基于一維距離像的雷達(dá)目標(biāo)識(shí)別*

李 飛

(92941部隊(duì)92分隊(duì) 葫蘆島 125001)

?

基于一維距離像的雷達(dá)目標(biāo)識(shí)別*

李 飛

(92941部隊(duì)92分隊(duì) 葫蘆島 125001)

論文主要基于一維距離像研究了模式識(shí)別新技術(shù)在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用,研究了一維距離像(HRRP)強(qiáng)度和平移敏感性,結(jié)合相對(duì)對(duì)準(zhǔn)和絕對(duì)對(duì)準(zhǔn)算法原理,對(duì)強(qiáng)度敏感性進(jìn)行能量歸一化處理,用滑動(dòng)最大相關(guān)法進(jìn)行目標(biāo)識(shí)別。最后對(duì)各種功能及算法用C語(yǔ)言實(shí)現(xiàn),并對(duì)最后的識(shí)別結(jié)果進(jìn)行分析。

雷達(dá)目標(biāo)識(shí)別; 一維距離像; 平移敏感性; 強(qiáng)度敏感性

Class Number TN957

1 引言

雷達(dá)目標(biāo)識(shí)別指用雷達(dá)設(shè)備獲取目標(biāo)的特征信息(回波),并利用已掌握的各種目標(biāo)的先驗(yàn)知識(shí),判別未知目標(biāo)的類別屬性。因?yàn)楦鞣N形式的噪聲和雜波嚴(yán)重污染了雷達(dá)回波中有用目標(biāo)信息,而且即使在無(wú)噪聲條件下,回波信號(hào)本身也往往不能包含足夠的信息使問(wèn)題有確定的解。因而從雷達(dá)回波中提取的目標(biāo)信息通常是不完全的,由于這種不完全使得雷達(dá)目標(biāo)識(shí)別問(wèn)題成為一種廣義逆的問(wèn)題。雷達(dá)目標(biāo)識(shí)別領(lǐng)域仍有大量的理論和實(shí)際問(wèn)題有待解決。雷達(dá)目標(biāo)識(shí)別是根據(jù)雷達(dá)目標(biāo)回波進(jìn)行的一種模式識(shí)別,因而也遵循模式識(shí)別的一般步驟,即包括信息獲取、預(yù)處理、模式特征提取[1]及模式分類決策。

本文首先應(yīng)用相對(duì)對(duì)準(zhǔn)方和能量歸一化的方法完成對(duì)雷達(dá)的一維距離像進(jìn)行的預(yù)處理。然后采用等距抽樣的方法對(duì)訓(xùn)練樣本進(jìn)行抽樣,利用滑動(dòng)最大相關(guān)法對(duì)目標(biāo)進(jìn)行識(shí)別,最后通過(guò)C語(yǔ)言實(shí)現(xiàn)運(yùn)算,分析結(jié)果數(shù)據(jù)。

2 數(shù)據(jù)預(yù)處理

2.1 相對(duì)對(duì)準(zhǔn)算法的原理

相對(duì)對(duì)準(zhǔn),可使用滑動(dòng)最大相關(guān)系數(shù)準(zhǔn)則來(lái)對(duì)準(zhǔn),其基本理論與滑動(dòng)歐式距離相同。設(shè)樣本空間的距離像為X1,測(cè)試飛機(jī)目標(biāo)的一維距離像為X2,它們之間的滑動(dòng)距離定義為X1,X2的所有循環(huán)移動(dòng)的最小距離:

SED(X1,X2)=argmini‖SiX1-X2‖2,
i=1,2,…,d

(1)

式中,d為距離像單元數(shù),算子Si為將向量石循環(huán)左移i個(gè)距離單元,(由此有SdX≡X)。因?yàn)?/p>

‖SiX1-X2‖2=‖X1‖2+‖X2‖2-2(SiX1)·X2

(2)

因此SED(X1,X2)等于使得相關(guān)系數(shù)

λ(i)=(SiX1)·X2

(3)

達(dá)到最大的X1和X2對(duì)準(zhǔn)。

因?yàn)镾ED距離只能移動(dòng)距離像單元數(shù)的整數(shù)倍,因此利用SED距離作相對(duì)對(duì)準(zhǔn)只能是一種近似的不變變換。當(dāng)然,如果距離像單元數(shù)越多,則近似程度越高。為了避免單元數(shù)的減少,使近似程度降低,本文在此決定直接采用一維距離像作為目標(biāo)識(shí)別的特征,這樣既避免了繁瑣的處理,提取過(guò)程中可能的數(shù)據(jù)丟失,還能保證單元格的數(shù)量,提高近似程度。

2.2 強(qiáng)度匹配因子和能量歸一化方法原理

2.2.1 強(qiáng)度匹配因子法

通常在目標(biāo)識(shí)別中解決樣本強(qiáng)度敏感性方法[2～3]就是摒棄樣本的真實(shí)強(qiáng)度信息只利用形狀信息。其中,具體的處理方法有兩種:一是采用某種強(qiáng)度歸一化方法,二是利用切空間的思想搜索最優(yōu)的強(qiáng)度匹配因子。

圖1 二維平面內(nèi)的歐氏距離示意圖

(4)

上式可以通過(guò)最小二乘法求解:

(5)

將式(5)代入式(4):

(6)

2.2.2 能量歸一化方法

能量歸一化的方法相對(duì)于最優(yōu)強(qiáng)度匹配因子要簡(jiǎn)單很多,設(shè)未經(jīng)能量歸一化的一維距離像為xi,能量歸一化后的距離像為xa,則有

(7)

由于高分辨距離像樣本具有平移和強(qiáng)度敏感性[4],解決這兩方面敏感性問(wèn)題是雷達(dá)高分辨距離像目標(biāo)識(shí)別預(yù)處理的基礎(chǔ)。

3 距離像的目標(biāo)識(shí)別

3.1 等距抽樣法

圖2 三種飛機(jī)的平面行距

等距抽樣[5～7]又稱機(jī)械抽樣或系統(tǒng)抽樣,是事先將總體各單位按某一標(biāo)志排列,然后按固定順序和間隔來(lái)抽取單位構(gòu)成樣本,在等距抽樣中用來(lái)排序的標(biāo)志可以是無(wú)關(guān)標(biāo)志,也可以是有關(guān)標(biāo)志。采用等距抽樣可以使樣本單位較均勻的分布在總體中,有利于減少抽樣誤差,同時(shí)又具有方便經(jīng)濟(jì)的特點(diǎn),因此在實(shí)際中廣為使用。前面提到的將數(shù)據(jù)集按序號(hào)分成兩類,序號(hào)為奇數(shù)的作為一類,序號(hào)為偶數(shù)的作為另一類即為等距抽樣。實(shí)際數(shù)據(jù)分別是“安-26”、“獎(jiǎng)狀”、“雅克-42”飛機(jī)的一維距離像每種飛機(jī)針對(duì)其姿態(tài)敏感性問(wèn)題分別分了5～7個(gè)階段數(shù)據(jù)如圖2。每個(gè)階段數(shù)據(jù)有26000幅一維距離像,其經(jīng)過(guò)FFT后所得一維距離像的像采樣點(diǎn)數(shù)為256。對(duì)于每階段的26000幅一維距離像真對(duì)其姿態(tài)敏感問(wèn)題,取每階段的一維平均距離像,即每隔100幅取一幅距離像,則在每個(gè)階段平均一幅距離像所占的角度為0.014°,每隔100幅取一幅,相當(dāng)于訓(xùn)練樣本中每?jī)煞嚯x像間的角度差為0.14°,根據(jù)微積分原理,可以認(rèn)為在該小角度范圍內(nèi)的姿態(tài)不敏感。

3.2 滑動(dòng)最大相關(guān)系數(shù)的識(shí)別方法的基本原理

滑動(dòng)最大相關(guān)法實(shí)際上是在距離像域[8]包含了平移補(bǔ)償?shù)哪０迤ヅ浞╗9],其匹配度定義為兩距離像的所有線性位移之間的最大滑動(dòng)相關(guān)系數(shù)。對(duì)測(cè)試距離像xa,和模板xb,其最大相關(guān)系數(shù)定義為

p(xa,xb)=maxrxaxb(τ)

(8)

其中rxaxb(τ)為x平移τ后的滑動(dòng)距離像xa(τ)與模板xb的相關(guān)系數(shù)。設(shè)滑動(dòng)距離像和模板距離像之間所有循環(huán)移動(dòng)的最小距離為SED(xa,xb),則

SED(xa,xb)=argmin‖xa(τ)-xb‖2

(9)

由于

‖xa(τ)-xb‖2=‖xa(τ)‖2+‖xb‖2-2xa(τ)xb

(10)

因此SED(xa,xb)使得相關(guān)系數(shù)rxaxb(τ)=2xa(τ)xb達(dá)到最大的兩幅一維距離像xa、xb識(shí)別。

4 程序?qū)崿F(xiàn)及結(jié)果分析

4.1 功能模塊仿真實(shí)驗(yàn)

4.1.1 對(duì)齊移位數(shù)據(jù)仿真

圖3 移位對(duì)齊程序設(shè)計(jì)結(jié)構(gòu)框圖

4.1.2 能量歸一化數(shù)據(jù)仿真

設(shè)定一個(gè)3×3的二維仿真數(shù)組a[3][3]={{0,0,1},{5,5,5},{3,4,5}},即三幅一維距離像。其中數(shù)組的每一行都代表一幅一維距離像。根據(jù)能量歸一化的基本原理:

(11)

分別對(duì)每一行的一維距離像進(jìn)行平方求和,并對(duì)求得的平方和進(jìn)行開根號(hào),最后每一行的每個(gè)單元除以所求得的平方和開根號(hào),由此得出一幅能量歸一化后一維距離像的,利用for語(yǔ)句[10]循環(huán)三次,即將三幅距離像全部歸一化。其運(yùn)行的結(jié)果如圖4。根據(jù)歸一化的原理對(duì)仿真數(shù)據(jù)進(jìn)行手動(dòng)計(jì)算,所得出的結(jié)果與用C語(yǔ)言計(jì)算的結(jié)果完全一致,確定能夠?qū)崿F(xiàn)C語(yǔ)言能量歸一化模塊的功能。

圖4 能量歸一化仿真程序輸出結(jié)果

4.2 識(shí)別結(jié)果及分析

圖5為本設(shè)計(jì)的雷達(dá)目標(biāo)識(shí)別原理圖,包括雷達(dá)目標(biāo)識(shí)別的預(yù)處理:對(duì)齊移位和能量歸一化,分類器的設(shè)計(jì)等環(huán)節(jié)。

圖5 雷達(dá)目標(biāo)識(shí)別系統(tǒng)原理圖

實(shí)際數(shù)據(jù)分別是“安-26”、“獎(jiǎng)狀”、“雅克-42”飛機(jī)的一維距離像每種飛機(jī)針對(duì)其姿態(tài)敏感性問(wèn)題分別分了5～7個(gè)階段數(shù)據(jù),每個(gè)階段數(shù)據(jù)有26000幅一維距離像,其經(jīng)過(guò)FFT后所得一維距離像的像采樣點(diǎn)數(shù)為256。對(duì)于每階段的26000幅一維距離像真對(duì)其姿態(tài)敏感問(wèn)題,取每階段的一維平均距離像,即每隔100幅取一幅距離像,則在每個(gè)階段平均一幅距離像所占的角度為0.014°,每隔100幅取一幅,相當(dāng)于訓(xùn)練樣本中每?jī)煞嚯x像間的角度差為0.14°,根據(jù)微積分原理,可以認(rèn)為在該小角度范圍內(nèi)的姿態(tài)不敏感。所以對(duì)訓(xùn)練樣本采用等距抽樣的方法,即在每一個(gè)階段每隔100幅取一幅一維距離像,組成了一個(gè)有260幅距離像的訓(xùn)練樣本。

每類每個(gè)階段的距離像都有26000幅,如果把260幅距離像以外的所有距離像作為測(cè)試樣本,數(shù)據(jù)量過(guò)大無(wú)法計(jì)算,所以在這里采取不重復(fù)簡(jiǎn)單隨機(jī)抽樣原則,首先給每類目標(biāo)距離像編號(hào)1～26000號(hào),通過(guò)Matlab中的函數(shù)Random.m產(chǎn)生1～26000內(nèi)的服從均勻分布隨機(jī)數(shù)130個(gè)(取整),將130個(gè)隨機(jī)數(shù)對(duì)應(yīng)序列的距離像作為測(cè)試樣本。這樣取測(cè)試樣本即減少了計(jì)算量,同時(shí)由于測(cè)試樣本的隨機(jī)性,并不影響最后的識(shí)別率統(tǒng)計(jì)。三種飛機(jī)第一階段的實(shí)驗(yàn)結(jié)果如表1所示。

表1 三種飛機(jī)識(shí)別結(jié)果

5 結(jié)語(yǔ)

本文提出了一種滑動(dòng)最大相關(guān)系數(shù)的一維距離像的目標(biāo)識(shí)別方法,并通過(guò)C語(yǔ)言對(duì)飛機(jī)實(shí)際數(shù)據(jù)進(jìn)行了工程運(yùn)算,基本能夠滿足識(shí)別要求。但是由于實(shí)際數(shù)據(jù)比較龐大,運(yùn)算速度較慢,還需要進(jìn)一步優(yōu)化設(shè)計(jì)。

[1] 胡薇.基于特征空間的3D目標(biāo)識(shí)別方法[D].武漢:華中科技大學(xué),2004:43-50.

[2] H. EI-Shishini, et al. A multistage algorithm for fast classification of patterns[J]. Pattern Recognition Letter,1990,10(4):211-215.

[3] 杜蘭,劉宏偉,保錚.利用目標(biāo)方位信息改善雷達(dá)距離像識(shí)別性能[J].系統(tǒng)工程與電子技術(shù),2004(8):1040-1043.

[4] Li H J, Yang S H. Using range profiles as features vectors to identify aerospace objects[J]. IEEE Trans,1993,41(3):261-268.

[5] 何曉群.多元統(tǒng)計(jì)分析[M].第一版.北京:人民大學(xué)出版社,2004.

[6] 王國(guó)胤.Rough集理論與知識(shí)獲取[M].西安:西安交通大學(xué)出版社,2001:57-82.

[7] 王智君.粗糙集規(guī)則簡(jiǎn)約的方法在模式識(shí)別中的應(yīng)用[J].微計(jì)算機(jī)應(yīng)用,2009,30(5):1-4.

[8] 陳鳳,杜蘭,保錚.一種優(yōu)化K近鄰準(zhǔn)則及在雷達(dá)HRRP目標(biāo)識(shí)別中的應(yīng)用[J].西安電子科技大學(xué)學(xué)報(bào),2007,34(5):681-686.

[9] 張亮,何松華,莊釗文.雷達(dá)目標(biāo)一維距離象多分辨特征描述和快速匹配法研究[J].電子科學(xué)學(xué)刊,1998(3):552-557.

[10] 譚浩強(qiáng).C程序設(shè)計(jì)[M].第三版.北京:清華大學(xué)出版社,2005.

Radar Targets Recognition Based on Range Profile

LI Fei

(Unit 92, No. 92941 Troops of PLA, Huludao 125001)

Based on range profile, the application of pattern recognition technology in radar target recognition is researched, and the strength and time-shift sensitivity of HRRP. The principle of relative alignment and absolute alignment are combined to normalize the energy of amplitude-scale sensitivity. The slide maximum correlation is algorithms are implemented by C Language. The recognition result is analyzed.

radar targets recognition, range profile, time-shift sensitivity, amplitude-scale sensitivity

2014年11月7日,

2014年12月26日

李飛,男,助理工程師,研究方向:信息處理測(cè)試。

TN957

10.3969/j.issn1672-9730.2015.05.020