宽带雷达目标识别技术研究

【摘要】： 逆合成孔径雷达(ISAR)图像是目标在距离-多普勒平面上的投影,包含了目标的二维结构信息,基于ISAR图像的目标识别是宽带雷达自动目标识别领域的重要组成部分。极化是描述目标散射特性不可或缺的一部分,极化和宽带高分辨技术相结合是宽带雷达自动目标识别极具潜力的发展方向。因此,本论文围绕ISAR雷达目标识别和极化雷达目标识别这两个问题对干涉ISAR(InISAR)三维成像、干涉ISAR目标识别、多极化雷达高分辨一维距离像(HRRP)识别和基于极化散射矩阵(PSM)的极化雷达目标识别进行了分析和研究。本论文的主要内容概括如下: 1.分析了干涉ISAR三维成像的原理,利用了目标体上强散射点处信噪比较高的特性,提出了一种新的基于特显点的干涉ISAR成像方法,该方法能有效地解决相位解缠绕问题和在低信噪比传统干涉ISAR成像方法无法正确成像的问题;并且对斜视情况下的干涉ISAR成像问题进行了研究。 2.对干涉ISAR三维成像中的一些问题进行了分析和研究。第一个问题是干涉ISAR三维成像中的天线布阵方式和基线的设置,包括两种布阵方式、横向分辨率与基线的关系、基线去相关和最优基线;第二个问题是角闪烁,分析了角闪烁产生的机理、特征和解决办法;最后一个问题是超分辨算法在干涉ISAR成像中的应用,给出了两种经典的超分辨干涉ISAR成像方法。 3.提出基于干涉ISAR像的雷达目标识别方法。给出了干涉ISAR图像的预处理方法,接着使用极化映射提取具有旋转不变性和尺度不变性的特征,最后设计三种分类器对目标进行识别。对影响干涉ISAR成像和识别的四个因素:俯仰角度、目标转速、天线孔径(也称基线)和目标与雷达的距离进行了分析,实验结果验证了理论上的分析。 4.多极化HRRP包含了比单极化HRRP更多的目标结构特征信息,因此采用多分类器融合多极化信息可以提高雷达目标识别性能。提出了基于度量层的特征加权融合算法和基于决策层的加权投票融合算法,它们使用不同的准则对多极化HRRP进行融合分类,取得了较好的识别性能。 5.将核方法引入多极化HRRP识别中,提出了两种基于多极化HRRP的核函数,将这两种核函数应用到核主分量分析(KPCA)中提取特征,进而使用分类器对目标进行识别。该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度。 6.针对基于PSM的目标识别中极化特征提取困难的问题,提出了基于核函数的识别方法。定义了两类基于PSM的核函数,将其应用到KPCA中提取特征,对目标进行识别,并取得了良好的识别效果。将提出的两类基于PSM的核函数应用到一种依赖数据的核函数优化中,得到优化的对数据自适应的核函数,提取KPCA特征作为分类器的输入,进而对目标进行分类识别。