张建强，汪厚祥，赵霁红，高世家

（1.海军工程大学电子工程学院，武汉430033，2.潍坊市公安局，山东潍坊261061）

基于自适应径向基网络的舰船RCS统计特征识别方法

张建强1，汪厚祥1，赵霁红2，高世家2

（1.海军工程大学电子工程学院，武汉430033，2.潍坊市公安局，山东潍坊261061）

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量，利用提出的基于样本密度的自适应径向基网络，进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径，实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数，采用快慢结合的高斯自适应惯性权重调节策略，提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明，自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布，减少了对建模人员经验的依赖，提高了反舰导弹对舰船类型的识别分类能力。

雷达散射面积；适应度；径向基网络；粒子群优化算法

反舰导弹末制导雷达获取的舰船目标RCS（雷达散射截面积）频域序列起伏特征，与舰船目标尺寸、结构和形状相关，可利用舰船RCS频域序列起伏的统计特征，来进一步提高反舰导弹对舰船目标类型的识别能力［1］。为此，本文采用舰船RCS频域起伏序列的均值、标准差等统计特征，作为径向基网络的分类特征向量，进行舰船分类识别实验，结果显示舰船RCS频域起伏的均值、均方差等统计特征可作为反舰导弹识别舰船类型有效特征，为反舰导弹捕捉价值更大的海上目标提供分类支持。……