一种基于雷达HRRP的舰船目标识别方法

魏存伟，刘先康，孙 菲，徐冰超

(中国人民解放军海军701工厂 研发部,北京 100015)

一种基于雷达HRRP的舰船目标识别方法

魏存伟，刘先康，孙 菲，徐冰超

(中国人民解放军海军701工厂 研发部,北京 100015)

针对高分辨雷达一维距离像的舰船目标识别问题，提出了一种基于多特征提取、最近邻模糊分类器的目标识别方法。该方法首先对海上舰船目标进行姿态角估计，然后对一维距离像进行预处理，提取出径向长度、中心矩、散射中心特征，并采用最近邻模糊分类器进行识别匹配。通过4类军民船数据进行测试，验证结果表明，该方法在舰船目标识别领域具有良好的应用前景。

一维距离像；Relax算法；最近邻模糊分类器；姿态角估计

雷达高分辨舰船目标一维距离像(High Resolution Range Profile，HRRP)[1-5]是用宽带雷达信号获取的散射点子回波在雷达视线上投影的向量和，显示了目标的结构分布和几何形状，表明了目标散射点沿距离方向的分布，对识别提供了重要的信息，因此成为识别领域的热点之一[6-13]。从文献[5]中可以看出，一维像目标识别主要面临3个方面的问题，分别为姿态敏感性、平移敏感性、幅度敏感性，其中影响最大的是姿态敏感性，即舰船所成像随着姿态的变化导致目标区域变短，造成一维像类似于压缩效果，通过雷达提供的航迹进行姿态估计，可以降低姿态敏感性。本文重点研究了基于航迹的姿态角估计、多特征提取和最近邻模糊分类器[6],以及应用在舰船目标高分辨一维像识别领域。

1 舰船目标姿态角估计

舰船目标的姿态可简化为目标运动方向与雷达视线的夹角[4]。对雷达舰船目标航迹数据进行曲线拟合，在少量测量周期范围内，可采用二次曲线表示

y=ax2+bx+c

(1)

(2)

(3)

其中，A为方位角，所以实际的姿态角θ(θ∈[0,90°])为

(4)

2 特征提取

2.1 预处理

在实际工程应用中，提高舰船目标一维像信噪比的一种方法为非相干积累，对舰船目标一维像非相干平均也可以降低目标的姿态敏感性。

图1 非相干平均降噪后的图示

图1(a)为原始一维像，显示有很多杂波、噪声等引起局部高低起伏不稳定现象，这种现象降低了目标的数据质量，不利于识别。而如图1(b)所示，采用非相干积累后，抑制了大部分的噪声使数据质量得到了提升。

2.2 特征提取

2.2.1 径向长度

径向长度L为目标所占分辨单元的总长，它是识别目标时最直观的集合形状特征，不同姿态角下的径向长度也不同。

2.2.2 强散射点特征

Relax算法[7-8]通过建立目标的强散射点模型，然后提取出散射点的参数，由于Relax算法提取参数的精度高，且对设定的散射点个数较稳健，采用参数化的特征可以很好地度量一维像，设提取的参数为{Si,Ri},i=1,2,…,k。

2.2.3 中心矩特征

(5)

其中，i0(k)为舰船目标一维距离像的散射重心。根据公式可以看出，m0(k)=1,m1(k)=1，所以不能作为特征向量。由2～Pmax阶中心矩生成的特征矢量为R(k)，可表示为

R(k)=[m2(k),m3(k),…,mPmax(k)]T

(6)

Pmax为中心矩的最高阶数，中心矩所包含信息的冗余性随着阶数的增大而变大，最高阶数一般根据经验选取。

由舰船目标的径向长度、目标强散射中心参数、中心距特征组成的特征矢量，用F(k)表示为

F(k)=[L,S1,R1,…,SK,RK,m2,…,mpmax]T

(7)

由式(7)可看出，特征矢量各维特征的权重不同，会影响分类的效果。为消除特征量纲对识别的影响，本文根据不同特征的重要性、稳定性，设计一种最近邻模糊分类器。

3 最近邻模糊分类器设计

3.1 特征差矩阵

用矩阵F来表示由径向长度、强散射点、中心矩构成的训练模板[10]

(8)

(9)

其中，dfiq=|fi-fiq|,i=1,2,…,M,q=1,2,…,Q。

3.2 隶属度矩阵构造

样本的相似度大小取决于特征差的大小，特征差越大则相似度越小，特征差越小相似度越高，本文中采用特征差为自变量，为了度量相似性，可以采用降岭形分布[10]来计算。计算目标中第i个特征的隶属度μiq，可表示为

(10)

隶属度的计算决定了识别效果的好坏，因此，本文设定了一定的规则计算隶属度，对于特征差异常的现象可以强制为0，认为该维特征矢量存在提取错误，可以认为是虚假的强散射中心或中心矩特征。隶属度矩阵的计算为

(10)

3.3 分类规则

(12)

通过式(12)可以看出，测试样本判别为第q0个模板样本的类别。

4 实验结果

为验证本文算法特征提取的有效性及设计分类器的效果，实验采用数据是某型雷达的实测一维像，采用线性调频信号形式，采用军船和民船各两类数据，舰船目标的基本尺寸参数，测试样本和训练样本数量如表1所示。

表1 舰船尺寸参数

本文主要目的为工程应用，为了验证识别效果，提高工程实践中的效率，分别对测试样本、训练样本提取了20维强散射点的参数信息和10维中心矩特征。为降低姿态敏感性，采用分类器前，预先用计算的测试样本姿态角筛选出训练样本中临近的姿态角来，本文门限值设定为5°。实验结果表明4型舰船的平均识别率为92.1%，基本能够反映出提取的姿态角度特征、径向长度、散射点、中心距特征及设计分类器的有效性，其中舰船1,2存在一定的误识别，这是因为民船在长度、结构分布上存在一定的相似性。在实际工程应用中，模板库中训练样本是否建立完备决定了识别效果的好坏，由于数据的复杂性，建立模板库工作是个长期的过程，应该注意姿态、距离、山高等问题。

表2 目标识别结果

5 结束语

本文提出了一种基于雷达高分辨一维距离像的舰船目标识别方法，该方法首先基于航迹计算出目标的姿态角来，然后提取出高分辨一维距离像的径向长度、中心矩、强散射点多个特征信息，设计了一种最近邻分类器对目标识别分类，实测数据验证结果表明，该方法在雷达高分辨舰船目标识别中有一定的应用前景。

[1] Kim K T,Seo D K,Kim H T.Efficient radar target recognition using the Music algorithm and invariant features[J].IEEE Transactions on Application Physics,2002,50(3):325-337.

[2] 刘宏伟,杜兰.雷达高分辨距离像目标识别研究[J].电子与信息学报,2005,27(8):1328-1334.

[3] 闫锦,黄培康.高距离分辨像雷达目标识别[J].航天电子对抗,2004(2):36-41.

[4] 魏存伟,梁菁,任杰,等.基于航迹信息的舰船目标姿态角鲁棒估计[J].舰船科学技术,2010,32(2):32-35.

[5] 袁莉.基于高分辨距离像的雷达目标识别方法研究[D].西安:西安电子科技大学,2007.

[6] Liu Xiankang,Gao Meiguo,Fu Xiongjun.A nearest neighbor fuzzy classifier for radar target recognition using the combined features[C].Beijing:IEEE Proceedings of the Eighth International Conference on Signal Processing,2006.

[7] 付耀文,贾宇平,庄钊文.基于一维散射中心匹配的雷达目标识别[J].电子学报,2006,34(3):404-408.

[8] Mao Jianchang.Information fusion by combining multiple features and classifiers[C].Shanghai:SPIE,1998.

[9] 王锦章,魏存伟.基于Relax散射点特征提取的舰船目标识别方法[J].电子科技,2011,24(4):8-11.

[10] 刘先康,梁菁.修正最近邻模糊分类算法在舰船目标识别中的作用[C].昆明:全国信号和智能信息处理与应用学术会议,2010.

[11] 王锦章,宫汝江.一种提高雷达HRRP识别和拒判性能的新方法[J].电子科技,2014,27(12):150-154.

[12] 王晓丹,王积勤.基于SVM的雷达目标高分辨距离像识别研究[C].西安:全国信号处理学术年会,2003.

[13] 廖学军.基于高分辨距离像的雷达目标识别[D].西安:西安电子科技大学,1999.

A Method of Ship Target Recognition Based on HRRP

WEI Cunwei，LIU Xiankang，SUN Fei，XU Bingchao

(Research Department,No.701 Factory of PLA(N),Beijing 100015,China)

A method based on feature extracted and nearest neighbor fuzzy classification algorithm is proposed for ship target recognition. Firstly,attitude angle is estimated,data is preprocessed. Then,features are extracted from high resolution range profile. Finally,the targets are recognized by nearest neighbor fuzzy classification. The result of experiment with the simulation data of 4 ship targets indicates that the proposed method is efficient and very useful in ship target classification.

HRRP;Relax algorithm;nearest neighbor fuzzy classification;attitude angle

TN957.51

A

1007-7820(2017)11-013-04

2017- 01- 13

国防预研基金

魏存伟(1983-)，男，工程师。研究方向：雷达目标识别等。刘先康(1979-)，男，博士后，高级工程师。研究方向：雷达目标识别等。

10.16180/j.cnki.issn1007-7820.2017.11.004