作者姓名：杜蘭 N('3oy#8
論文題目：雷達高分辨距離像目標識別方法研究 d:3= 1x
作者簡介：杜蘭，女， 1980年3月出生，2001年8月師從于西安電子科技大學保錚教授（碩博連讀），于2007年6月獲博士學位（期間于2004年3月獲碩士學位，2005年7月評定為講師）。 a?\ `
eb7UoZw
中文摘要 j~$ )c) h"
高分辨距離像（HRRP）是用寬帶雷達信號獲取的目標散射點子回波在雷達射線上投影的向量和，它提供了目標散射點沿距離方向的分布情況，是目標重要的結構特征，對目標識別與分類十分有價值，因而成為雷達自動目標識別（RATR）領域研究的熱點。本論文主要圍繞著“十五”和“十一五”國防預研計劃項目“目標識別技術”（項目編號：413070501和51307060601）及國家自然科學基金項目“基于高距離分辨回波序列的雷達目標識別技術”（項目編號：60302009）的研究任務，從高分辨距離像的物理特性分析、特征提取和特征選擇以及分類器設計這三個基本層次展開對雷達高分辨距離像目標識別的相關理論與技術問題的研究。 a
5I%RY
論文內容可概括為如下五部分： , m"l\jP
第一部分，從目標的散射點模型出發，對高分辨距離像的物理特性進行了深入的研究，指出方位敏感性、平移敏感性和強度敏感性是雷達HRRP目標識別需要首先解決的三大問題。并針對最常用的模板匹配法，提出雷達高分辨距離像目標識別的基本思路，為后續的研究奠定基礎。 Q^kMCrp
第二部分，研究雷達HRRP目標識別的特征提取和特征選擇方法，工作有以下三點。（1）針對高分辨距離像的平移敏感性問題，研究基于高階譜特征的雷達高分辨距離像目標識別。類似于近年來在目標識別領域中常用的在低維空間實現高維映射空間歐氏距離計算的核方法，本論文通過分析高階譜域歐氏距離和原始像域歐氏距離的關系，得出在原始像域計算高階譜域歐氏距離的方法，使高階譜特征在目標識別中的應用具有現實意義。（2）基于散射點模型理論，提出了一種利用距離像幅度起伏特性的特征提取新方法。新方法提取的加權距離像特征有效地融合了幀距離像的散射點強度分布像和方差像，反映了各個距離單元內目標散射點的分布情況，可以更好地描述目標散射特性。（3）基于Fisher可分性判據，提出了一種加權特征選擇方法。該方法根據雷達HRRP目標識別的具體特點，對HRRP的平移不變特征——功率譜特征采用基于Fisher判決率的迭代算法搜索最優權向量。與直接使用原始特征及現有的特征選擇方法相比，本論文提出的特征選擇方法既可以降維，又提高了識別性能，而且運算簡單。 :`j"Sj !t3
第三部分，詳細討論雷達HRRP的統計建模問題，主要工作涉及以下三個大的方面。一、討論在統計識別中解決HRRP樣本方位、平移和強度敏感性的方法，為HRRP的統計建模工作奠定基礎。二、在HRRP樣本各距離單元回波相互獨立的假設前提下，提出了一種基于Gamma和Gaussian Mixture兩種分布形式的獨立雙分布復合模型。三、進一步的研究表明HRRP樣本各距離單元回波相互獨立的假設并不完全成立，因此，我們又研究了更精確的基于HRRP樣本各距離單元回波相關統計特性的統計識別方法，具體工作包括以下兩點。（1）考慮到用于識別的HRRP樣本在2-范數強度歸一化后都位于單位超球面上，針對于冪次變換后趨于Joint-Gaussian分布的HRRP數據，提出了一種改進的基于子空間近似的統計識別方法。（2）研究發現HRRP樣本各距離單元回波的聯合分布近似因子分析（FA）模型描述的Joint-Gaussian分布，這表明在雷達HRRP統計識別中并不需要使用復雜的Joint-Gaussian Mixture模型（如FA Mixture模型），這大大降低了統計識別的難度。進而，針對基于FA模型的雷達HRRP統計識別，提出了一種自適應模型選擇算法。該算法可以同時解決因子個數選擇和方位幀劃分這兩個模型選擇問題。 y ( ldO;.
第四部分，研究基于復數HRRP樣本的雷達目標識別方法。在分析復數HRRP樣本特性的基礎上，指出由于初相敏感性問題，原先適用于實數HRRP樣本的方位模板、識別方法和特征提取方法一般都不能直接用于基于復數HRRP的RATR，我們必須重新尋找既與復數HRRP樣本的初相無關又能利用其剩余相位信息的方法。進而，在識別方法方面，分析指出基于主分量分析（PCA）子空間的最小重構誤差法既可以回避復數HRRP樣本的初相敏感性問題又可以利用復數HRRP樣本的其余相位信息，因而，該識別方法適用于基于復數HRRP的RATR，并提出了該方法相應的平移匹配快速算法；此外，在特征提取方法方面，提出了一種用于復數HRRP樣本的初相無關特征提取方法，對實數HRRP樣本適用的識別方法、方位模板和預處理方法同樣適用于該復特征向量。因此，本論文的研究使基于復數HRRP的RATR成為可能。而且，基于實測數據的識別實驗表明，使用復數HRRP樣本可以取得比實數HRRP樣本更好的識別性能。 'U*udkn 2]
第五部分，研究如何用少量的簡單分類器解決多類目標識別問題。由于HRRP樣本的方位敏感性，雷達HRRP目標識別是典型的多類目標識別問題。本論文提出了一種基于超立方體和超網格自組織映射（SOM）編碼的多類目標識別方法。該方法的優勢體現在：一方面將基于二分類的多類目標識別方法擴展為基于 分類的 （ ）類目標識別方法；另一方面只需要少量的二分類或 分類分類器，因此，大大減小了多類目標識別對運算量和存儲量的需求。 !?Tzk&'
_BCT .ual
關鍵詞： 雷達自動目標識別 高分辨距離像 散射點模型 高階譜特征 基于參數化模型的統計識別方法 模型選擇 初相敏感性 多類目標識別 n_ OUWvs
@]yQJuXA&Z
