基于目标频谱特征的战场侦察雷达目标自动分类

唐克琴 朱广毓 吴霞飞 赵非

摘要 为解决战场侦察雷达目标自动分类的问题，本文对雷达信号处理后的数据进行预处理、频域目标特征提取，并结合目标多普勒速度、信杂比等特征进行综合判断，从而提高目标的目标自动分类的概率，根据雷达实地测试，目标分类概率符合研制要求。

【关键词】战场侦察雷达 目标分类 目标特征

1 引言

战场侦察雷达是现代陆军最为重要的侦察装备之一，主要用于对地面、低空和海面运动目标进行探测，发现目标，实现定位，并对其进行目标分类，具有全天候、全天时、全方位侦察的优点。战场侦察雷达主要完成两方面的任务：

（1）确定目标的位置;

（2）判定目标的性质。

第一个问题，在雷达诞生之初就己初步解决，只是目标定位或指示精度各有不同而已，而第二个问题，需要对目标进行分类识别，由于问题本身的复杂性，以及多干扰信号，特别是多噪声干扰源存在的复杂电磁环境，雷达目标分类问题至今还没有满意的答案，尚无成熟的技术和方法，仍是当前前沿方向之一，目标识别这项新兴技术己引起国内外许多专家、学者的关注，并积极投身于研究之中，且己取得了一些成果。

2 雷达目标分类的原理

雷达目标分类的主要方法一般分为两大类：第一类目标分类方法是基于目标特征量的提取，利用不同目标回波中不同的特征量来表示目标，然后利用模式识别理论或者线性规划理论等设计目标分类算法将不同的目标区分开来，该方法主要应用于低分辨雷达与一维距离像雷达;第二类目标分类方法是基于目标高分辨距离像，利用图像处理的算法对目标进行分析计算，该方法主要应用于高频超视距雷达、合成孔径雷达等高分辨雷达系统中。本文所研究的内容是战场侦察雷达的自动目标分类，战场侦察雷达一般属于低分辨雷达，因此采用第一类的方法进行目标分类的研究。本文采用提取目标频谱特征的方法对人、车辆进行目标自动分类。

基于目标特征量的目标分类原理如图1所示。

3 雷达目标分类过程

3.1 目标数据预处理

本文涉及的目标自动分类是在雷达能稳定跟踪目标后的目标数据进行处理，需要先检查目标数据质量，进行野值剔除，时域到频域的变换。作为战场侦察雷达，实际应用中探测的目标一般为坦克、装甲车、卡车、士兵等，采用合适的滤波器进行滤波处理。经数据预处理后进行下一步目标特征提取。

3.2 目标特征提取

3.2.1 目標频谱分析

本论文的侧重点在于对人和车辆进行分类。虽然目标速度的高低就能大致分类正常速度的人与车辆，非常不幸的是，战场环境复杂多变，目标也并不总是按照预想的情况运动，简单的分类算法不能保证分类的有效性，因此还需寻找其他的频谱特征，综合考虑对目标进行判断。经仔细观察发现，人在行走时肢体的运动速度不是均匀的，而是以一步为周期时快时慢的变，而机动车在运动时速度变化则很小。图2的（a）、（b）分别是步兵和车辆目标瞬时频率变化的典型情况。

由于行人在行走的时候，运动状态变化较大，行人手臂与腿部摆动引起的多普勒分量大小不同，反射角度也不同，从而导致在频谱上的能量分布较为分散。车辆的运动状态较为恒定，速度变化不大;并且车辆的各部分之间的相对速度较小，各个反射点反射回来的信号频率分量差别不大，因而反射能量比行人集中一些。

3.2.2 目标频谱的波形熵

经上一节分析，行人由于存在四肢的摆动，其躯干分量外的多普勒谱的频率分量更多更强，而车辆多普勒谱的频率比较集中一点，因而引用信息论中“信息熵”的概念，可以通过计算频谱的“信息摘”来区别目标的主瓣与旁瓣的幅度变化及其不确定性，此文参考文献[4]称为“波形滴”特征。

本文中，目标的旁瓣只存在与主瓣附近的几个多普勒通道上，这里截取目标主瓣附近的若干个多普勒通道作为特征提取的对象。由公式（2）可得出，熵值越小，特征量的分离性越大，即目标频谱的变化趋势越剧烈;熵值越大，目标频谱的变化趋势越平缓。

3.3 目标分类判断

由于雷达的工作波段、极化方式、威力大小、分辨力、工作模式、信号处理方式、目标等不同，都会对目标分类算法带来不同的挑战，因而目标自动分类的算法并不是普遍适用，需要针对具体型号雷达进行设计。针对特定的雷达，计算两类目标的波形熵，进行实际测试，调节判别门限，当某类目标的波形熵高于门限值时为行人，否则为车辆，同时联合目标的多普勒速度、信杂比等多维特征进行综合判断，提高目标的正确分类概率。

4 实验结果

本次实验主要是针对人和车辆的极端情况进行测试分类，即人员和车辆的速度特征对目标分类没有任何帮助。目标采用人和车辆，距离雷达4km，目标速度为5km/h，且均为沿远离雷达的方向前进（接近雷达定义为正速度，远离雷达定义为负速度）。对获取的目标数据进行预处理（去除野值、FFT、滤波、幅度归一化），具体见图3～图6。

从图6中可以看出，目标数据经过处理后，可以看出人在频谱上的能量分布较车辆更为分散一些。车辆的频谱也有所展宽，应是雷达在观测瞬间看见车辆轮毂，轮毂强烈散射，出现JEM效应。根据积累的点数选择目标附近的200个多普勒通道进行目标波形熵计算，调节判判门限，并结合目标的精细谱、信杂比分析。经雷达实地测试，对人、车辆的正确分类率为75.5%。

5 总结

本文描述战场侦察雷达对人、车目标的分类过程。并在外场试验中，对人和车辆的极端情况进行测试分类，测试结果符合指标要求。依据实测结果，地面战场侦察雷达的目标分类技术应在多种分类特征组合、窄带信号信息融合等方面进一步展开研究，以求更优化的分类性能，进一步提升作战效能。

参考文献

[1]耿东华，王胜国，闰军，地分辨力雷达目标分类识别的实现[J].电光系统，2010 （04）：23-26.

[2]李诗润，战场侦察雷达的目标识别技术研究[D].南京理工大学，2013：17-25.

[3]冀振元，孟宪德.战场侦察雷达目标的自动识别[J].哈尔滨工业大学学报，2001， 33 （06）： 830-833.

[4]吴顺君，梅晓春，雷达信号处理和数据处理技术[M].北京：电子工业出版社，2008.