馮德軍,王 博,王 偉
(電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國家重點(diǎn)實(shí)驗(yàn)室,國防科技大學(xué),長沙 410073)
彈道導(dǎo)彈的飛行過程包括助推段、中段和再入段,其中中段是飛行時(shí)間最長的階段,也是反導(dǎo)攔截的關(guān)鍵階段[1,2]。由于缺乏大氣的過濾作用,中段真假目標(biāo)識別成為反導(dǎo)系統(tǒng)的瓶頸問題。1999年,美國情報(bào)部門提交的美國受到彈道導(dǎo)彈威脅的《國家情報(bào)評估》報(bào)告指出:“我們的評價(jià)認(rèn)為,研制彈道導(dǎo)彈的國家也將研制各種措施來對抗導(dǎo)彈防御系統(tǒng),很多國家在開始時(shí)將采用容易獲得的技術(shù),包括分離彈頭、旋轉(zhuǎn)穩(wěn)定彈頭、彈頭重新定向、雷達(dá)吸波材料、助推器破片、小功率干擾機(jī)、箔條和簡易誘餌”[2]。突防目標(biāo)群的復(fù)雜化使識別環(huán)境變得更為惡劣,增加了識別難度。美國導(dǎo)彈防御局的Cooper承認(rèn):“導(dǎo)彈防御的關(guān)鍵問題是,能否成功地從氣球誘餌和其他突防裝置中識別出真彈頭。這是一個(gè)非常棘手的問題,它已經(jīng)困擾了防御者30年”。
不論是哪類假目標(biāo),它們總在某個(gè)特征層面上與真實(shí)彈頭存在著一定的差別,因此識別出真假目標(biāo)是可能的。在理論上,能夠用于識別真假彈道目標(biāo)的特性主要有三個(gè):一是目標(biāo)的尺寸和形狀;二是目標(biāo)的溫度,三是目標(biāo)的運(yùn)動狀態(tài)[3]。導(dǎo)彈防御系統(tǒng)主要通過雷達(dá)和紅外系統(tǒng)來感知真假目標(biāo)的特性差異,其中雷達(dá)是中段目標(biāo)識別的主要傳感器。
雷達(dá)目標(biāo)識別的基本途徑是從目標(biāo)的后向電磁散射中提取目標(biāo)的結(jié)構(gòu)特征和運(yùn)動特征,再根據(jù)一定的先驗(yàn)信息來辨別真?zhèn)?。結(jié)構(gòu)特征包括目標(biāo)的尺寸、形狀、材料等,是鑒別真假目標(biāo)的直觀屬性;運(yùn)動特征包括宏觀彈道特征和微運(yùn)動特征,它們從不同側(cè)面反映了目標(biāo)的本質(zhì)屬性?;诖耍瑢椀乐卸蔚睦走_(dá)目標(biāo)識別方法分為基于結(jié)構(gòu)特征的識別方法、基于彈道特征的識別方法和基于微動特征的識別方法,并分析了它們各自的特點(diǎn)。
圖1 彈道中段的識別環(huán)境
在推進(jìn)系統(tǒng)關(guān)機(jī)后,彈道目標(biāo)進(jìn)入中段飛行。隨著時(shí)間的推移,中段目標(biāo)群的構(gòu)成逐漸復(fù)雜,通常包括如下幾類目標(biāo)群:第一類是發(fā)射碎片,主要包括助推火箭、幫助再入飛行器脫離母艙的彈簧、各種爆炸螺栓部件等;第二類是假目標(biāo)和誘餌,主要有涂有金屬的氣球、輕型充氣或剛性的復(fù)制誘餌,另外還有與再入飛行器的紅外特性非常相似的紅外熱源及箔條等;第三類是真實(shí)的彈頭,包括單彈頭,也可能是多彈頭。第四類是主動干擾機(jī),以產(chǎn)生虛假的回波信號。彈道中段雷達(dá)目標(biāo)識別面臨的環(huán)境[4]如圖1所示。
由圖1可以看出,中段目標(biāo)群的構(gòu)成是非常復(fù)雜的,這增加了識別的難度。另一方面,反導(dǎo)目標(biāo)識別是典型的非合作目標(biāo)識別,與其他識別場景(如字符識別、語音識別、人臉識別)相比,它主要有如下三個(gè)特點(diǎn)[5]。
一是對識別的準(zhǔn)確率要求高。無論是以真為假還是以假為真,其代價(jià)均相當(dāng)高。因此,防御方對彈道目標(biāo)識別的準(zhǔn)確程度要求苛刻。
二是識別先驗(yàn)信息缺乏。由于識別對象(彈頭、誘餌)的特殊軍事地位,一般無法獲得待識別對象的特征數(shù)據(jù)庫,只能根據(jù)粗略的先驗(yàn)知識進(jìn)行識別,這是彈道目標(biāo)棘手的主要原因。
三是識別實(shí)時(shí)性要求強(qiáng)。彈道中段的飛行時(shí)間雖然長,但反導(dǎo)系統(tǒng)的識別窗口和攔截窗口卻十分有限,在有限的時(shí)間內(nèi),雷達(dá)要完成目標(biāo)識別、威脅評估、目標(biāo)引導(dǎo)、殺傷效果評估等一系列工作,識別系統(tǒng)必須反應(yīng)迅速。
中段目標(biāo)識別的以上特點(diǎn)決定了在分類器設(shè)計(jì)和特征提取方面都有自己獨(dú)特的要求。在分類算法方面,由于先驗(yàn)信息缺乏,無法采用模板匹配這一類的方法,而只能采用專家系統(tǒng)等方法;考慮到實(shí)時(shí)性的要求,分類器還應(yīng)當(dāng)簡潔、穩(wěn)健、高效。由于這些限制,許多經(jīng)典而成熟的分類識別算法,如貝葉斯分類器等難以直接應(yīng)用于反導(dǎo)目標(biāo)識別。此外,那些對學(xué)習(xí)訓(xùn)練要求苛刻、計(jì)算繁瑣、推廣能力較差的識別方法(如神經(jīng)網(wǎng)絡(luò)方法,當(dāng)識別條件改變時(shí)往往要重新訓(xùn)練)也不太適應(yīng)反導(dǎo)目標(biāo)識別的要求。
在特征的提取方面,目標(biāo)識別雷達(dá)必須提取出那些能夠反映出真假目標(biāo)本質(zhì)差異的特征量才能用于識別。對特征量的要求主要有兩個(gè),一是具備良好的可分性,二是物理意義清晰。前者是特征提取的共同要求,而后者是在先驗(yàn)信息缺乏條件下的特定要求。在反導(dǎo)系統(tǒng)發(fā)展的不同歷史階段,盡管受技術(shù)條件的限制,所提取的特征各不相同,但均反映了以上兩個(gè)要求。以美國的導(dǎo)彈防御系統(tǒng)為例,在反導(dǎo)系統(tǒng)建設(shè)初期,所采用的是窄帶雷達(dá)系統(tǒng),所提取的特征主要是目標(biāo)的雷達(dá)散射截面(RCS,radar cross section)和彈道系數(shù);隨著寬帶技術(shù)和極化測量技術(shù)的發(fā)展,雷達(dá)獲取目標(biāo)精細(xì)結(jié)構(gòu)信息的能力大為提高。美國彈道目標(biāo)識別發(fā)展過程中涉及的雷達(dá)技術(shù)以及用到的識別特征量[6,7],見表1。
表1 美國彈道導(dǎo)彈目標(biāo)識別技術(shù)發(fā)展歷史
由表1可看出,盡管不同時(shí)期所采用的特征提取技術(shù)不同,但所提取的特征概括起來可以粗分為三類,即結(jié)構(gòu)特征、彈道特征和微運(yùn)動特征。下面分別介紹基于這些特征的識別方法。
雷達(dá)目標(biāo)對入射信號進(jìn)行特性調(diào)制,由于外形尺寸、散射中心分布等結(jié)構(gòu)上的差異,雷達(dá)目標(biāo)特性存在較大的差別。根據(jù)雷達(dá)提取目標(biāo)結(jié)構(gòu)特征所采用的信號形式、提取特征等方面的不同,又可進(jìn)一步分為基于RCS序列的識別方法、基于HRRP的識別方法、基于ISAR圖像的識別方法和基于極化信息的識別方法。
RCS是反映目標(biāo)對雷達(dá)信號散射能力的度量指標(biāo)。通常情況下,彈道目標(biāo)沿彈道運(yùn)動將引起姿態(tài)相對于雷達(dá)視線發(fā)生變化,雷達(dá)可獲得RCS隨視角(姿態(tài)角)起伏變化的數(shù)據(jù),其中的變化規(guī)律反映了目標(biāo)形體結(jié)構(gòu)的物理特性。在20世紀(jì)七八十年代研究者就意識到了RCS序列包含的目標(biāo)結(jié)構(gòu)特征,并進(jìn)行了較深入的研究;Thomas明確指出,采用該方法可以區(qū)分母艙和彈頭[8];在文獻(xiàn)[9]中,Lambour采用該方法對空間碎片進(jìn)行分類,獲得了滿意的結(jié)果。該文所采用的空間目標(biāo)尺寸估計(jì)模型曲線如圖2所示。
圖2 基于RCS的空間目標(biāo)尺寸估計(jì)模型曲線
由于尺寸、形狀的差異,彈頭和誘餌呈現(xiàn)不同的結(jié)構(gòu)特征,反映在HRRP上,體現(xiàn)為其HRRP所具有的散射中心在空間分布數(shù)量、位置、強(qiáng)度等方面存在明顯的差異。因此,根據(jù)目標(biāo)的HRRP識別真假是一種有效的方法。在文獻(xiàn)[10]中,Clark對這一方法進(jìn)行了詳細(xì)的闡述,說明了基于HRRP的特征提取方法。直徑為2.2 m的球形誘餌與某真實(shí)彈頭的外形及HRRP如圖3所示。由圖3可看出,它們的散射特性相差很大。
圖3 球形誘餌與真實(shí)彈頭結(jié)構(gòu)特征對比
另外一種有效的基于HRRP的識別方法是在HRRP的基礎(chǔ)上進(jìn)行二次特征提取,提取目標(biāo)的長度、長度變化幅度和周期等物理意義清晰的特征量。目標(biāo)的長度信息是真假目標(biāo)鑒別最直觀、最重要依據(jù)之一。真假目標(biāo)的長度存在差別:彈頭長度大多在1~3 m之間,母艙的長度一般大于彈頭,簡單轉(zhuǎn)發(fā)式有源誘餌往往只能形成單個(gè)尖峰,其長度很小,碎片的長度一般也小于彈頭長度。因此,采用長度信息識別目標(biāo)是國內(nèi)外研究者公認(rèn)的有效手段[11]。但由于噪聲和其他因素的影響,獲取目標(biāo)的長度信息并非易事:目標(biāo)只占據(jù)距離像中的一部分,而雷達(dá)通常難以區(qū)分目標(biāo)和噪聲的分界點(diǎn),另外,目標(biāo)的長度與其姿態(tài)密切相關(guān),而估計(jì)目標(biāo)姿態(tài)是一件困難的事情。
ISAR通過縱向和橫向的二維壓縮,可以獲得目標(biāo)散射中心的二維分布,因而能觀測到目標(biāo)結(jié)構(gòu)上的微小細(xì)節(jié),為真假目標(biāo)鑒別提供更豐富的信息。據(jù)稱,美國導(dǎo)彈防御系統(tǒng)中的地基目標(biāo)識別雷達(dá)可能采用了該項(xiàng)技術(shù)。需要指出的是,要在中段實(shí)現(xiàn)對彈頭ISAR成像和識別,必須解決多個(gè)關(guān)鍵技術(shù)問題:首先,中段彈頭飛行速度高達(dá)幾到十幾個(gè)馬赫,使得目標(biāo)距離像變形,因此成像雷達(dá)必須準(zhǔn)確補(bǔ)償高速運(yùn)動產(chǎn)生的距離像展寬和相位畸變;其次,目標(biāo)和成像雷達(dá)相距甚遠(yuǎn),目標(biāo)運(yùn)動產(chǎn)生的相對姿態(tài)變化很小,要滿足成像積累角的要求,通常需要較長的成像時(shí)間,或者在較短的成像時(shí)間內(nèi)采用超分辨成像算法;再次,目標(biāo)在中段飛行時(shí)存在自旋、章動等運(yùn)動,還可能會受到偏航、橫滾等因素的影響,這使得運(yùn)動補(bǔ)償、橫向定標(biāo)變得更為困難;最后,彈頭表面較光滑,即使成像,也很難獲得清晰的輪廓信息,這給圖像理解帶來了難題。文獻(xiàn)[5]提出了可以用于識別的ISAR圖像特征,主要包括區(qū)域面積、體態(tài)比、區(qū)域周長等。但迄今為止,尚未見到有對實(shí)測的中段彈頭成像識別的報(bào)道。
雷達(dá)極化技術(shù)始終伴隨著彈道導(dǎo)彈防御技術(shù)的發(fā)展,并一直在彈道導(dǎo)彈防御雷達(dá)中發(fā)揮著重要作用,由于再入彈頭具有比較簡單和確定的幾何特征,因此可以利用極化特征如極化比等窄帶極化特征和各個(gè)散射中心的寬帶極化特征來鑒別再入彈頭和彈體碎片等目標(biāo)。文獻(xiàn)[12]在具有彈頭類目標(biāo)散射特性先驗(yàn)信息的假定下,提出了幾種彈頭類目標(biāo)的極化識別問題,其識別原理大多是基于模板匹配。另外,自由段再入彈頭具有比較規(guī)則的運(yùn)動特征(即章動運(yùn)動),相應(yīng)地其散射回波的極化特性具有一定的規(guī)律性,利用中段再入彈頭的極化時(shí)變特性可望得到彈頭的微運(yùn)動特征。此外,利用雷達(dá)目標(biāo)和有源假目標(biāo)在極化散射特性上的差異,極化測量雷達(dá)可望有效鑒別中段彈頭類目標(biāo)和有源假目標(biāo)[13]。
在彈道導(dǎo)彈實(shí)施誘餌突防時(shí),誘餌總是以一定的投放速度從彈頭釋放出來,考慮到誘餌的質(zhì)量總是遠(yuǎn)小于彈頭的質(zhì)量(即便是重誘餌,差別一般也在一個(gè)數(shù)量級以上),根據(jù)動量守恒定律,彈頭在誘餌投放前后的速度變化很小,可忽略不計(jì),而誘餌在投放后速度則增加一個(gè)速度增量,非常接近投放初始速度。雷達(dá)以高分辨率發(fā)現(xiàn)彈頭目標(biāo)釋放出誘餌后,通過精確獲取彈頭與誘餌在投放前后的速度差異信息,可將其識別。文獻(xiàn)[14]指出,導(dǎo)彈防御雷達(dá)在徑向上的測速精度可達(dá)厘米級,而誘餌在釋放過程中相對于彈道導(dǎo)彈具有一定的初速度,一般在1 m/s以上。通過這種差別,可以對導(dǎo)彈的誘餌釋放過程進(jìn)行監(jiān)視?;谒俣葴y量的真假目標(biāo)鑒別示意圖如圖4所示。
圖4 基于速度測量的真假目標(biāo)鑒別
中段真目標(biāo)彈道符合二體運(yùn)動方程,而假目標(biāo)(主要是有源多假目標(biāo))則不一定滿足該方程,因此,通過數(shù)據(jù)處理,采用目標(biāo)軌道根數(shù)鑒別真假是一種簡單有效的方法。對于自由段飛行的彈道目標(biāo),根據(jù)二體運(yùn)動方程,給定一系列角度量測序列可唯一確定一條彈道軌跡。由此可知,對于角度量測序列和真目標(biāo)相同而徑向距離和真目標(biāo)不同的有源距離假目標(biāo),其動力學(xué)特性不符合二體運(yùn)動規(guī)律。因此當(dāng)在雷達(dá)目標(biāo)跟蹤中,若對有源假目標(biāo)采用二體運(yùn)動動力學(xué)模型,則必然導(dǎo)致較大的模型失配。此外,中段還可采用動力學(xué)匹配系數(shù)、機(jī)械能、動量矩等特征進(jìn)行識別,可識別有源假目標(biāo)和關(guān)聯(lián)錯(cuò)誤的航跡。如果通過多部雷達(dá)組網(wǎng),則對抗多假目標(biāo)欺騙更為有效[15]。
相對于目標(biāo)質(zhì)心運(yùn)動而言,目標(biāo)上各點(diǎn)圍繞某點(diǎn)的轉(zhuǎn)動或部件相對與物體上質(zhì)心的機(jī)械振動、旋轉(zhuǎn)等運(yùn)動通常被稱為微運(yùn)動。目標(biāo)的微運(yùn)動特性與其結(jié)構(gòu)、質(zhì)量分布、初始狀態(tài)和受力狀態(tài)密切相關(guān),可以作為目標(biāo)識別的重要特征量[16]。雷聲公司的負(fù)責(zé)人曾說“我們在中段具有的優(yōu)勢之一是有20分鐘的時(shí)間,并且我們的中段雷達(dá)能夠測量空間目標(biāo)的細(xì)微的動態(tài)變化,也就是說能夠繪制出目標(biāo),從而我們可以清楚地區(qū)分再次進(jìn)入的導(dǎo)彈和復(fù)雜的干擾”。
自旋穩(wěn)定是空間飛行目標(biāo)最常用的姿態(tài)穩(wěn)定方式,它不但控制簡單,抗干擾能力較強(qiáng),而且可以保持空間飛行器的指向不變,因而在彈頭的姿態(tài)控制中應(yīng)用甚廣。在彈頭自旋的同時(shí),其極軸往往伴隨著非期望的章動。彈頭在中段的運(yùn)動與軸對稱陀螺體的自由運(yùn)動相同。對于觀測雷達(dá)而言,由于彈頭存在的章動特性,將引起雷達(dá)視線角隨之呈現(xiàn)的周期性變化。在彈道導(dǎo)彈突防中,中段彈頭和輕質(zhì)誘餌的微運(yùn)動特性通常是不同的。對于質(zhì)量較重的彈頭,為了使其在中段保持姿態(tài)穩(wěn)定(以保證較小的RCS和安全再入),彈頭的自旋頻率通常為2 Hz左右;對于質(zhì)量較輕的誘餌,為了使其在中段保持穩(wěn)定的姿態(tài),其自旋頻率通常要達(dá)到8~15 Hz[17]。真假目標(biāo)微運(yùn)動的差異是目標(biāo)識別的物理基礎(chǔ)。
導(dǎo)彈目標(biāo)運(yùn)動特征的提取就是要分離出三種運(yùn)動:平移、自旋、圓錐運(yùn)動(包括進(jìn)動和章動),這種通過相參數(shù)據(jù)的處理,獲得彈道參量和目標(biāo)相對于重心的運(yùn)動特征的技術(shù)稱為目標(biāo)運(yùn)動分辨(TMR,target motion resolution)技術(shù)[18]。
導(dǎo)彈目標(biāo)運(yùn)動特征提取需要分離其重心的平移運(yùn)動和相對重心的旋轉(zhuǎn)運(yùn)動。其中相對重心的運(yùn)動分辨則主要靠相位信息獲得,相位信息中包含有平移運(yùn)動和相對重心運(yùn)動引起的相位變化。首先在相位中要消除掉平移運(yùn)動,消除后的剩余相位即是相對重心的運(yùn)動,包含著自旋和圓錐運(yùn)動。導(dǎo)彈的自旋頻率通常小于10 Hz,尾翼部分反射點(diǎn)的旋轉(zhuǎn)頻率將出現(xiàn)在4倍自旋頻率諧波上,也就是在低于40 Hz的范圍內(nèi),這就是尾翼自旋的特征。圓錐運(yùn)動實(shí)際上是彈體的剩余運(yùn)動,即彈體的擺動,是一種低頻調(diào)制,在零多普勒頻率附近,大約在±20 Hz以內(nèi),可見尾翼自旋和圓錐運(yùn)動在頻域上是分開的,可用低通濾波將這兩種運(yùn)動分離開。原始相位中除掉平移運(yùn)動,再去掉低通濾波的輸出,則可進(jìn)行尾翼自旋頻率分析。由于低通濾波輸出去掉了尾翼旋轉(zhuǎn)反射回波的干擾,這之后再進(jìn)行分辨可獲得圓錐運(yùn)動,包括進(jìn)動、章動及視角的變化。
彈頭的章動會引起彈頭RCS周期性變化,因此基于RCS周期變化的章動頻率估計(jì)就成為一種樸素的微運(yùn)動特征獲取方法。但深入的研究會發(fā)現(xiàn),在章動周期內(nèi),彈頭姿態(tài)的單調(diào)變化并不會導(dǎo)致彈頭RCS的單調(diào)變化。換言之,在章動周期內(nèi),彈頭的RCS會出現(xiàn)多個(gè)分布不規(guī)則的極小值和極大值點(diǎn)。當(dāng)對彈頭的時(shí)變RCS特性進(jìn)行頻譜分析時(shí),彈頭RCS的這種不規(guī)則變化會導(dǎo)致虛假的周期分量,而且這種虛假周期頻率分量的幅度常常會遠(yuǎn)大于真實(shí)的章動頻率分量。因此,基于RCS時(shí)變特性的微運(yùn)動參數(shù)分析法的穩(wěn)健性比較差。
文獻(xiàn)[19]通過對錐體目標(biāo)RCS回波數(shù)據(jù)進(jìn)行多項(xiàng)式擬合來估計(jì)彈頭類目標(biāo)的進(jìn)動(嚴(yán)格說應(yīng)為自由規(guī)則進(jìn)動,即章動)參數(shù)。該方法適用的前提必須是完全了解彈頭類目標(biāo)在各種姿態(tài)下的RCS特性。在實(shí)際中,防御方通常不可能具有如此完備的彈頭信息,苛刻的數(shù)據(jù)條件使得該方法的實(shí)用性較差。文獻(xiàn)[20]利用截頭圓錐的RCS估算公式作為目標(biāo)的模板信息,提出了一種彈頭類目標(biāo)的章動周期、章動角及慣量比的估計(jì)方法,該方法能夠克服原來方法計(jì)算量大、存在虛假周期等缺點(diǎn),但是該方法需要了解彈頭類目標(biāo)的形狀和幾何特性,這些先驗(yàn)信息通常并不易獲取。因此,文獻(xiàn)[21]分析了自由段彈頭的微運(yùn)動特性和旋轉(zhuǎn)對稱彈頭的極化散射特性,提取了與彈頭RCS無關(guān)的特征量——彈頭散射矩陣交叉極化分量之和與主極化分量之差的比值,該特征量僅僅與彈頭的章動特性有關(guān),進(jìn)而提出了一種基于彈頭全極化散射特性的章動頻率估計(jì)方法,可以更加有效地估計(jì)彈頭的章動頻率。
由于中段雷達(dá)目標(biāo)識別特殊的軍事價(jià)值及其實(shí)現(xiàn)的復(fù)雜性,使得國內(nèi)外的大批研究機(jī)構(gòu)、人員投入其中。目前它正處于不斷發(fā)展的階段。具體來說,它正朝以下四個(gè)方面發(fā)展。
獲取盡量豐富的信息是雷達(dá)目標(biāo)識別的前提。隨著硬件性能的不斷提高,當(dāng)前雷達(dá)正朝大功率、大帶寬、多極化方向發(fā)展,其信息獲取能力不斷增強(qiáng)[22]。例如多極化和變極化技術(shù),它為目標(biāo)的極化結(jié)構(gòu)動力學(xué)特征提取奠定了堅(jiān)實(shí)的基礎(chǔ)。又如,隨著信號處理技術(shù)的不斷改善與優(yōu)化,雷達(dá)可能獲得目標(biāo)的二維信息甚至三維信息[23,24]。日漸豐富的信息獲取手段是中段雷達(dá)目標(biāo)識別發(fā)展的重點(diǎn)方向之一,不論是硬件和軟件目前均處于快速的發(fā)展階段,它們將為目標(biāo)識別的方案設(shè)計(jì)和選擇提供更大的空間。
有效、穩(wěn)健的特征提取是雷達(dá)目標(biāo)識別的關(guān)鍵技術(shù)環(huán)節(jié)。隨著研究的深入,人們認(rèn)識到,采用先進(jìn)的信號處理技術(shù),可以從回波中獲得更多的運(yùn)動信息和結(jié)構(gòu)信息。Gene Greneker和V.C.Chen采用微多普勒技術(shù),可以獲得目標(biāo)運(yùn)動的細(xì)節(jié)信息,這一方法對于識別具有復(fù)雜空間運(yùn)動的彈頭類目標(biāo)具有重要的借鑒意義。Bi從寬帶回波中提取出穩(wěn)健的運(yùn)動信息[25]。隨著雷達(dá)信息獲取能力的增加,它所能提取的特征將更加豐富、全面,不僅包括宏觀運(yùn)動信息(如彈道軌跡、落點(diǎn)),微運(yùn)動信息(如彈頭的章動周期、頻率、微多普勒),還將包括目標(biāo)的散射特性和結(jié)構(gòu)特性等,這將為后續(xù)的識別器設(shè)計(jì)提供極大的便利[26]。
快速、高效的模式識別技術(shù)是雷達(dá)目標(biāo)識別的中心環(huán)節(jié)。究其根源,雷達(dá)目標(biāo)識別是模式識別技術(shù)的一個(gè)具體應(yīng)用領(lǐng)域,因此也受益于模式識別技術(shù)的快速發(fā)展。例如,從20世紀(jì)90年代初發(fā)展起來的支持向量機(jī)[27]技術(shù)對有限樣本下模式識別的根本問題進(jìn)行了較系統(tǒng)的理論研究,建立了一種良好的通用學(xué)習(xí)算法,成為近年來機(jī)器學(xué)習(xí)算法的熱點(diǎn),在雷達(dá)目標(biāo)識別中獲得了良好的應(yīng)用[28]。Tipping在此基礎(chǔ)上發(fā)展了一種基于Bayes框架的學(xué)習(xí)算法-相關(guān)向量機(jī),它具有更強(qiáng)的適用性[29]。此外,采用隱馬爾可夫模型[30]、自適用高斯分類器[31]的雷達(dá)目標(biāo)識別算法也有報(bào)道。目標(biāo)識別是一個(gè)應(yīng)用廣泛的領(lǐng)域,不斷見到有將其他范疇的識別算法移植到雷達(dá)目標(biāo)識別的報(bào)道。識別算法的多樣性有利于選擇高效、穩(wěn)健的識別器。
廣泛、多層次的信息融合技術(shù)是改善雷達(dá)目標(biāo)識別性能的重要手段。單傳感器提取的特征往往是待識別目標(biāo)的不完全描述,而利用多個(gè)傳感器提取獨(dú)立、互補(bǔ)的特征利于提高正確識別率、降低錯(cuò)誤率。隨著認(rèn)識的不斷深入,人們從理論高度上進(jìn)一步認(rèn)識了信息融合的深刻內(nèi)涵:融合系統(tǒng)是建立在全信息空間基礎(chǔ)上的一個(gè)多輸入、多任務(wù)、多處理的并行系統(tǒng),是全信息狀態(tài)的最優(yōu)處理和控制系統(tǒng),信息融合不僅要在多傳感器之間進(jìn)行,而且應(yīng)當(dāng)貫穿于同一傳感器內(nèi)的目標(biāo)檢測、跟蹤、識別各個(gè)階段。在文獻(xiàn)[32]中,作者提出:不僅要進(jìn)行多特征融合,而且通過時(shí)間序貫融合可以進(jìn)一步提高彈道目標(biāo)識別系統(tǒng)的性能。識別流程如圖5所示。
圖5 彈道目標(biāo)多特征綜合識別流程
由于信息融合技術(shù)的特有優(yōu)勢,可以預(yù)見,這將是彈道中段目標(biāo)識別中一個(gè)極具魅力的發(fā)展方向。
彈道中段雷達(dá)目標(biāo)識別是一項(xiàng)復(fù)雜的系統(tǒng)工程,其中既包括雷達(dá)信號處理、特征提取等基礎(chǔ)理論問題,又包括識別方案選擇、優(yōu)化、組合等頂層設(shè)計(jì)問題,涉及到雷達(dá)基礎(chǔ)理論、電子對抗、模式識別等多個(gè)領(lǐng)域。本質(zhì)上,彈道中段目標(biāo)識別是一場突防方與防御方的攻防對抗,一旦突防方得知防御方的具體識別手段,也將提出相應(yīng)的對抗措施,反之亦然??梢哉f,突防與防御、識別與反識別是一場永遠(yuǎn)沒有終點(diǎn)的博弈較量。最后,還需要指出的是,彈道中段雷達(dá)目標(biāo)識別方法多種多樣,但不存在所謂的“最優(yōu)”識別方法:識別性能的優(yōu)劣總是與特定的應(yīng)用背景、具體戰(zhàn)情緊密相連。因此,只有綜合考慮到先驗(yàn)信息的多寡、目標(biāo)群的復(fù)雜程度和突防方的反識別措施等因素,才有可能構(gòu)建適用于具體場景的最優(yōu)分類識別器。
[1]DAVID WRIGHT,LIBETH GRONLUND.Decoys and Discrimination in Tercept Test IFT-8[R].Massachusetts:Union of Concerned Scienst,2002.
[2]LIBETH GRONLUND,DAVID WRIGHT,STEPHEN YOUNG,et al.A Countermeasures-N Assessment of the Intercept Test Program of the Ground-Based Midcourse National Missile Defencse System[R].Massachusetts:Union of Concerned Scienst,2000.
[3]史別.識別真假目標(biāo)是NMD的最大技術(shù)難題[J].863先進(jìn)防御技術(shù)通訊(A類),2001(8):30-32.
[4]DAVID R TANKS.National Missile Defense:Policy Issues and Technological Capabilities[M].Washington:SvecCo-nway Priting Inc,2000.
[5]馮德軍.彈道中段雷達(dá)目標(biāo)識別與評估[D].長沙:國防科技大學(xué)研究生院,2006.
[6]WILLIAM W C,JOSEPH T M,ROBERT M O.Wideband Radar for Ballistic Missile Defense and Range-Doppler Imaging of Satellites[J].Lincoln Laboratory Journal,2000,12(2):267-280.
[7]United States General Accounting Office.Missile Defense:Review of Result and Limtitations of an Early National Defense Flight Test,ADA399464[R].Washinton:General Accounting Office,2002.
[8]THOMAS FOSTER.Application of Pattern Recognition Techniques for Early Warning Radar(EWR)Discrimination,ADA298895[R].Washinton:The Ballstic Missile Organization,1995.
[9]R LAMBOUR,T MORGAN.Assessment Orbital Debris Size Estimation from Radar Cross Section Measurements[C]//Core Technologies for Space Systems Conf.Massachusetts,Lincoln Laboratory,2001.
[10]CLARK M E.High Range Resolution Techniques for Ballistic Missile Targets[C]//British Aerospace PIC.Cowes,United Kingdom,1999:1-6.
[11]HUSSAIN M A.HRR,Length and Velocity Decision Regions for Rapid Target Identification[C]//SPIE 3810,Conference on Radar Procession,Denver,1999:40-52.
[12]李永禎.瞬態(tài)極化統(tǒng)計(jì)特性及處理的研究[D].長沙:國防科技大學(xué),2004.
[13]李永禎,王雪松,王濤,等.有源誘餌的極化鑒別研究[J].國防科學(xué)技術(shù)大學(xué)學(xué)報(bào),2004,26(3):83-88.
[14]唐毓燕,黃培康.基于高精度徑向測速的寬帶雷達(dá)單誘餌速度識別方法[J].宇航學(xué)報(bào),2006,27(4):659-663.
[15]趙艷麗.彈道導(dǎo)彈雷達(dá)跟蹤與識別研究[D].長沙:國防科技大學(xué),2008.
[16]CHEN V C,LI F,HO S-S,et al.Analysis of Micro-Doppler Signatures[J].IEE Proc.Radar Sonar Navig.,2003,150(4):271-276.
[17]羅宏.動態(tài)雷達(dá)目標(biāo)的建模與識別研究[D].北京:航天科工集團(tuán)公司第二研究院,2000.
[18]陳建文,李士國.基于目標(biāo)運(yùn)動分辨技術(shù)提取導(dǎo)彈目標(biāo)運(yùn)動特征[J].現(xiàn)代雷達(dá),2003,25(6):5-7.
[19]金文彬,劉永祥,任雙橋,等.錐體目標(biāo)空間進(jìn)動特性分析及其特征提?。跩].宇航學(xué)報(bào),2004,25(4):408-410.
[20]陳行勇,黎湘,郭桂蓉,等.微進(jìn)動彈道導(dǎo)彈目標(biāo)雷達(dá)特征提?。跩].電子與信息學(xué)報(bào),2006,28(4):643-646.
[21]王濤,周穎,王雪松,等.雷達(dá)目標(biāo)的章動特性與章動頻率估計(jì)[J].自然科學(xué)進(jìn)展,2006,16(3):344-350.
[22]BENNETT C L,TOOMEY J P.Target Classification with Multiple Frenquency Illumination[J].IEEE Trans.on AP,1981,29(2):352-358.
[23]AUSHERMAN D A,KOZMA A,WALKER J L,et al.Development in Radar Imaging[J].IEEE Trans.on AES,1984,20(4):363-399.
[24]XU X,NARAYANAN R M.Three~Dimensional Interferometric ISAR Imaging for Target Scattering Diagnosis and Modeling[J].IEEE Trans.on Image Processing,2001,10(7):1 094-1 102.
[25]ZHAOQIANG BI,REBAO WU,JIAN LI.Simultaneous HRR Feature Extraction and Doppler Shift Estimation of Moving Target with Rigid Bodies[C]//SPIE 3721,Conference on Algorithms for SAR,Orlando,1999:425-435.
[26]馬梁.彈道中段目標(biāo)微動特性及綜合識別方法[D].長沙:國防科技大學(xué),2011.
[27]BURGES C J.A Tutorial on Support Vector Machines for Pattern Recognition[J].Data Miming and Knowledeg Discovery,1998,2(2):121-167.
[28]ZHAO Q,PRINCIPLE J C.Support Vector Machines for SAR Automatic Target Recognition[J].IEEE Trans.on AES,2001,37(2):643-654.
[29]TIPPING M E.Sparse Bayesian Learning and Relvenance Vector Maching[J].Journal of Machine Learning Research,2001,21(6):211-244.
[30]BHARADWAJ P,RUNKLE P,CARIN L,et al.Multiaspect Classification of Airborne Targets Via Physics-Based HMMs and Matching Pursuits[J].IEEE Trans.on AES,2001,37(2):595-606.
[31]JACOBS S P.Automatic Target Recognition Using Sequences of High Resolution Radar Range-Profiles[J].IEEE Trans.on AES,2000,36(2):364-381.
[32]馮德軍,馬梁,丹梅,等.基于多特征綜合的彈道目標(biāo)雷達(dá)識別方法[C]//第十屆全國雷達(dá)學(xué)術(shù)年會論文集.北京:國防工業(yè)出版社,2008:164-168.