標(biāo)識(shí)別的效果,本文利用實(shí)測(cè)獲取的30類在軌衛(wèi)星目標(biāo)的寬帶雷達(dá)回波數(shù)據(jù),構(gòu)建了目標(biāo)識(shí)別模板庫,基于模板匹配[13]方法進(jìn)行了識(shí)別處理,并對(duì)處理結(jié)果進(jìn)行了統(tǒng)計(jì)分析。

2.1 模板庫構(gòu)建

在相同的待識(shí)別目標(biāo)數(shù)據(jù)質(zhì)量條件下,庫內(nèi)模板數(shù)據(jù)的質(zhì)量越高、覆蓋越全面,最終識(shí)別結(jié)果的正確率和置信度將越高;與此同時(shí),庫內(nèi)模板規(guī)模的大小將大大影響模板匹配識(shí)別算法效率的高低。因此,從空間目標(biāo)HRRP特點(diǎn)出發(fā),綜合考慮算法效率等因素,采用以下策略建立了識(shí)別模板庫:綜合考慮現(xiàn)有寬帶數(shù)據(jù)采樣頻率、空間目標(biāo)與雷達(dá)視線相對(duì)轉(zhuǎn)速以及HRRP的姿態(tài)敏感特性等因素,每隔30個(gè)回波抽取1個(gè)HRRP作為模板;對(duì)于相同觀測(cè)條件的目標(biāo)數(shù)據(jù),選取信噪比(Signal-to-Noise Ratio,SNR)最高的數(shù)據(jù)構(gòu)建識(shí)別模板。

新教材的改變對(duì)教師角色的自身定位是一項(xiàng)巨大的挑戰(zhàn)。知識(shí)的易接觸性意味著教師將不再是其唯一持有者，在單獨(dú)的字音教學(xué)環(huán)節(jié)，教師與學(xué)生只是資源共享關(guān)系。因此如何發(fā)揮教師的引導(dǎo)作用才是值得深思的問題。教師應(yīng)首先明確自身優(yōu)勢(shì)，引導(dǎo)學(xué)生將社會(huì)經(jīng)驗(yàn)回歸書本，將生活實(shí)際抽象概括，得出最終結(jié)論。

2.2 基于HRRP的空間目標(biāo)個(gè)體識(shí)別效果

為驗(yàn)證HRRP在空間目標(biāo)個(gè)體識(shí)別的效果,利用采集的30類在軌衛(wèi)星目標(biāo)的實(shí)測(cè)寬帶雷達(dá)數(shù)據(jù),對(duì)測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段相同且回波編號(hào)相同、測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段相同但回波編號(hào)不同,以及測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段不同等3種情況進(jìn)行了測(cè)試,并對(duì)識(shí)別結(jié)果正確率進(jìn)行了統(tǒng)計(jì)分析,如表1所示。其中,測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段相同且回波編號(hào)不同條件下的測(cè)試主要用于測(cè)試識(shí)別方法的正確性;測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段相同但回波編號(hào)不同情況下,測(cè)試數(shù)據(jù)與模板數(shù)據(jù)有相似的目標(biāo)姿態(tài)角,模板數(shù)據(jù)對(duì)測(cè)試數(shù)據(jù)具有很好的角度覆蓋性,此種情況下的測(cè)試結(jié)果可以最大程度消除模板的不完備性給識(shí)別帶來的影響,客觀反映不同類別目標(biāo)HRRP的可分性;測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段不同條件下的測(cè)試,主要用于檢驗(yàn)?zāi)０宀煌陚鋵?duì)識(shí)別效果帶來的影響。

表1 基于HRRP的空間目標(biāo)個(gè)體識(shí)別結(jié)果Tab.1 Space target recognition result based on HRRP

從表1中給出的識(shí)別結(jié)果統(tǒng)計(jì)情況可以看出:

1)在測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段相同且回波編號(hào)相同條件下,識(shí)別結(jié)果正確率為100%,說明了分類器的正確性和有效性,但部分識(shí)別結(jié)果的隸屬度不高,說明部分庫內(nèi)不同目標(biāo)識(shí)別模板間存在相似度較高的情況。

2)在測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段相同但回波編號(hào)不同條件下,識(shí)別結(jié)果正確率可達(dá)85.19%,識(shí)別效果較好,說明不同衛(wèi)星目標(biāo)的HRRP具有較好的可分性。

3)在測(cè)試數(shù)據(jù)與模板數(shù)據(jù)段不同的條件下,識(shí)別正確率僅有24.40%,說明模板完備性對(duì)識(shí)別效果影響較大。

3 基于HRRP特征(組合)的空間目標(biāo)個(gè)體識(shí)別效果分析

3.1 空間目標(biāo)HRRP特征分析及篩選

可提取的目標(biāo)HRRP特征主要包括距離像結(jié)構(gòu)特征、傅里葉-梅林(Fowrier-Mellin)變換特征、高階譜特征、中心矩特征和統(tǒng)計(jì)量特征等。下面對(duì)空間目標(biāo)HRRP的不同特征量的特點(diǎn)進(jìn)行分析。

從空間目標(biāo)HRRP中可提取的結(jié)構(gòu)特征包括目標(biāo)徑向長(zhǎng)度、距離域結(jié)構(gòu)特性、散射對(duì)稱性、散射中心數(shù)目、分散程度等。其中,目標(biāo)徑向長(zhǎng)度為目標(biāo)所占分辨單元的總長(zhǎng),是識(shí)別目標(biāo)時(shí)最直觀的幾何形狀特征;目標(biāo)距離域結(jié)構(gòu)特性主要指目標(biāo)強(qiáng)散射中心位置之間的相對(duì)關(guān)系,反映了目標(biāo)主要散射部位之間相對(duì)距離比例關(guān)系;散射對(duì)稱性反映了目標(biāo)散射截面分布的對(duì)稱程度;分散程度則反映了目標(biāo)的強(qiáng)散射部位在目標(biāo)物體表面的分布關(guān)系。

3.1.2 傅里葉-梅林變換特征

對(duì)于空間目標(biāo)這種非合作機(jī)動(dòng)目標(biāo)來說,距離像敏感于時(shí)間平移和方位角的變化,因此,在利用HRRP進(jìn)行目標(biāo)識(shí)別時(shí),需要消除時(shí)間平移、尺度變化和幅度變化帶來的影響。幅度變化帶來的影響可以通過歸一化消除,而傅里葉變換的模具有平移不變性,梅林變換的模具有的尺度不變性,因此可以通過傅里葉變換消除時(shí)移的影響,通過梅林變換消除尺度變化的影響。

3.1.3 高階譜特征

高階譜即信號(hào)的高階累積量或高階相關(guān)的多維Fourier變換。高階譜可以克服直接對(duì)信號(hào)做傅里葉變換后取幅值來提取平移不變特征而造成的相位丟失的缺點(diǎn),在得到平移不變特征的同時(shí)保留HRRP頻譜相位信息,進(jìn)而反映出蘊(yùn)含于傅里葉變換相位信息中的信號(hào)形狀信息。目前,在雷達(dá)目標(biāo)目標(biāo)識(shí)別中最常用到的還是高階累積量的第一和第二個(gè)特性,即幅度和相位信息的平移不變性,在高階譜域(而非時(shí)域或距離域)充分利用高階譜的位移不變性去挖掘距離像中的相位信息。雙譜是階數(shù)最低的高階譜,處理方法最簡(jiǎn)單,同時(shí)包含功率譜里沒有的相位信息,與其他高階譜相比,它的應(yīng)用相對(duì)更為廣泛,理論和方法也比較成熟?；陔p譜的目標(biāo)識(shí)別也是一個(gè)研究的熱點(diǎn)。

3.1.4 中心矩特征

中心矩是一種簡(jiǎn)單的平移不變特征,表征了距離像波形的特征,可以反映目標(biāo)的形狀信息和粗略描述頻譜的分布特性,常用于提取圖像的平移不變特征,廣泛用于HRRP自動(dòng)目標(biāo)識(shí)別。根據(jù)中心矩的定義可知,一階矩是與平移有關(guān)的,二階及高階中心矩是以一階矩為參考點(diǎn)來補(bǔ)償平移量的,與平移無關(guān)。二階中心矩描述了波形相對(duì)于均值的分布,三階中心矩描述了波形相對(duì)于均值的對(duì)稱性,四階中心矩描述了波形的相對(duì)平坦性。更高階矩的物理意義不直接,但也定量描述了波形的分布特性。實(shí)際用于識(shí)別時(shí),隨著階數(shù)的增加,中心矩的數(shù)值會(huì)迅速增大,過大的數(shù)值對(duì)識(shí)別沒有意義,因此文獻(xiàn)[8]中提到了“相對(duì)幅度歸一化”的特征處理方法。但是,通過實(shí)測(cè)數(shù)據(jù)檢驗(yàn)發(fā)現(xiàn),在利用中心矩特征進(jìn)行空間目標(biāo)識(shí)別時(shí),歸一化反而會(huì)使得兩類目標(biāo)的特征差異降低(特征維的所有值均分布在0～1之間),進(jìn)而導(dǎo)致識(shí)別效果變差。此外,隨著中心矩階數(shù)的增加,信息成分與冗余成分的比值降低,說明高階中心矩中包含的信息已經(jīng)在低階中心矩中給出,階數(shù)越高,冗余度越大,可通過主成分分析法有效去除中心矩中的冗余,降低特征維數(shù),同時(shí)保留數(shù)據(jù)的大部分本質(zhì)信息。但考慮到工程應(yīng)用對(duì)算法的高穩(wěn)定性與低復(fù)雜度的要求,對(duì)于中心矩?cái)?shù)值隨階數(shù)增加而急劇增大的問題,采取只取低維值的方法。通過對(duì)實(shí)測(cè)數(shù)據(jù)處理分析可知,中心矩的最高維數(shù)取5～8即可滿足需求。

3.1.5 統(tǒng)計(jì)量特征

HRRP統(tǒng)計(jì)量特征主要包括均值、方差、偏度和峰度等。其中,偏度和峰度分別為三階和四階累積量零滯后時(shí)的值。偏度是衡量隨機(jī)信號(hào)的概率分布偏離對(duì)稱分布的程度,其值為零意味著此分布服從對(duì)稱分布,否則服從非對(duì)稱分布。峰度是衡量隨機(jī)信號(hào)的概率分布偏離高斯分布的程度,也反映了概率分布尖峭的程度,其值為零表明此分布服從正態(tài)分布(高斯信號(hào)),其值為正表明此分布比正態(tài)分布陡峭(超高斯信號(hào)),其值為負(fù)則比正態(tài)分布要平坦(亞高斯信號(hào))。在實(shí)際信號(hào)處理中,涉及到累積量階數(shù)的選取問題。一般來講,階數(shù)越高,計(jì)算量越大,計(jì)算過程相對(duì)越復(fù)雜,因此如果能夠滿足要求應(yīng)盡量選用階數(shù)小的累積量。理論證明,對(duì)稱分布相應(yīng)的三階累積量為零,需要采用四階累積量;而非對(duì)稱分布相應(yīng)的三階累積量不為零,因此可以采用三階累積量。另外,某些隨機(jī)過程的三階累積量的值過小,也需要采用四階累積量。考慮到空間目標(biāo)識(shí)別問題的復(fù)雜性,采用三階、四階累積量這兩個(gè)統(tǒng)計(jì)特征量。

3.2 基于HRRP特征(組合)的空間目標(biāo)個(gè)體識(shí)別效果

通過對(duì)各種HRRP特征的特點(diǎn)和基于實(shí)測(cè)數(shù)據(jù)的初步分析,并考慮工程中的高穩(wěn)定性和低復(fù)雜度要求,篩選出徑向長(zhǎng)度、散射對(duì)稱性、散射中心數(shù)據(jù)、分散程度等距離像結(jié)構(gòu)特征,傅里葉-梅林變換特征,雙譜特征,5～8階中心距特征,以及中心矩(5～8階)和統(tǒng)計(jì)量特征的組合特征作為空間目標(biāo)個(gè)體識(shí)別的備選特征?；谀０迤ヅ渌惴?利用獲取的30類衛(wèi)星目標(biāo)的實(shí)測(cè)HRRP序列數(shù)據(jù),對(duì)上述特征在空間目標(biāo)個(gè)體識(shí)別中的效果進(jìn)行了仿真分析,結(jié)果如圖2所示?？梢钥吹?基于中心矩和統(tǒng)計(jì)量的組合特征的識(shí)別結(jié)果最優(yōu),平均識(shí)別率可達(dá)76.1%;基于距離像結(jié)構(gòu)特征的識(shí)別效果次之,平均識(shí)別率為72.5%;而基于傅里葉-梅林變換特征的識(shí)別效果最差,平均識(shí)別率僅有67.5%。由此可知,中心距和統(tǒng)計(jì)量的組合特征在工程應(yīng)用中具有更好的效果。此外,與基于HRRP的空間目標(biāo)個(gè)體識(shí)別效果相比,基于HRRP特征(組合)的空間目標(biāo)個(gè)體識(shí)別效果有不同程度降低,分析可能原因?yàn)?一方面是由于HRRP特征本質(zhì)上是對(duì)目標(biāo)HRRP的維數(shù)壓縮和變換,特征提取過程中勢(shì)必會(huì)損失部分目標(biāo)特征信息從而導(dǎo)致特征的可分性降低;另一方是部分HRRP特征提取方法魯棒性不高,受數(shù)據(jù)質(zhì)量等因素影響提取的特征精度及穩(wěn)定性不高,影響了識(shí)別效果。

圖2 基于HRRP特征的空間目標(biāo)識(shí)別結(jié)果Fig.2 Space target recognition result based on HRRP features

4 結(jié)束語

本文利用地基雷達(dá)獲取的多圈次、多類型衛(wèi)星HRRP序列,對(duì)基于HRRP和其特征的空間目標(biāo)識(shí)別效果進(jìn)行了分析。結(jié)果表明,基于HRRP的識(shí)別效果遠(yuǎn)優(yōu)于基于HRRP特征的識(shí)別效果,可能由特征提取過程中的信息損失和提取特征精度有限造成;基于HRRP特征的識(shí)別效率要遠(yuǎn)高于基于HRRP的識(shí)別效率,且中心距和統(tǒng)計(jì)量的組合特征識(shí)別效果最好;隨著目標(biāo)類別的進(jìn)一步增多,基于HRRP的空間目標(biāo)個(gè)體識(shí)別效果將進(jìn)一步下降,因此后續(xù)需進(jìn)一步優(yōu)化模板庫構(gòu)建方法,并引入深度學(xué)習(xí)網(wǎng)絡(luò)等新型分類器提升識(shí)別效果和處理效率。