李 龙

(西安导航技术研究所 西安 710068)

0 引言

随着雷达探测系统向着智能化方向的发展，目标识别技术已经成为雷达系统在面对复杂探测环境时的关键。在目标识别中，特别是地面复杂场景识别中，如何实现对感兴趣目标与非感兴趣目标的鉴别，是目标识别中首先需要解决的关键问题之一。目标高分辨一维距离像(High Resolution Range Profile，HRRP)[1]，可以反映目标上的强散射点在雷达视线方向的几何结构信息，同时高距离分辨率可以有效提升目标检测中的信噪比，并且相比于二维合成孔径成像技术，其可实现前视实时成像，且计算复杂度低易于工程实现，可应用于弹载等对时间与计算资源要求较高的应用背景中，因此基于HRRP的目标识别技术得到了广泛的应用[2]。

在地面目标识别中，目标鉴别是对目标分类的前提，特别是针对地面复杂场景进行探测时，目标、地面非人为干扰物(如土丘、高压线铁塔、房屋等)、类目标干扰物(如地面民用车辆等)、人为布设干扰物(如角反射器等)均处在同一地面场景中，且这些干扰物与目标的散射特性十分相似，无法采用常规的目标检测技术对其进行剔除，因此需要采用利用目标识别技术对其进行鉴别。此外，由于地面场景的特殊性，地面干扰物种类繁多，干扰物无法通过实际测量或者电磁仿真的方式建立训练样本库，因此无法实现传统机器学中对待分类目标的完备训练样本库的建立。在机器学习领域，单类分类器(One-Class Classification，OCC)[3]，可有效解决仅有部分训练样本的不完备样本库的目标分类问题。……