论文部分内容阅读
空地导弹雷达导引头通过感知复杂战场环境,完成对感兴趣目标的探测、识别和跟踪,最终引导导弹实现目标精确打击,在现代战争中发挥了重要作用。从复杂背景中检测目标,并对目标属性进行识别,是空地导弹雷达导引头面临的实际问题,是制约雷达导引头在空地导弹领域大范围应用的重要因素。因此,研究复杂背景下雷达目标检测与识别具有重要的军事意义和工程价值。本文以复杂背景下地面目标探测制导军事需求为牵引,开展复杂背景下雷达地面目标检测与识别关键技术研究,旨在提升雷达导引头的精确打击能力。主要研究内容可概括为以下四个方面:1.针对距离扩展目标检测问题,提出了一种基于强散射点在线估计的距离扩展目标检测方法。该方法首先利用机器学习中的无监督聚类算法在线估计强散射点数量和首次检测门限,然后结合虚警率确定二次检测门限,最后通过两次门限检测完成目标有无的判决。所提方法不需要目标散射点分布的先验信息,在各种散射点分布模型下检测性能均较为稳健。实验部分利用仿真数据和实测数据将所提算法与现有算法进行对比,验证了本文所提方法的优越性。2.针对低信杂比条件下目标检测问题,提出了一种基于极化熵-能量的雷达目标特征检测方法。该方法从目标散射机理出发,不依赖能量作为唯一特征进行检测,而将能量-极化熵联合特征作为检测依据。此外,所提方法将目标检测转化为异常检测问题,即通过判断待检测单元相对周边环境是否异常来判决有无目标。异常检测模型通过在线学习得到,而不需要离线训练模型。通过实测数据验证,该方法提升了雷达在低信杂比条件下的目标检测性能,并为雷达目标检测提供了一种新的思路。3.针对杂波背景下距离高分辨目标识别难题,提出了一种基于两次异常检测的杂波稳健目标识别方法。该方法首先采用一种新的基于球形假设聚类的异常检测方法,完成小簇杂波的抑制,然后利用参数非依赖局部异常因子异常检测法对剩余散射点进行异常检测,完成点杂波的抑制,最后利用杂波抑制后的高分辨距离像进行特征提取及目标识别。该方法具有对目标是否运动无要求、涉及的参数不需要人为设定、运算量小等优势。实测数据验证表明,所提方法的对信杂噪比的稳健性优于传统方法。4.针对波束内群目标识别难题,提出了一种基于非先验依赖密度聚类的波束内多目标识别方法。在训练阶段,基于训练样本完成特征提取、SVM分类器支撑向量的学习和聚类算法的参数估计。在测试阶段,首先基于径向距离-方位向距离平面提取各个子目标的高分辨距离像,然后对高分辨距离像进行特征提取,并基于训练阶段训练得到的SVM分类器完成目标识别。基于实测数据的实验结果表明,该方法对于噪声的稳健性较好,在子目标回波距离维重叠率高时仍具有较高的识别率。5.针对波束内群目标识别算法计算复杂度高的问题,提出了一种新的基于加权均值漂移聚类的多目标识别方法。该方法首先利用加权均值漂移聚类算法在径向-方位向距离平面完成子目标回波的分离,然后基于分离后的回波分别对子目标进行分类识别。所提方法将簇样本按其回波幅度进行加权,对于噪声更为鲁棒。同时,由于提出方法基于最大幅度设计聚类初始值准则,迭代效率较高,计算量小。基于实测数据的实验结果表明,该方法实时性较高,且当各个子目标回波在距离维重叠率低时性能更优。