张一凡, 张双辉, 刘永祥, 荆 锋

(1. 国防科技大学信息通信学院, 陕西 西安 710106;2. 国防科技大学电子科学学院, 湖南 长沙 410073)

0 引 言

雷达具有全天时、全天候工作和远距离探测的能力,在导弹防御、空间目标监视中发挥着至关重要的作用[1],因此雷达自动目标识别(radar automatic target recognition, RATR)技术一直是国内外相关领域的研究热点。用于目标识别的雷达数据有3种,即合成孔径雷达(synthetic aperture radar,SAR)图像、逆SAR(inverse SAR,ISAR)图像和高分辨距离像[2](high resolution range profile, HRRP)。由于SAR/ISAR图像的获取难度较大,实际中难以获取质量较高的二维图像,同时具有数据量大、运算量大等缺点,而HRRP具有成像简单、易于获取、数据量小、运算复杂度低等优势[3],因此HRRP自动目标识别技术成为了一种很有应用前景的识别方法。在目标识别场景中,目标的运动轨迹和状态具有连续性,接收机所接收到的HRRP序列相邻回波之间存在空间和时间上较强的相关性[4-5],然而传统的HRRP识别方法只用到了单个HRRP样本,忽略了相邻样本之间的时空相关性,造成信息损失,因此本文将主要研究基于HRRP序列的雷达目标识别方法。

根据分类器原理的不同,HRRP序列识别方法可以大致分为3类。第1类是基于统计学习算法的识别方法,Du等人[6]利用基于统计特征的识别方法提出了新的目标HRRP的特征提取方法;文献[7]提出将支撑矢量机(support vector machine, SVM)作为HRRP序列识别模型,提高了识别性能,但是此类算法存在识别精度低、收敛速度慢等不足。第2类是隐马尔可夫模型(hidden Markov model, HMM),文献[8]利用长宽相关HRRP序列进行建模,其中跨距离单元的空间结构用HMM结构描述,HRRP样本之间的时间相关性用转移的时间演化描述概率,在一定程度上提高了识别精度。……