贾海云

(合肥财经职业学院 人工智能学院，安徽 合肥 230601)

使用高分辨率距离像(High-Resolution Range Profile,HRRP)[1]技术可以很容易解析出待测目标的特征数据.这一优势使得HRRP技术被广泛地部署在目标检测领域，比如对航海船舰实施精细计算以便对目标进行精确归类.然而航海中的船舰类型众多且待测目标的造型、结构等特征区别较大，无法搜集所有船舰的数据.这就限制了该技术在个体目标精细归类方面的普适性.一种行之有效的方法是利用高分辨雷达目标一维距离像(High Resolution Rodar Profile One-dimensional Distance,HRRPOD)技术预测出航海船舰属于民用还是军用，再考虑是否继续对所预测的军用船舰做深度定位测算分析.HRRPOD技术的实施是通过读取待测目标的多维特征数据来实现，甚至各维特征数据彼此之间可通过互补分析来进一步增强预测精度.本次研究引入HRRPOD技术并通过改进传统特征识别机制来设计一个航海舰船自适应多维预测算法.

1 船体测量

由于航海舰船所对应的HRRP参量包含了除待测船只以外的海上噪声.此前的相关研究给出了解决该现象的方法是:首先确定船体在航海中的投影长度、姿态、实际长度等来对HRRP参量实施门限[2]处理;然后再计算出待测船体的面积所对应的距离单元来测评船体的长度.另有研究方法是通过获取波高谱来确定波长幅度的表达式，再根据该表达式的周期性测评出船体的长度.为克服上述研究的鲁棒性问题，本文构思通过分析船体能量来确定航海……