基于功率谱的自适应高分辨距离像数据分割.docxVIP

基于功率谱的自适应高分辨距离像数据分割 0 基于等间隔方位帧模型的分帧方法 雷达高度色散成像（hrp）是利用雷达信号获得的目标散射点的反射波在雷达视线方向上反射的向量和，反映了目标散射点在距离方向上的分布，对识别和分类目标具有重要意义，但hrp具有方向感、振幅和偏移三个敏感方面。针对方位敏感性, 文献采用等间隔角域划分 (uniform frame segmentation, UFS) 方法来确定整段训练数据的方位帧, 并认为在方位帧范围内可以忽略散射点越距离单元徒动 (migrate through resolution cells, MTRC) 效应。但是散射点的MTRC效应是逆合成孔径雷达 (inverse synthetic aperture radar, ISAR) 成像的条件, 保证帧样本统计特性的一致更加重要, 因此, 采用等间隔方位帧划分训练数据的方法并不合理。 许多文献针对这一问题探讨了如何合理地将末制导雷达获得的方位渐变HRRP样本划分为多个角域。其中文献采用联合高斯分布来描述单个角域内目标的统计特性, 并基于贝叶斯准则划分了训练数据的边界。但是在每帧样本数目较小的情况下, 与等间隔划分模板方法相比, 模板数目不会有效减少, 因此限制了识别性能的提高。文献基于自适应高斯分类器和高斯过程分类器, 从雷达数据中提取连续HRRP序列中包含的非线性结构信息, 利用提出的角域边界判定准则自适应地对雷达数据进行角域划分, 但是当雷达连续HRRP样本太长时该算法需要根据方位角将样本数据划分为若干段再进行计算, 且不能自适应地确定各个目标的帧总数目。 文献首次提出基于互相关系数的分帧 (correlation coefficient frame segmentation, CCFS) 方法可在一定程度上准确划分HRRP统计特性的变化, 为后续分帧方法研究提供了重要启示。但是该方法还存在以下不足: (1) 基于原始回波数据, 没有突出目标回波中规律性分量的作用, 而大功率的规律性分量体现了舰船距离像的主要差异; (2) 没有给出定量的确定每帧样本数量的准则, 且无法最大限度地利用距离像相对于角度变化的差异对角域进行自适应划分, 在“距离像起伏剧烈”时会导致分帧不准确。 “距离像起伏剧烈”指的是在小的姿态变化下目标雷达截面积 (radar cross section, RCS) 起伏不大, 但距离单元内相位梯度的变化却很大。根据距离单元回波强度是各散射点中心矢量叠加的原理, 小角度变化条件下, 距离单元内回波强度的起伏可能会明显大于实际RCS变化, 也就是距离像起伏比RCS更加剧烈。 本文在文献的基础上提出了基于HRRP回波功率谱的顺序判别自适应分帧 (sequential discriminate adaptive frame segmentation, SAFS) 算法, 通过对全局HRRP样本进行迭代搜索来自适应划分角域。该方法的优点在于: (1) 基于回波数据的功率谱, 可以突出目标回波中规律性分量的作用; (2) 能够自适应地确定各个目标的帧总数目, 且在HR-RP样本数量较小的情况下仍可以有效地对样本进行角域划分, 同时可以抑制HRRP存在“距离像起伏剧烈”的样本。 基于3类舰船目标转台数据的仿真和3类民用船只的外场实测数据仿真结果表明, 与UFS方法和CCFS方法相比, 本文提出的SAFS方法降低了模板数量, 提高了目标的识别率并且减少了识别算法处理时间。 1 sharp姿态平和ufs方法 1.1 mtrc与处理工艺 距离像是三维散射点在雷达视线上复振幅的垂直投影, 某一单元的回波被认为是相应距离单元内所有散射点子回波复振幅的矢量和。目标相对雷达视线发生变化会影响子回波间包络位移和相位差变化。当距离分辨单元小于子回波的位移时将导致散射点的MTRC效应。为了避免MTRC效应, 需对转角进行限制, 设目标横向长度为L, 距离分辨率为ΔR, 则不发生越距离单元走动的条件为 式中, δφ为雷达相对目标转动角度; (δφ)MTRC为发生散射点越单元走动的临界转动角度。 而子回波相位变化不大时满足的条件为 式中, λ为波长。由式 (1) 与式 (2) 可知, 散射点的相对移动会导致相位差发生变化, 通常情况下波长较距离单元长度小得多, 因此, 相同距离单元的散射中心, 其子回波相位变化的姿态敏感性比该散射中心距离徙动对姿态的敏感性更严重。 1.2 mtrc目标特性 对于方位敏感性, 通常是把目标划分为不同视角下的多个子目标, 对每个子目标通过求平均或者其他方法提取特征, 建立一个可覆盖目标所有方位角的数据库, 以散射点不发生MTRC为限制条件来确定方位角间隔, 并采用等方位间隔方法划分训练数据。并把此角域内的一帧距离像近似