SAR图像辅助的雷达目标距离像检测识别

源自：系统工程与电子技术

作者：周剑雄  朱永锋  陈冀  吴宏铭  吴堃  张永杰

“人工智能技术与咨询”   发布

摘 要

高分辨距离像在轻小型雷达平台探测识别目标中有重要应用, 准确的目标和环境先验信息是提高距离像检测识别性能的关键因素。本文提出以离线或在线合成孔径雷达(synthetic aperture radar, SAR)图像作为先验信息来源, 提取目标二维散射中心并向距离像视线方向投影获得一维散射中心特征模板, 在此基础上设计了距离像检测、识别以及要害部位选择算法流程, 采用电磁计算和外场实测地面目标数据进行了试验验证。结果表明: SAR图像辅助的距离像检测识别算法不仅具有较高的检测和识别率, 在姿态、频段、分辨力等观测条件变化的情况下也具有较高的稳定性, 具有较好的实用价值。

关键词

距离像, 目标检测, 目标识别, 合成孔径雷达图像

引 言

雷达发射宽带信号获得目标的强散射源在雷达视线方向的投影分布, 也称为目标的高分辨距离像(high range resolution profile, HRRP)。对于舰船、飞机、车辆等良导体目标, 强散射源的位置分布和散射强度与目标的形状结构有关, 为雷达传感器检测和识别目标提供了依据[1-2]。距离像的形成不依赖于目标与雷达的相对运动, 广泛适用于各种雷达观测几何。例如在精确打击应用中, 雷达平台朝向目标飞行, 不能形成方位孔径, 只能获得目标的距离像; 又如在高机动平台或高机动目标的场景中, 目标与雷达的相对运动关系复杂, 距离成像不需要长时间的积累和复杂的运动补偿, 大大提高了成像帧率。HRRP具有容易获取、实时性高、适用性广的特点, 是雷达传感器获取目标特征信息的重要手段。

目标的强散射源在三维空间中分布, 而距离像反映的只是它们在雷达视线方向的一维投影, 投影引起的信息丢失使得距离像的可解译性低于二维雷达图像。另外, 位于同一距离单元内的散射源在距离像中相干叠加, 参与相干合成的散射源数量受到分辨单元划分的影响, 它们的相位关系敏感于姿态的微小变化, 这些因素使得距离像有较强的姿态敏感性、平移敏感性以及分辨力敏感性。基于距离像的检测和识别在先验信息的获取和表达、稳健特征的提取以及检测/分类性能提升等各个方面, 都比基于合成孔径雷达(synthetic aperture radar, SAR)图像的检测和识别更为困难。

在距离像检测方面, 虽然早在1983年, Hughes就证明了利用目标距离像先验信息可以大大提高检测性能, 进而提出了“匹配发射”的概念[3], 但由于距离像的敏感性强, 难以获得可靠的模板, 工程中实际使用的检测方法仍是不依赖先验信息的能量检测器或双门限检测器[4-5]。在距离像识别方面, 大量研究采用了全姿态的距离像模板库作为训练数据, 通过训练神经网络、支持矢量机等高维的分类器实现各个姿态下的距离像识别, 并在训练数据分布的整个姿态范围内统计分类性能[1-2, 6]。统计分类器具有较高的平均识别率, 但在特定目标姿态下识别性能可能并不理想。另外, 研究中采用的训练样本与待识别样本通常都是同源样本, 即目标状态、环境背景、雷达频段与分辨力等参数在训练与测试数据中完全一致, 而在实际应用中, 工作条件往往会发生变化, 性能难以保证。

课题组针对距离像检测识别中先验信息的获取和利用这一关键问题开展了长期研究, 提出将离线或在线的SAR图像作为先验信息来源, 通过散射中心特征提取和投影变换, 形成距离像检测识别可用的先验信息, 设计了相应的距离像检测识别方法, 并进一步利用散射中心模型中含有的目标结构信息实现了基于距离像的目标要害部位选择。本文介绍了SAR图像辅助的距离像检测、识别以及要害部位选择方法, 对频段、分辨力和姿态适应性进行了讨论, 采用电磁计算数据和外场实测数据验证了方法的有效性, 为宽带雷达目标检测识别提供了新的途径。

1 一维散射中心特征建模

获取目标在特定工作条件下的距离像先验信息, 是提高距离像检测识别性能的关键。但由于距离像敏感于目标形状材质、部件配置、姿态以及环境背景等条件, 难以获取准确的距离像模板。SAR图像可以通过侦查手段获得, 它反映了目标的强散射源在成像面的投影分布, 是比几何模型更可靠的散射特性先验模型。对于精确制导等应用, 可以在飞行中段通过特殊的航路设计获得目标的SAR图像[7], 这种在线获取的先验模型在目标状态、环境条件等方面保真度高, 可以为末段基于距离像的检测识别提供可靠的目标信息。要利用这样的先验信息, 首先要解决的问题是: 如何基于SAR图像生成可用于距离像检测识别的先验模板。

对SAR复图像沿方位向进行逆傅里叶变换, 可以获得目标在成像孔径内的距离像序列。但该方法存在两个问题: 一是需要保留SAR图像的相位信息, 并且方位成像的参考点应为目标中心, 对SAR成像算法要求较高; 二是距离像中同距离单元的散射点已经相干合成, 只能反映与SAR成像同频段同分辨力同姿态下的距离像特性, 适用范围受限。为此, 本文提出以稳定性较高的散射中心特征作为SAR图像与距离像转换的桥梁, 提高SAR图像先验信息的适用性。

根据电磁散射的局部性原理, 当雷达波长远小于目标尺寸时, 目标的电磁散射可以认为主要来源于目标上局部的强散射源, 如目标几何结构形成的镜面、边缘、尖端等, 这些局部的散射源也称为散射中心[8-9]。由散射中心的形成机理可知, 散射中心的位置分布主要由目标的形状结构决定, 在电磁散射的光学区具有较好的普适性; 对于边缘、尖端等散射结构, 在较大的姿态范围内都能形成较强的后向散射, 姿态敏感性较低。散射中心模型对目标的众多散射源进行了分解, 避免了相干合成引起的幅度变化, 具有较高的姿态、频率稳定性。已有研究结果表明, 基于目标的三维散射中心模型, 可以以较高的保真度恢复不同频段、不同分辨力、不同姿态下的雷达图像[10]。

SAR图像和距离像中的众多局部极值点都是由散射中心在成像面/线上的投影引起。SAR图像反映了三维散射中心在成像面上的投影, 不同散射中心投影重叠的概率较低, 图像与目标形状结构的对应关系较明显。从SAR图像中提取目标的二维散射中心特征, 并根据SAR成像与距离成像的视角变化关系, 将它向距离成像的雷达视线方向投影, 可以获得较为稳定的距离像先验信息, 并进一步生成检测识别所需的距离像模板。

基于SAR图像生成一维散射中心特征模型的流程如图 1所示。

图1   基于SAR图像生成一维散射中心特征模型

将提取的二维散射中心模型记为集合

(1)

式中: K为提取的二维散射中心数目; (xk, yk)为第k个散射中心在SAR图像中的位置; Ak为该散射中心在SAR图像中的幅度, 以上特征可以仅从SAR幅度图像中提取。

设距离成像相对于SAR成像视角改变量为θ, 即距离成像的雷达视线方向在SAR成像坐标系中的角度为θ, 如图 2所示, 则由二维散射中心投影得到的一维散射中心模型为

图2   二维散射中心与一维散射中心投影关系

(2)

式中: rk=xkcos θ+yksin θ为第k个散射中心在距离像中的投影距离。从D到P的转换基于以下近似: ①散射中心的二维位置和散射强度在相差θ的两个视线方向上保持不变。由于散射中心模型具有较好的姿态稳定性, 这一假设在θ不大时近似成立, 第3节将通过电磁计算和外场实测数据检验其适应性。②距离成像与SAR成像的视线差异用成像平面内的转角θ描述。由于SAR成像获得的是目标三维散射中心在二维成像面内的投影, 基于它可以恢复该成像面内其他方向上的一维投影, 当距离成像的视线方向不在SAR成像面内时, 只能采用它在成像平面内的视线投影作为近似。对于车辆、飞机等水平面内结构特征丰富的目标, 俯仰角变化对目标特性的影响较小, 可以采用这一近似。

式(2)给出的一维散射中心模型概括描述了距离像上可能出现的峰值位置和强度, 由此可以进一步获得距离像检测识别的特征模板。在距离像检测中, 将根据该模型进一步生成距离像模板, 作为检测器的参考信号。在距离像识别和要害部位选择中, 将对不同目标的一维散射中心模型进行幂变换和归一化, 通过距离像与一维散射中心的直接匹配完成识别任务。

2 距离像检测识别算法

2.1   距离像检测

距离像检测可以表述为以下二元假设检验问题:

(3)

式中: x[n], n=0, 1，…, N-1为距离门内的复图像, 门宽N一般根据目标可能的分布范围进行设置; s[n], n=-M, …, M为不含噪声的目标距离像, 由于图 2中采用了以目标中心为原点的坐标系, 因此将距离像模板的坐标设置为关于原点对称, 目标距离像长度2M+1一般小于距离门长度N, n0为目标中心在距离门内的距离单元序号。在检测之前, 目标在距离门内的位置是未知的, 因此n0也是待估计量。

在没有距离像先验信息的情况下, 式(3)是一个含有未知参数的未知信号检测问题, 根据统计信号处理理论, 在复高斯白噪声下, 它的广义似然比检验具有能量检测器的形式[6-11]:

(4)

式中：γ为根据虚警率确定的检测门限。

基于式(2)中的一维散射中心模型, 可以获得s[n]的估计：

(5)

式中: Δr为距离像分辨单元尺寸。将

代入检测问题(3), 检测器具有如下形式:

(6)

需要说明的是, 式(3)中的x[n]通常为复回波, s[n]为对应的复数距离像, w[n]为复噪声。但雷达图像的相位不仅与散射中心的复散射系数有关, 还与雷达工作频率和散射中心的投影距离有关, 难以准确预测。在从SAR图像提取一维散射中心模型时, 仅保留了散射中心的散射强度, 式(5) 也仅恢复了距离像的幅度信息。另外, 距离像s[n]中位于同一个距离单元内的多个散射中心已相干叠加, 而式(5)由于缺乏相位信息, 只进行了非相干合成, 因此

并不能准确反映s[n]的幅度信息, 但它仍然提供了可用的先验。第3节的实验表明, 式(6)给出检测器能得到比式(4)给出的能量检测器更好的检测性能。

基于一维散射中心模型的HRRP检测算法流程如图 3所示。

图3   基于一维散射中心模型的HRRP检测流程图

由于式(6)采用了特定目标的先验信息, 只能在检测特定目标的应用中达到较好的性能。如果场景中存在多种目标, 则需要对所关注的目标分别采用式(6)进行检测。当目标类型与先验类型失配时, 在高信噪比情形下, 检验统计量仍可能超过检测门限, 因此需要通过距离像识别重新确认目标的类型。

2.2   距离像识别

距离像识别可以表述为一个多元假设检验问题:

(7)

式中: x[m], m=0, 2，…, M-1为通过检测门限的目标距离像片段；Q为场景中可能存在的目标类型数目；sq[m], m=-Mq, …, Mq为第q类目标的距离像；aq是未知的幅度增益；m0q是目标中心在距离像切片中的位置。由于检测后截取的距离像长度一般留有余量, 而距离像有较强的平移敏感性, 因此m0q需要通过精匹配重新估计。

距离像检测的主要依据是回波强弱, 而距离像识别更依赖于模板的形状细节特征, 因此对模板的精细程度要求更高。式(5)虽然提供了从一维散射中心模型生成距离像模板的方法, 但应用于距离像识别存在一定的局限, 主要表现在: ①距离单元的划分影响模板的形状; ②同距离单元内的散射中心非相参合成后丢失了散射特性的细节信息。为此, 需要实现一维散射中心模型与待识别距离像的直接匹配。

为推导方便, 采用连续的距离参数r, 将待识别的距离像改写为

(8)

式中: a和r0为未知的幅度增益和平移参数, 不失一般性, 此处省略了表示目标类型的下标q。距离像模板的幅度|s(r)|可以根据一维散射中心模型进行估计：

(9)

特定平移参数下的匹配系数可以按式(10)计算:

(10)

最佳平移参数下的匹配系数为

(11)

需要说明的是, 由于相位对频段、姿态、距离的敏感性非常强, 本文在提取散射中心模型和匹配距离像时都只利用了幅度信息, 它会受到同一分辨单元中多散射源干涉的影响。一般而言, SAR图像由于具有二维分辨能力, 目标上多个散射中心位于同一分辨单元的概率低于一维像。提高图像的分辨力能进一步降低多散射中心干涉的发生概率。另外, 对于运动平台或运动目标, 对距离像序列进行非相干平均, 也能抑制多散射中心干涉引起的幅度变化, 使距离像幅度趋于式(5)给出的多散射中心非相干合成结果[1-2]。

由于距离像具有幅度敏感性, 在匹配前需要进行幂变换和归一化两个预处理操作[1, 12]。幂变换通常对幅度距离像做幂次小于1的运算, 压缩距离像的动态范围, 提高弱散射源在匹配中的贡献。研究表明, 1/2幂次能较稳健地提升识别性能[12], 即

(12)

(13)

不同类型目标的一维散射中心模型与同一幅待识别距离像进行匹配时会因为散射中心数量和强度的差异引入不同的增益, 因此需要对不同目标的一维散射中心模型进行归一化处理。对于经过幂变换以后的待识别距离像, 归一化处理的本质是使得式(8)模型中的信号

能量为1, 而直接对散射中心模型归一化, 并不能达到对特定分辨力的距离像能量归一化的目的。为此, 提出了基于一维散射中心模型恢复距离像计算归一化系数的方法。基于一维散射中心模型恢复幂变换后的距离像的过程可以用式(14)描述:

(14)

式中: h(r)为待识别距离像对应的成像系统的单位冲激响应。归一化的目的是使能量为1, 由此可以得到对式(13)给出的一维散射中心模型归一化需要的系数:

(15)

式中:

(16)

经过幂变换和归一化预处理后, 待识别距离像x′(r)与第q类目标的一维散射中心模型

的匹配度可以仿照式(10)计算:

(17)

在实际运算中, rs需要被离散化。另外, 由于rk为连续变量, x′(rs+rk)需要通过对x[m], m=0, 2，…, M-1内插得到。为了避免距离单元划分引起的匹配损失, 采用距离分辨力的一半作为rs的离散间隔, 同时将x[m]按此离散间隔加密并进行式(12)描述的幂变换后采用零阶内插得到x′(rs+rk)的值, 此时式(17)中F′q(rs)的计算由离散化后的x′(rs)经Kq次平移叠加完成。另外, 归一化过程涉及的式(14)和式(16)计算也采用距离分辨力的一半作为r的离散间隔。

通过比较待识别距离像与各个可能的目标模板的匹配程度, 可以完成目标类型的判决。

(18)

基于一维散射中心模型的距离像识别流程图如图 4所示。

图4   基于一维散射中心模型的HRRP识别流程图

2.3   距离像要害部位选择

对宽带雷达, 舰船、车辆等都是扩展目标, 占据若干距离单元。判定目标的要害部位在距离像中的位置, 可以为跟踪和打击提供更精确的信息, 实现碰撞式杀伤。直接从距离像完成要害部位判定难度非常大, 主要原因有二: 由于降维投影, 距离像与目标形状结构的对应关系不直观, 要害部位选择的依据不足; 在某些姿态下, 目标要害部位不一定能形成强的后向散射, 距离像特征不明显。而SAR图像可解译性较好, 从SAR图像中辨识要害部位的成功率较高。因此, 基于二维散射中心模型与一维散射中心模型的投影关系, 还可以实现SAR图像辅助的距离像要害部位选择。

记SAR图像中要害部位所在区域的中心点坐标为(xc, yc), 半径为Rc, 此处采用圆形区域描述要害部位, 所用的坐标系与描述二维散射中心模型的坐标系相同(参见式(1)和图 2)。由于要害部位不一定表现为强散射源, (xc, yc) 不一定属于集合D。根据距离成像与SAR成像的视角变化, 要害部位在以目标为中心的坐标系中的投影距离可以预测为

(19)

但由于距离像的平移敏感性, 要害部位在距离像切片中的位置需要根据距离像识别提供的精匹配结果推算。

距离像识别不但完成了目标类型判定, 还完成了一维散射中心模型与距离像的配准, 即根据式(17)和式(18)可以得到目标在距离像切片中的中心位置。

(20)

由此可以计算要害部位在距离像中的距离范围:

(21)

从而实现距离像中要害部位的判定。要害部位选择的流程图如图 5所示。

图5   SAR图像辅助的HRRP要害部位选择流程图

3 试验验证

本部分采用电磁计算数据和外场转台测量数据对SAR图像辅助的距离像检测识别方法进行性能验证。由于需要SAR图像先验信息, 本文方法主要适用于地面、海面时敏目标或慢速运动目标的检测识别, 因此本节采用地面目标作为测试对象。

电磁计算数据基于3种典型阵地目标的CAD模型, 采用高频电磁计算软件得到目标在C和X两个频段、30°~40°俯仰角、0°~66°方位角下的扫频回波, 由此可以生成目标在该姿态范围内不同分辨力的一维和二维雷达图像。此处采用转台成像获得的二维图像来模拟目标的SAR图像切片。图 6给出了电磁计算所用的3种阵地目标, 图 7给出了基于电磁计算数据生成的SAR图像切片, 成像俯仰角30°, 方位角25°, 频段为C波段, 纵横分辨力均为0.3 m, 图像保留30 dB动态范围。

图6   电磁计算所用的3种阵地目标

图7   3种阵地目标的SAR图像切片

外场测试数据采用厢式货车、轿车和中型客车3种地面目标, 分别置于地面大型转台上, 采用带宽1 GHz的W波段雷达录取目标在0°俯仰角, 0°~360°方位角下的回波, 由此可以生成目标在该姿态范围内不同分辨力的一维和二维像。图 8给出了卡车目标在方位中心角30°下0.3 m分辨力的SAR图像切片, 以及由此提取的二维散射中心; 图 9给出了二维散射中心模型向方位角30°和35°投影的一维散射中心模型, 作为对比, 图 9中同时给出了这两个角度下0.15 m分辨力的距离像。可以看到, 在姿态和分辨力发生变化的情况下, 一维散射中心模型与距离像仍然具有较好的对应关系。

图8   卡车目标30°方位角SAR图像及二维散射中心

图9   卡车目标HRRP及投影后的一维散射中心模型

3.1   SAR图像辅助的距离像检测性能

采用图 6中目标1在俯仰角30°, 方位角5°~60°内的C波段0.3 m分辨力距离像测试标准工作条件下(SAR成像与距离成像的频段、分辨力、姿态均相同)的检测性能。通过对电磁计算原始数据添加复高斯白噪声调整距离像信噪比。SAR图像峰值信噪比设置为25 dB, 图 10给出了检测率随距离像能噪比的变化曲线。对式(3)所示的检测模型, 能噪比定义为

(22)

式中:

 为噪声方差。图 10采用了3种距离像检测方法: ①透视检测器, 即在判决式(6)中采用准确的先验信息

 ②式(6)描述的距离像检测器, 其中距离像模板由SAR图像辅助按式(5)生成: ③式(4)描述的能量检测器。从图 9可以看出, SAR图像辅助的距离像检测器比透视检测器有1~2 dB的能噪比损失, 但能获得远优于能量检测器的检测性能, 这也说明了SAR图像提供的先验信息的有效性。

图10   不同检测器性能比较(虚警率10-6)

为了验证散射中心模型对角度、频率、分辨力变化的有效性, 采用30°俯仰角, 6°~60°方位角的C波段0.25 m分辨力SAR图像作为先验信息, 分别对C波段0.25 m分辨力、C波段0.15 m分辨力、X波段0.25 m分辨力的距离像进行检测。待检测距离像能噪比设置为18 dB, 对方位角为α的距离像, 其一维散射中心模板从方位中心角为α-θ的SAR图像获得, 对所有参与测试的方位角进行平均得到检测率。图 11给出了检测率随偏角(的变化曲线。结果表明, 距离像分辨力变化对检测性能的影响很小; 频段变化对检测性能的影响大于分辨力变化。姿态偏差会造成检测性能下降, 适应性的具体结果会因为目标形状、频段、分辨力而不同。总体而言, 本方法的检测性能对姿态变化的适应性较好。

图11   HRRP检测性能对姿态、频段、分辨力的适应性

3.2   SAR图像辅助的距离像识别性能

采用外场实测数据测试本文提出的距离像识别方法对姿态、分辨力的适应性, 采用电磁计算数据验证对频段变化的适应性。

首先验证姿态适应性。对外场实测3类目标, 采用方位中心角α=0 ∶1 ∶360、分辨力0.15 m的SAR图像作为先验信息, 按图 1和图 4所示流程对方位角为α+θ, 分辨力0.15 m的距离像进行识别, 对所有方位角进行平均得到识别率。图 12给出了3类目标正确识别率随偏角θ的变化曲线。结果表明, 在距离像与SAR图像角度相同的情况下, 3类目标平均正确识别率为91.6%;当距离像与SAR图像中心角存在偏差时, 正确识别率下降, 在-3°~2°偏差范围内平均正确识别率＞80%。本组试验结果的角度偏差适应性小于图 11中的检测算法, 一方面是由于识别对模板精度的要求更高, 另个一原因是本组试验为W波段, 比检测试验的C波段姿态敏感性更高。

图12   3类目标的正确识别率随角度偏差的变化

接下来测试识别方法对分辨力变化的适应性。改变SAR图像模板和待识别距离像的分辨力, 并统计各种分辨力设置下3类目标的平均识别率, 统计方法与图 12相同, 实验结果如图 13所示。总体而言, SAR图像或距离像分辨力的变化对识别性能影响不大, 本方法在SAR图像与距离像分辨力失配的情况下也具有较好的识别性能。对图 13中的各条曲线进行分组比较可以发现: SAR图像和距离像的分辨力变化对识别性能的角度适应性影响不同。提高SAR图像模板的分辨力有利于提高识别算法的角度适应性, 其原因在于分辨单元减小后, 散射中心干涉的概率降低, 提取的二维散射中心模型具有更好的姿态稳健性。而待识别距离像的分辨力从0.3 m提高到0.15 m, 识别算法的角度适应性反而略有下降, 这可能是由于分辨力高的距离像更敏感于角度变化引起的一维投影位置变化。

图13   不同分辨力条件下平均识别率随角度偏差的变化

由于外场实测数据频段固定, 以下采用仿真数据测试识别性能对频段的适应性。采用图 6所示的3类目标, 以俯仰角30°, 方位中心角α=0° ∶1° ∶60°、分辨力0.25 m的C波段SAR图像作为先验信息, 分别对C波段和X波段方位角为α+θ, 分辨力0.25 m的距离像进行识别, 待识别距离像的能噪比设置为20 dB。两种不同频段的距离像识别结果如图 14所示。结果表明算法对频段变化具有较高的适应性。从图 14可以同时观察识别算法在C波段对于姿态变化的敏感性, 与图 11相比, 识别算法的姿态敏感性高于检测算法, 与图 12相比, C波段的姿态敏感性低于W波段。

图14   C波段模板对不同频段HRRP的识别率

3.3   SAR图像辅助的距离像要害部位选择

采用电磁计算数据中的目标1验证SAR图像辅助距离像要害部位选择的性能。图 5表明, 在SAR图像中标记要害部位是识别距离像要害部位的前提, 本试验中采用基于三维散射中心投影的方法完成SAR图像要害部位识别[13-14], 并将其作为输入, 按照图 5的流程完成SAR图像辅助的要害部位选择。

选取天线阵列作为要害部位, 如图 6(a)中虚线框标示。图 15(a)给出了天线阵列在36°俯仰角, 0°~66°方位角距离像中的投影位置区间, 它根据天线阵列的空间位置投影得到, 用黑色虚线标出。图 15(b)和图 15(c)子图分别给出了两个不同方位角下的具体结果, 红框标出了要害部位区间。从图中可以看出, 要害部位并不总能在距离像中形成强散射源, 因此第3.3节中根据目标的所有一维投影点判断要害部位位置。

图15   天线阵列在目标1 HRRP中的实际位置区间

图 16给出了SAR图像模板中心角与距离像视角相同的情况下, 按图 5流程判定的要害部位中心位置与实际要害部位中心位置的距离误差, 距离像能噪比设定为20 dB。从图 16中可以看出, 当雷达视线转到目标侧面时(方位角大于50°), 要害部位判定的误差增大。以距离误差小于0.5 m为要害部位选择正确的门限, 则本组数据的选择正确率为99%。

图16   不同方位角下要害部位选择的距离误差

图 17给出了SAR图像模板中心角与距离像视角偏差对要害部位选择正确率的影响, 要害部位选择正确率采用与图 16相同的方法统计。从图 17中可以看出, 要害部位选择正确率随角度偏差增大而降低, 但在±10°角度偏差内正确率都优于90%。

图17   天线阵列选择正确率随角度偏差的变化

4 结论

本文提出以SAR图像作为目标先验信息来源, 通过从SAR图像中提取目标的二维散射中心模型并向一维成像视线方向投影获得目标的一维散射中心特征模板, 并由此实现基于一维距离像的目标检测、识别与要害部位选择。电磁仿真与外场实测结果表明: SAR图像辅助的距离像检测识别算法不仅具有较高的检测和识别率, 同时对姿态、频段、分辨力等观测条件的变化具有较好的适应性, 为提升宽带雷达的智能化水平提供了新的技术途径。

本文主要关注目标先验信息的获取和利用, 由于SAR成像一般具有较大的视场范围, 还可以获得丰富的环境信息, 下一步的研究重点是基于SAR图像提取环境回波模型并运用于距离像检测识别, 提升宽带雷达在复杂背景下的探测识别能力。

声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。

“人工智能技术与咨询”   发布