一种窄带情报雷达海面目标分类方法

钟 辉，王曙光

(华东电子工程研究所，安徽 合肥 230088)

一种窄带情报雷达海面目标分类方法

钟 辉，王曙光

(华东电子工程研究所，安徽 合肥 230088)

对海探测预警雷达多采用窄带工作，目标分类需求日益突出。提出了一种在原有窄带雷达架构下进行海面目标分类的改进型数据处理方法，在处理目标航迹的同时，完成目标分类训练，并将分类结果与目标探测结果融合。试验验证了该海面目标分类方法的有效性，具有较好的实用价值。

海面目标；窄带；目标分类；支持向量机

0 引 言

为提高作战效率，雷达的目标分类识别能力正日益成为广受关注的一项指标。在海面环境中，特别是濒海环境下海面目标密集，操作员面对数目众多的目标，难以在短时间内人工判断目标类型，影响了对海面态势的分析与处理。实现雷达对海模式下目标分类，对雷达情报的高效利用具有显著价值[1-3]。图1给出了某机载雷达对海模式探测画面。

目前雷达领域的目标分类大致从2个方面进行：一是基于窄带探测目标回波起伏特性和调制谱特征的识别[4-6]；二是基于宽带雷达成像的图像分类识别[7-9]。另外，目标极化特征也在目标识别中日益受到重视[10-11]。目前现役情报雷达多为窄带工作方式，采用低重频、非相参积累、频率捷变抑制海杂波等技术手段实现海面目标探测、跟踪任务，如何在保持现役雷达基本架构、接收通道带宽等不变条件下实现海面目标分类具有很现实的意义。本文给出了一种在保持窄带情报雷达基本架构不变，通过改进雷达数据处理部分数据流、加装目标分类模块实现海面目标分类的设计方案。

1 海面目标特征

海面目标包括民用商船、军用舰船、渔船等各型目标，依据目标的单一特征区分目标较为困难，需从目标结构、运动、散射等多方面来分析不同目标特征。

1.1 结构特征

不同的军用舰船，其结构差异较为明显：

(1) 导弹快艇：艇体很小，上层建筑少、矮，舰面设备密集，艇长一般在几十米到10余米。

(2) 护卫舰：舰体较小，上层建筑物相对较矮；舰首较尖，舰尾多呈方形，舰桥位于甲板中部或中部稍前，舰面建筑结构较松散，绝大部分是一个桅杆一个烟囱。

(3) 驱逐舰：前甲板较短，上层建筑物较矮；平面形状一般较细长，舰首较尖，舰尾多为方形，舰舷平直。舰桥多位于甲板中部或中部靠前，通常有2个烟囱，驱逐舰都有直升机起降平台。

(4) 两栖舰：专门负责运输登陆部队及装备，指挥和支援登陆战的舰艇，按用途可以分为登陆舰艇、登陆运输舰、登陆指挥舰和登陆火力支援舰。其上层建筑(舰桥等)多位于舰面中部右侧。

(5) 航母：有宽阔的飞机起飞跑道，上层建筑(舰桥等)多位于舰面中部右侧。

除此之外，民用舰船是海面目标的最大群体，常见商船总吨位与长度的线性关系曲线见图2。

1.2 运动特征

从运动特性看，大小舰船差异明显。大中型舰船的速度较为稳定，巡航速度通常为27.78～48.15 km/h，少数可达55.56 km/h以上，即通常为8～15m/s；小型渔船的速度一般约为5～7 m/s。海面目标的运动特征，在目标跟踪、分类中也需要特别注意。

1.3 海面目标回波特征

海面目标因其结构特征和运动特征，在回波信号方面存在以下特点：

(1) 目标包络受目标姿态影响明显。当舰船正对雷达照射方向时，具有最大包络尺寸；当舰船航向变化时，目标包络尺寸会发生较明显变化。相较于空中目标，水面目标可定点转向、锚泊等，目标航向与距离包络关系更复杂。

(2) 海面目标上层建筑较为密集，目标姿态变化可引起目标反射特性的较大起伏，另外目标表面不同散射体反射信号的干涉导致目标回波信号出现起伏，致使单纯依靠目标信号强弱区分目标存在困难。

从图3可以看出，不同类型目标回波信号极大值区分不明显，但目标回波距离单元具有区分参考价值。

2 目标分类分析

yi=sign(wT·xi+b)，i=1,…,n

(1)

式中：w和b分别为权重和偏置。

该最优组合可通过如下二次规划问题求解：

s.t.yi(wT·xi+b)≥1,

i=1,…,n

整个目标分类识别可分为训练和测试两部分。训练过程由所提供的样本{xi,yi}通过求解获得w和b决策器模型；训练结束后，利用所得模型对未知的测试样本进行预测，可获得目标的调制决策。图4描述了舰船目标分类识别的性能测试策略：(1) 将特征向量集划分为训练集与测试集；(2) 在训练集上进行模型学习，并保存所得决策器模型；(3) 用所得模型预测测试集中的样本类别；(4) 比对各测试样本的预测类别和实际类别，获得本次测试准确率。重复步骤1～4共100次，获得稳定的系统性能统计。

3 目标分类架构设计及试验验证

情报雷达一般数据处理架构如图5所示，包括原始点迹处理、航迹跟踪处理、融合处理等构成串行处理架构。在已有软件架构中加入独立的目标分类功能模块，改进后的数据处理架构如图6所示。

采用某试验样机基于改造后的数据处理架构进行实际采集海面目标数据分类试验验证，雷达工作带宽2.5 MHz，海面目标按照吨位划分为大(6 000吨以上)、中(1 000吨～6 000吨)及小目标(1 000吨以下)，试验对象包括试验时段内海面民用船舶(包括渡轮和游艇)、军用舰艇和导弹艇，通过雷达探测数据与船舶自动识别系统(AIS)数据比对，确认目标准确属性，验证目标分类正确率。图7为军舰、渡轮、导弹艇、游艇等具有代表性的舰船样本在特征空间中的分布情况。

可以看出，同类舰船在特征空间中的分布相对集中，不同舰船间的分布则相对独立。说明采用回波包络特征具有良好的代表性，可以作为舰船目标大、中、小粗分类的依据。

选取多个海域、多个试验时段内的军用舰艇与民用船舶数据为对象，得到大、中、小目标样本共1 638个。随机选取3类样本各一半的数据组成训练集，剩余数据作为测试集，测试分类性能。经过100次蒙特卡洛试验后，得到平均分类性能见表1。

表1 海面窄带探测目标分类性能

从表1中可以看出，该系统对大、中、小3类样本具有不低于85%的分类准确率，在保持现有雷达基本架构不变的情况下，可较好地实现海面舰船目标粗分类的任务需求。

4 结束语

综上所述，采用回波包络等特征可综合反映目标的结构特征及回波能量的大小，可作为有效特征进行大小舰船的分类识别。试验表明，在保持雷达窄带架构基本不变的条件下，选择合适的目标分类算法来实现海面目标分类是一种可行的途径。

[1] 黎湘,范梅梅.认知雷达及其关键技术研究进展[J].电子学报,2012,40(9):1863-1870.

[2] 李程,王伟,施龙飞,王雪松.基于多源信息融合的有源雷达组网方式序贯识别方法[J].电子与信息学报,2014,36(10):2456-2463.

[3] 倪迎红,陈玲.雷达目标识别及发展趋势预测[J].电讯技术,2009，49(11)：98-102.

[4] 李青,李斌,胡文俊,赵春华,刘蕾蕾.基于低分辨率雷达的海面舰船目标分类识别技术[J].现代雷达,2012,34(12):45-49.

[5] 戴幻尧,来庆福,赵晶,张文明.雷达目标特征数据采集及应用[J].舰船电子对抗,2008,31(5):44-50.

[6] INGGS M R,ROBINSON A D.Ship target recognition using low resolution radar and neural networks[J].IEEE Transactions on Aerospace and Electronic Systems,1999,35(2):386-393.

[7] 刁桂杰,许小剑,倪虹,路军杰.海面舰船目标SAR回波信号仿真[J].系统仿真学报，2015,27(9):1989-2007.

[8] 祝明波,黄佳琦,侯建国,邹建武,邹小海.舰船及其海面背景SAR成像模拟研究综述[J].航天电子对抗,2014,30(4):15-21.

[9] 曹峰,邢相薇,计科峰.一种SAR图像舰船目标快速检测方法[J].雷达科学与技术,2012,10(4):380-386.

[10] 郭睿,包敏,李军,臧博,邢孟道.极化SAR图像中的弱小舰船目标检测[J].系统工程与电子技术,2011,33(6):1253-1256.

[11] 武鹏,王俊,王文光.基于极化特征分解的海上小目标检测算法研究[J].电子与信息学报,2011,33(4):816-822.

ASeaSurfaceTargetClassificationMethodforNarrow-bandIntelligenceRadar

ZHONG Hui,WANG Shu-guang

(East China Research Institute of Electronic Engineering,Hefei 230088,China)

The sea surface detection and early warning radar often operates with narrow band mode, and the requirements of target classification become increasingly obvious.This paper puts forward an improved data processing method for sea surface target classification in primary narrow band radar framework,Through the new method,dealing with the target track and completing the target classification training can be performed synchronously,and the classification results and target detection results are fused.The validity of the sea surface target classification method is validated through the test.The method is of better practical value.

sea surface target;narrow band;target classification;support vector machine

TN957.51

：A

：CN32-1413(2017)04-0062-04

10.16426/j.cnki.jcdzdk.2017.04.016

2017-03-25