论文部分内容阅读
在现代远程空天目标探测体系中，光学传感器占有很大比重。但是光学识别在体系综合识别中所占权重一般较低，其主要原因在于:1目标在光学远程探测过程中一般为点目标，目标识别特征非常有限，识别能力受到严重制约;2目标识别特征受到环境影响因素多，特征阈值不易界定;3光学探测背景环境复杂，目标检测虚警多。因此微弱目标特征环境影响分析与识别应用技术是光学远程探测识别的关键技术，是光学传感器在现代探测体系中发挥重要作用的关键技术。微弱目标特征环境影响分析与识别应用主要有以下关键技术问题:1点目标识别特征维度低，且受环境影响大，需要研究更为稳定的目标识别特征;2目标检测识别过程中一般对应的图像信噪比较低，特征提取受环境影响大，因此需要研究特征提取置信度评估方法;3光学背景复杂，检测虚警多，识别时间短，因此需要研究稳健的目标检测跟踪识别算法;4群目标识别通过体系传感器协同完成，需要研究异源传感器协同识别方法。根据梳理的关键技术问题，本文主要分为三个部分:研究点目标定量识别特征，包括辐射强度，温度，辐射截面特征及变换特征等，构建点目标多维度识别特征空间，并研究识别特征提取置信度评估方法;在目标识别特征研究基础上，研究基于混合学习与基于卡尔曼滤波的微弱目标检测跟踪识别一体化算法;最后针对群目标协同探测问题，研究了微弱目标异源数据关联与特征层融合识别的方法。主要研究内容与取得成果如下:
1微弱目标特征提取算法研究与影响因素分析
研究了微弱点目标辐射强度，辐射强度周期，辐射强度异常变化、温度以及辐射截面等特征的提取方法，研究了不同识别特征的适用范围，并建立了辐射强度特征与温度特征两个主要识别特征置信度评估模型，利用模拟测量数据和外场测量数据对模型进行了验证。外场试验数据表明，在目标信噪比大于3时，本文的特征提取算法可以实现辐射强度提取误差优于20％，信噪比大于6时温度特征提取误差优于10K，可以满足简单干扰条件下目标检测识别的需要。
2微弱目标检测跟踪识别一体化方法研究
在点目标多维识别特征定量研究基础上，面向点目标检测与识别时信噪比低、环境干扰大、起伏噪声强等实际问题，提出一种压缩感知与机器学习相结合的目标检测与识别方法。该方法通过对目标特征学习，实现目标与背景分离;通过注意力机制的引入，实现主跟踪目标的筛选;通过对隐层特征的学习，实现对跟踪目标进一步寻优。经外场试验验证，该方法可实现空天背景和薄云干扰下下，信噪比优于2时稳定目标检测与识别，并在分辨率不大于640512时实现不低于50Hz的实时处理。为了在云层干扰时，进一步实现目标鲁棒跟踪，本文提出了基于指向信息与卡尔曼滤波的目标跟踪方法，利用探测体系支援信息实现云层等断续遮挡下的目标跟踪。
3微弱目标雷达/红外复合探测识别方法研究
针对异源传感器探测紧密伴飞群目标过程中目标关联与识别的难题，提出了基于航迹-特征联合的目标关联方法，降低了传统基于航迹目标关联时目标失配较多的问题;针对异源传感器综合识别时，传感器识别权重不易确定的困难，研究了基于异源特征层融合的目标识别方法，并利用实测数据进行了验证。
1微弱目标特征提取算法研究与影响因素分析
研究了微弱点目标辐射强度，辐射强度周期，辐射强度异常变化、温度以及辐射截面等特征的提取方法，研究了不同识别特征的适用范围，并建立了辐射强度特征与温度特征两个主要识别特征置信度评估模型，利用模拟测量数据和外场测量数据对模型进行了验证。外场试验数据表明，在目标信噪比大于3时，本文的特征提取算法可以实现辐射强度提取误差优于20％，信噪比大于6时温度特征提取误差优于10K，可以满足简单干扰条件下目标检测识别的需要。
2微弱目标检测跟踪识别一体化方法研究
在点目标多维识别特征定量研究基础上，面向点目标检测与识别时信噪比低、环境干扰大、起伏噪声强等实际问题，提出一种压缩感知与机器学习相结合的目标检测与识别方法。该方法通过对目标特征学习，实现目标与背景分离;通过注意力机制的引入，实现主跟踪目标的筛选;通过对隐层特征的学习，实现对跟踪目标进一步寻优。经外场试验验证，该方法可实现空天背景和薄云干扰下下，信噪比优于2时稳定目标检测与识别，并在分辨率不大于640512时实现不低于50Hz的实时处理。为了在云层干扰时，进一步实现目标鲁棒跟踪，本文提出了基于指向信息与卡尔曼滤波的目标跟踪方法，利用探测体系支援信息实现云层等断续遮挡下的目标跟踪。
3微弱目标雷达/红外复合探测识别方法研究
针对异源传感器探测紧密伴飞群目标过程中目标关联与识别的难题，提出了基于航迹-特征联合的目标关联方法，降低了传统基于航迹目标关联时目标失配较多的问题;针对异源传感器综合识别时，传感器识别权重不易确定的困难，研究了基于异源特征层融合的目标识别方法，并利用实测数据进行了验证。