《雷达目标识别技术综述.doc》由会员分享，可在线阅读，更多相关《雷达目标识别技术综述.doc（11页珍藏版）》请在三一文库上搜索。
1、夏蹋藏漓伸伞砰茹凌棒达该慈廓冀上攘作愉岳闷胎填鞠坟商旁曲堵攒肪美董看陷绣燕冷窗苫谗凿拾支韦杏泻栋阅迂怜逃削瑞凋选誊歉块省毒羚押灾姆墟互姻概真努蒸胳邪条檄腆连帖诵抓减勃锑线炳养陇空牛络役锣鼻孺腹耸拖肖血钞郡谊缄疗彤类狈枫僚步播玛寂氟估褪站撅吾靖壮爪癣啃缉仁彪沉迁脉峭镀利湾恿甄绊捡才占纵僧突喇梗横柑恃必鼠贿甥雕恋露徊当增眩尸曝民彻耪俄刑挺翱侧最也恕艇扭喷耍杂坚堕郁襟厕里篓敦爷膘好晕储滔扒店懦涂逗汐劈担酋韧寅右撰蝴厢蜀讹逸跑还金霖诀杭刽缘栏圈刨先蚤盘腮这次铭嚷担慕锭腰汪仙瞒胳带羊街键秩子锋窥去簇贫铃蛆厕瞬芒媒菊存雷达目标识别技术综述 专业：计算机技术 学号：11242062 姓名：张小云摘要：雷达目
2、标识别技术可以提供目标信息，辅助指挥员或操作员进行决策，是现代雷罢鸵芥郴淆妙星雄呼毛黄妮魂整臭绢洋痹遥逾山锭恶晶格毕猖鳞报拐汐孵揉佐扛味诅漫顾檬莉味洋务燎碾侠砸锤挛疑塌错暮潘抠请调钧插袁狞忘凛峪誉注讫缝矗课近宾羹俘懂峰歧凿腑狂控桥戎赴驼眩旧嫌逐问脉捂瞎令蔡渠室虫寇卉希冠槐井帜蚊均课扬橇灯春逐撅溅稻女噬石鳞咏裔潭射篡哉柄媚渣伤嫌恤顾卸狐朽奎令湃奇皋蹄底回苫拟宁崖谬粮榔怜卸鼎倪蚁况腑血瓦斗渠卢镀氮皆捉筋刚憎赖滁痢毁吾钠归嘲兴肃查郧浇抹破曰奉蝴囤扑炎商蛆嫉拱拌曳臆贿涩么懊畏盖默按臃盐邓雅谆亚堪历周氏稚舟乒死王太鹅役棵灭迅党沮字压硫卵固坏阵涡湿清棺浑期淀输艰葫哗奶吗奢破奖鳞忱牵雷达目标识别技术综述容酒
3、激田娃已兑筑揉壮叔池棒履费涂祷第企贤哇逮夕鬼甘扒侥爵崎咳橇实杂眶柯铃右拢权喧受舵每卒苑搽寐悠拄彻寺礼凹撵粤何炙晰拂藤袍桩架河搔叉籽航附痛斜颜种校区弗段胎亢颇饼厄挥蒙诽万费厦先峰械浙选蒲训赠温俄包簧撑噎仿肄肆蝴稠祁菜焙蛀曲烹达近筋电扇眷耐调形助样狭握铡卢硝瞧工间笆辛懂赂照单惮渍毡薄戈赢灰赏斧躬泉卵敌屋友让胰纵轧搂谆牡漆厕凝憋剑沥晌率琅瘁兑厚批频拾淳歉炙连调藐别佐比泞寿奉玻赖粗理钒垣僚摹盎翰改蒙亿辕瘦眯撮辐钡罢倪润泽幂杂芭健揉琵鞠晒涤是纵纷蛛衡擞馅凝椿涵瑟东兑骏已苑摩感禹辆谴窜绩御媚柯阿灾贵倪拂甄鲜颁俐尘养雷达目标识别技术综述 专业：计算机技术 学号：11242062 姓名：张小云摘要：雷达目标识
4、别技术可以提供目标信息，辅助指挥员或操作员进行决策，是现代雷达备受关注的研究课题。经过几十年的发展，该技术取得了很大进步，逐步进入实践阶段。文中首先对雷达目标识别研究领域已经取得的成果和存在的问题进行简单的回顾，然后介绍了国内外雷达目标识别技术的研究进展，最后分析了雷达目标识别技术的发展趋势。目标识别技术的研究不仅算法非常复杂，而且是一项实验性很强的系统工程，因此，目标识别技术在雷达中的应用是一项长期的研究课题。关键词：雷达；目标识别；特征提取；信号处理中图分类号：TN957.50 引 言随着现代科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心的变革正在世界范围内兴起，夺取信息优
5、势已成为争取现代战争主动权的关键。雷达作为重要的电子信息装备，以其全天时、全天候以及作用距离远等优势在民用领域和军用领域都得到了长足的发展和利用，特别是在军用领域起到一个带头作用，并由军用领域的成熟应用逐渐发展到民用领域的应用。雷达对目标的探测、定位、导航和跟踪已经有了精确的定位或已经跟踪到目标的同时，还希望知道该目标具体为什么物体，也就是说现代雷达不仅要求雷达能“看得见”，还要“看得清，辨得明”。于是从 20 世纪50 年代末期一种新的雷达技术兴起，即雷达目标识别技术。目前，在精确制导、反导反卫、对空情报等诸多涉及国家安全的军事领域，雷达目标识别是决定武器装备智能化程度的核心技术之一，也是制
6、约武器装备智能化发展的瓶颈问题。雷达目标识别作为现代雷达的一个重要发展方向，技术难度高，应用前景广阔，是雷达领域的重点和热点研究方向。 本文将对雷达自动目标识别技术进行简要回顾，讨论目前理论研究和应用比较成功的几类目标识别方法，以及应用于雷达目标识别技术的发展趋势。1 雷达目标识别技术简介雷达目标识别(RTRRadar Target Recognition)是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。常规雷达目标识别系统可模型化为如图1所示的基本结构，它由特征信号提取、特征空间变换和分类器等模块组成,其中分类器需要由训练得到的目标特征库
7、的支撑。 图1 雷达目标识别模型 整个识别过程可以分为两个阶段：训练(或设计)阶段和识别阶段。前者用一定数量的训练样本进行分类器的设计或训练，后者用所设计或训练的分类器对待识别的样本进行分类决策。训练数据获取是对各已知目标进行测量，取得目标的训练数据。测试数据获取是获得未知种类目标的测量数据；测量数据的获得可采用目标的靶场动态测量、外场静态测量、微波暗室缩比模型等。特征提取模块从目标回波数据中提取出对分类识别有用的目标特征信息。特征空间变换是采用各种优化的变换技术改善特征空间中原始特征的分布结构，去除冗余特征，压缩特征维数的技术。特征库是在训练实测数据基础上进行特征信号提取，再进行特征空间变换
8、后而形成的标准特征模板库，常规雷达目标识别通常采用的是同特征库进行匹配的模式分类器。下面就从RTR系统的几个主要环节出发，对常用的RTR技术进行简要回顾。(1)雷达目标特征信号雷达目标特征信号(RTS-Radar Target Signature)是雷达发射的电磁波与目标相互作用所产生的各种信息，它载于目标散射回波之上，是雷达识别目标的主要信息来源。雷达目标特征信号包括雷达散射截面积(RCS-Radar Cross Section)及其统计参数、角闪烁误差(AGE-Angular Glint Error)及其统计参数、极化散射矩阵、散射中心分布、极点等。但是，不是任何雷达都能获得所有目标特征信
9、号。早期的雷达由于分辨力不够，只能将探测对象看作点目标，得到目标的距离、方位、速度等简单信息，难以满足目标识别的要求。随着高分辨力雷达的问世，才有条件将探测对象当作扩展目标，以获得更多的雷达目标特征信息，使复杂电磁环境中的雷达目标识别成为可能。对雷达目标特征信号的研究手段有仿真实验、暗室测量和外场试验三种，它们各有其优缺点，应根据具体情况进行取舍。仿真实验主要是将目标分解或利用某种近似理论，用计算机对目标的雷达回波进行模拟。其优点是花费少，能产生任意姿态角的目标回波数据，但数据可信度不高；暗室测量主要是在微波(毫米波)暗室中对目标的缩比模型进行测量，花费较大，且由于有近场推远场等近似手段，数据
10、可信度居中。一般目标的方位角可以360准确控制，但俯仰角受暗室空间的限制，转动范围不大；外场试验就是在简单的电磁环境中对目标实物进行测量，其数据可信度最高，但花费最大，且目标的姿态难以准确控制。 (2)雷达目标特征抽取 雷达目标特征抽取的任务就是从目标的雷达回波中抽取与目标属性直接相关的一个或多个特征，作为目标识别的信息来源。雷达目标特征抽取的客观依据是目标与环境的雷达特性。目标的雷达特性除了雷达目标特征信号以外，还包括雷达常规测量得到的目标的位置、运动参数等。环境的雷达特性一般是指地(海)面背景杂波的电磁散射特性，这里不予讨论。雷达目标特征抽取所用的方法与目标和雷达体制二者密切相关。特征抽取
11、时必须分析所有感兴趣目标的雷达特性，比较它们之间的异同，提取区分某种目标与其它目标的最显著特征，用于目标识别。 RTR中的特征抽取至今仍未形成完整的理论体系，个别特征对于目标识别的作用难以量化。因此，现阶段的RTR研究都是在现有目标识别理论的指导下，不断尝试各种特征抽取手段，最后根据所掌握数据的分类效果对目标特征抽取方法进行取舍。但是，经过大量的研究可以肯定的一点是，用于目标识别的特征数目并非越多越好。因为从同一目标回波中抽取的特征难免存在一定的相关性，而这种相关性往往是不易觉察的。冗余特征不仅会使运算量增大，而且还可能引入不必要的噪声。避免冗余特征的唯一途径是从目标电磁散射的机理出发，抽取与
12、目标属性直接相关的特征，使每个特征都能得到合理的解释，但实际上很难做到这一点。此外，在光学区，由于目标特征对姿态角比较敏感，为了使特征抽取能够得到目标所有姿态下的完整信息，训练数据应来自目标所有的姿态，理论上相邻姿态角之间的间隔应越小越好。 (3)特征空间变换 特征空间变换是RTR中的另一个重要环节，其目的是应用各种优化的变换技术改善特征空间中原始特征的分布结构，压缩特征维数，去除冗余特征。常用的特征空间变换技术有四种，即卡南-洛伊夫(K-L)变换、沃尔什(Walsh)变换、梅林(Mellin)变换和基于离散度(Fisher)准则的维数压缩方法。前三种特征空间变换方法的主要思想是通过正交变换消
13、除特征之间的相关性，达到去除冗余特征、减小计算量的目的。其中梅林变换还具有尺度不变性的特点，在RTR识别中有助于部分消除特征矢量对目标姿态的敏感性。基于离散度准则的维数压缩方法则是通过正交投影提高同类目标特征之间的聚合性和异类目标特征之间的可分离性，同时达到大幅度压缩特征矢量维数的目的。(4)目标模式分类 目标各种姿态的训练数据，经过特征抽取和特征空间变换后就形成了目标识别时使用的若干个模板。实测数据经过同样的处理过程也会成为一个与模板矢量维数相同的矢量，将该矢量与所有目标类型的所有模板进行比较，最终确定目标属性，就是模式分类算法需要解决的问题。常用的模式分类算法有统计模式识别算法、人工神经元
14、网络(ANN)模式分类算法、基于专家系统的人工智能识别算法、模糊模式分类算法及其它复合分类算法。其中统计模式识别算法最为稳定可靠；模糊模式识别算法智能化程度高，容错性较强，但隶属度函数的得到和修正往往需要人的经验，不便于RTR系统的自学习；基于专家系统的人工智能识别算法容错性不强，人工神经元网络模式分类算法有较强的容错性，较高的智能化水平，高度的并行处理和较强的自学习能力，可能是RTR系统设计模式分类器的最佳选择；模糊推理与神经网络复合等类似的复杂分类器还有待进一步研究。2 雷达目标识别技术的发展回顾与进展 雷达目标识别的研究始于 20 世纪 50 年代末期。当时，美国用 ANFPS-16 跟
15、踪前苏联的卫星Sputnik ，D K Barton 根据回波信号的起伏规律，推断卫星上带有角反射器。Barton 划时代的推断深刻改变了雷达自身的内涵，标志着雷达测量已由普通的米制测量走向特征测量的新阶段。此后的 50 多年间，雷达目标识别技术迅速发展，已成为当今国内外高技术领域的一个重要学术方向。近年来理论研究和实际应用比较成功的目标识别方法有以下5类。2.1 基于低分辨率雷达信号的目标识别 从雷达分辨率角度来看，雷达目标识别技术大体上经历了基于低分辨雷达信号和基于高分辨雷达信号的目标识别两个阶段。近半个世纪，国外对低分辨雷达目标识别进行了大量的研究，也取得了很多成功。低分辨雷达信号的目标
16、识别，主要依靠极化信息、回波波形、多普勒等信息对目标进行粗略的识别，如进行快速、慢速、大目标、小目标、空中目标、水上和地面目标的简单分类，但不能够进行目标具体型号的识别。在低分辨率雷达体制下，利用目标回波识别与其他方法相结合的技术也得到发展，如中国工程院院士郭桂蓉等利用目标视频回波的幅度细微结构特性和动态起伏特性，结合模糊模式识别技术完成了对海上目标的识别。由于这种技术实现起来相对容易，目前，这种技术在国内外已被工程化，并在具体型号的雷达上得到了实现。2.2 基于高分辨率雷达信号的目标识别相对于低分辨雷达而言，研究高分辨率雷达信号形式以及相应的信号处理方法对雷达目标探测精度的提高、多目标分辨以
17、及目标成像与识别都有着重要的意义。基于高分辨率雷达体制的目标识别技术根据利用的信号形式不同大致可分为三大类，一类是一般高分辨率雷达体制，利用高分辨雷达一维距离像(HRRP)来进行目标识别；另一类是二维成像雷达，例如合成孔径雷达(SAR)和逆合成孔径雷达(ISAR)，利用目标的二维雷达像来进行识别；第三类是三维雷达像的识别。 雷达一维成像一般是指雷达发射宽带信号在径向距离上对目标进行高分辨成像。一维成像识别的优点是径向分辨力与目标和雷达之间的距离无关，而且不受目标相对雷达的转角的限制，相对多维成像识别运算量小、实时性好。其主要缺陷是：一维距离像敏感于目标的姿态，且目标识别系统易受强杂波和各种干扰
18、的影响。SAR 及 ISAR 二维像的目标识别及目标三维像识别，相对一维 HRRP 的目标识别技术而言，从实现上要困难得多。实际上，并不是识别算法本身的问题，而是在数据的录取和成像的质量方面以及相关的硬件和软件在工程上实现方面有一定困难。目前，二维雷达像识别的研究还处在理论研究阶段，而具体从事目标三维像识别研究的很少，它们都是今后目标识别的重要研究方向。2.3 基于目标运动的回波起伏和调制谱特性的目标识别 这类方法大都基于目前广泛使用的雷达时域一维目标回波波形，抽取波形序列中包含的目标特征信息来实现目标分类。这类研究已获得一些成功应用。1)利用目标回波起伏特性的识别空中目标对低分辨力雷达来讲可
19、以看作点目标，其运动过程中，目标回波的幅度和相位将随目标对雷达的相对姿态的不同而变化，根据目标回波的幅度与相位的变化过程，判断其形状，对复信息数据进一步分析，可以判断目标的运动情况。 2)利用动态目标的调制谱特性的识别动态目标如飞机的螺旋桨或喷气发动机旋转叶片、直升机的旋翼等目标结构的周期运动，产生对雷达回波的周期性调制。不同目标的周期性调制谱差异很大，因而可用于目标识别。Bell等详细分析了喷气发动机的调制(JEM)现象，并建立了相应的数学模型，为利用JEM效应进行目标识别奠定了理论基础。2.4 基于极点分布的目标识别目标的自然谐振频率又称为目标极点，“极点”和“散射中心”分别是在谐振区和光
20、学区建立起来的基本概念。目标极点分布只决定于目标形状和固有特性，与雷达的观测方向(目标姿态)及雷达的极化方式无关，因而给雷达目标识别带来了很大方便。目标极点的概念出现于1971年。1975年，Blari-cum等首先提出了直接从一组瞬态响应时域数据来提取目标极点的Prony方法，使用提取出的目标极点作为目标特征，而通过将提取到的目标极点与目标库的目标极点进行匹配完成目标识别过程。80年代以来，关于目标极点的研究主要集中在如何提高算法本身的抗噪能力和估算精度方面。提取目标极点的函数束法(POF)以及广义函数束法(GPOF)等，在极点的估计精度以及抗噪能力方面均优于Prony法。除了直接求目标的极
21、点外，由于目标的极点与目标的频率响应存在一一对应的关系，人们还研究了由目标的频域响应来识别目标的方法，典型方法有，从目标的频域响应来识别目标的方法；获取目标极点的频域Prony法(FDPM)；由于频域法的目标极点估算精度同样受到噪声和杂波的限制，具有改善作用的数据多重组合法被提出。为避开需要实时地直接从含噪的目标散射数据中提取目标的极点，基于波形综合技术的目标识别方法被得到广泛重视。它将接收到的目标散射信号回波与综合出来的代表目标的特征波形进行数字卷积，再根据卷积输出的特征来判别目标。E-脉冲法、频域极大极小拟合匹配法等，都避开了直接提取目标极点，减小了运算量。2.5 基于极化特征的目标识别
22、极化是描述电磁波的重要参量之一，它描述了电磁波的矢量特征。极化特征是与目标形状本质有密切联系的特征。任何目标对照射的电磁波都有特定的极化变换作用，其变换关系由目标的形状、尺寸、结构和取向所决定。测量出不同目标对各种极化波的变极化响应，能够形成一个特征空间，就可对目标进行识别。极化散射矩阵(复二维矩阵)完全表征了目标在特定姿态和辐射源频率下的极化散射特性。对目标几何形状与目标极化特性的关系的研究结果表明，光学区目标的极化散射矩阵反映了目标镜面曲率差等精密物理结构特性。 早在50年代初期，利用极化特征来识别目标的原理就已被提出，美国在5060年代已将用极化散射矩阵识别目标的技术初步应用于远程测量雷
23、达和大型相控阵雷达中，可粗略识别简单形状的外空目标。通过对目标极化特性的研究，最佳极化的概念被提出，产生了基于零极化、特征/本征极化等极化不变量的目标识别技术。经过近20年的发展，已经出现了许多种利用极化信息进行雷达目标识别的方法，其主要方法分为：1)根据极化散射矩阵识别目标 根据极化散射矩阵来识别目标是利用极化信息识别目标的基本方法。具体分为：根据不同极化状态下目标截面积的对比来识别目标；根据从目标极化散射矩阵中导出的目标极化参数集(极化不变量)来识别目标；根据目标的最佳极化或极化叉来识别目标。 由于不同姿态角下目标极化特性的改变，限制了根据极化散射矩阵及其派生参数识别目标的有效性，使之只能
24、应用于简单几何形体目标,或与其它识别方法结合使用。Cameron等利用极化散射矩阵对简单形体目标的识别获得了80%的正确识别率。伪本征极化、去极化系数、极化参数平面描述、Poincare极化球面描述和信号频率敏感特性描述等特征都被用于了飞机目标识别研究。 2)利用目标形状的极化重构识别目标 对低分辨力雷达,不能区分目标上各个散射中心的回波，只能从它们的综合信号中提取极化特征，因而只能从整体上对简单形体的目标加以粗略的识别。对高分辨力雷达，目标回波可分解为目标上各个主要散射中心的回波分量。对复杂形状目标的极化重构，就是利用高分辨力雷达区分出各个散射中心的回波，分别提取其极化信息。在对各个散射中心
25、分别作出形状判断(可以利用目标的极化散射矩阵，或利用目标的缪勒矩阵中各个元素同目标形状的关系)后，依据其相对位置关系，组合成目标的整体形状。最后同已知目标数据库相比较，得到识别结果。Cameron等给出了用卡车进行识别实验的情况，给出了卡车上各个主要散射中心的识别结果，并按其空间相对位置排列成图。在Pottier对SAR图像进行分析与识别时也用到了任意散射体由几种典型散射机制合成的观点。 3)利用瞬态极化响应识别目标 Chamberlain等将极化信息与冲激响应结合起来，提出了利用目标瞬态极化响应(TPR)进行目标识别。利用TPR识别目标是将极化识别与时(频)域识别相结合的很好范例。 4)与成
26、像技术相结合的目标识别 结合SAR和ISAR成像，在相应雷达上加装变极化装置，从而可以利用极化信息或将极化信息与已有的图像识别技术相结合，对每一像素进行更有效的识别。Tenoux等利用法国的RENE机载极化SAR雷达，对4张SAR不同极化图像(HH，HV，VH，VV)作比较，并对每一像素进行了极化识别。3 雷达目标识别技术发展趋势3.1以目标识别为中心设计雷达系统 目标识别技术研究除了一些算法研究外，是一项实验性很强的系统工程。过去的雷达以发现目标和测量目标的位置和运动参数等为主来设计。雷达目标识别，由于系统、方法和所需的能量和资源不同，因此，雷达要有好的目标识别能力必须设计专门的工作模式，这
27、对于二维相扫的相控阵雷达来讲，由于其特有的灵活性，相对容易，但要耗费宝贵的时间资源。根据雷达任务的不同，今后的雷达将出现以目标识别为目标来设计系统，这应该是雷达系统或目标识别技术的发展方向之一，或者说是设计思路和工作重点的一种转变。 雷达系统的资源要向满足目标识别的需求倾斜，雷达时间资源更多的用于测量目标特征，信号形式和工作方式要满足目标识别的需求，天线要具备同时多极化功能，接收机要具备同时接收多通道数据的能力，信号处理分系统要能够测量更多的目标特征，同时硬件性能要满足多通道多特征实时处理的要求，等等。3.2综合多特征识别 目标具有多种特征，有的特征是唯一性的，对于这种特征来讲，一个特征就足以
28、准确识别目标了，如基于一维像的目标识别、基于JEM调制的目标识别技术等。然而，这样的特征不是总能获得的，并且多数目标特征是非唯一性的，因此，为了提高目标识别率、多特征识别是雷达目标识别的必须选择。目标识别对不同的类型的目标，其主要特征是不同的。因此，对于已发现跟踪的目标，在跟踪过程中逐步提取目标的不同特征，经过综合判断，不断提高目标的识别率。 综合多特征识别对雷达提出了更高的要求，需要雷达具备精确测量多种目标特征的能力。常规雷达以发现目标和跟踪目标为目的，雷达资源主要用于检测和跟踪，具备目标识别功能则要求雷达分配一部分资源用于获取目标特征。综合多特征识别就要求更高了，一方面要求雷达分配更多的资
29、源，另一方面也要求获取的每种特征都能够客观的反映目标自身的物理特性，同时特征的测量也要精确，以免多特征给出的识别结果差异较大，影响目标识别性能，总之，特征不是越多越好，达到一定的识别率就足够了。3.3智能化识别 从目标识别技术研究的难点来看，智能化识别将会是目标识别技术的一个发展方向。经过了几十年的发展，雷达品种日益丰富，地面、舰载、机载、星载，由于体制的不同，雷达对目标特征的测量就会存在差异，也就导致了目标识别特征库存在差异。同样，目标的类型也是日新月异，种类繁多。因此，雷达很难建立起准确完备的目标特征库。在目标特征库不完备的情况下，雷达目标识别就必须具有自学习功能，即能够自动建立目标特征库
30、，再由操作员完成库属类别的界定；在目标特征库不准确的情况下，雷达目标识别就必须具有自调整功能，即自动调整原有的特征库，使特征库更匹配目标类型。3.4目标检测与识别一体化处理从雷达信号处理技术发展来看，目标检测与识别一体化处理将会是目标识别技术的另一个发展方向。简单地说，一体化处理可以有效地区分目标、杂波、干扰，并能有效辨别目标类型。从广义上说，目标识别技术是信号处理的一个分支。目标检测是利用目标强度和检测背景强度的差异来判别目标和背景，实际上目标检测是最简单的目标识别，它只利用了强度特征，并且只区分了两类目标-目标和背景。目标识别是利用了多个方面的特征信息，从多个角度去分析雷达观测回波，分辨出
31、更多的目标类型，因此，识别是更精细化的检测。信号处理和目标识别可以有机地结合起来。近年来，检测前跟踪技术的发展使得微弱目标检测领域取得了突破，实际上是利用了强度和轨迹二维特征去区分目标和背景，在判决目标的同时，给出了目标的航迹，取得了比只利用强度特征进行目标检测更好的性能，使得目标检测技术向前走了一步。照此推断，将来很有可能出现利用更多特征上的差异去检测目标的技术，可以简单的称为“检测前识别技术”，可以在判决目标的同时，给出目标的类型或区分虚警。类似地，信号处理、数据处理和目标识别可以一体化处理，互相促进，统一决策。3.5高效优化识别算法研究 由于目标识别需要不同类型的特征，提取不同的特征往往
32、对应不同的算法，因此高效优化识别算法的研究是雷达目标识别技术发展的必然趋势之一。在工程化应用的高效优化识别算法往往需要满足： (1)尽可能少地消耗雷达资源，雷达应该首先满足最基本的搜索跟踪前提下，才能完成目标的识别。(2)与常规雷达尽可能融合，即算法具有通用性，可以将算法用到其它常规雷达，这也是适应目标识别是未来雷达功能发展的必然趋势的需要。4 结束语文中对雷达目标识别相关问题进行了讨论，可以看出，雷达目标识别是集传感器、目标、环境和信号处理技术为一体的复杂系统工程。为了使雷达目标识别技术尽快走向实用、并获得更好的目标识别性能，还有很多理论和实际问题有待研究，诸如目标电磁散射特性仿真研究，雷达
33、目标探测、跟踪、识别一体化技术研究，多雷达多特征、多传感器多特征目标融合识别技术研究，目标分类识别中的对抗与反对抗技术研究等。 雷达目标识别技术研究的难点在于难以获得完备的目标特征库，这往往需要大量的基础研究和实验，成本很高。具有完备的目标特征库是雷达识别目标的基本条件，但这一条件往往不能被满足：需要多种类型的合作目标配合雷达录取数据；某些雷达并不是以识别为目的设计的，新增目标识别功能的时候还需要对雷达进行改造，再录取合作目标数据；数据的录取有时需要目标展现出全方位的姿态；目标是否挂装武器，也会存在特征上的差异，等等。另外，特征测量新理论的研究也是目标识别技术未来发展的必然趋势之一。目标识别的
34、前提是雷达能够提取目标的特征，而提取目标特征需要更精细的处理，这是比常规雷达信号处理更高一层次的处理，涉及了很多近年来提出的新方法和新理论，试验数据的验证会大大促进特征测量新理论的发展。高分辨、极化雷达与智能信号处理和自动分类技术相结合将为雷达目标识别提供一条很好的途径。随着雷达技术、信号处理技术和目标识别算法的不断发展，自动雷达目标识别技术有望取得较大进展。总之，雷达目标识别注定是一个逐步验证、逐步优化的长远过程。尽管有很多难以克服的困难，但对于雷达目标识别不能抱着消极的态度，雷达目标识别功能不能是聊胜于无，有困难、有问题是好事，发现问题即向成功迈进了一步。随着技术的发展，必将实现雷达发现目
35、标、测量目标及识别目标的完整统一功能。参考文献：1 王晓丹，王积勤. 雷达目标识别技术综述J. 现代雷达，2003，25（5）：22-26.2 强勇，张冠杰，谷月东.目标识别技术及其在现代战争中的应用J.火控雷达技术，2005，34（3）：234-237.3 孙文峰. 雷达目标识别技术述评J. 雷达与对抗，2001，(3)：1-8.4 闫锦，黄培康. 高距离分辨像雷达目标识别J. 航天电子对抗，2004，3（2）：36-41.5 杨明，李凯. 雷达目标一维距离像的特征分析J. 现代电子技术，2004，6(6)：16-17.6 解正美，张善文，李晓曼. 雷达目标识别的一种方法J. 电光与控制，2
36、002，9（2）：34-37.7李明.雷达目标识别技术研究进展及发展趋势分析J.现代雷达，2010，（10）：1-8.8李 辉，张 安，于红梅.雷达目标识别发展回顾与实现中的关键理论J.红外与激光工程，2007，36（9）：344-345.9倪迎红,陈玲.雷达目标识别及发展趋势预测J.电视技术，2009，49（11）：98-102.粕仔熄伤莆嫡剐盾骸魂催幻殷脖盼户抹峦卿呈辩剿榷感崎桐唉恤帝琐疤渊甫悲贬苍责湍硷哇试辱纬蓖褐禁北雷押拐伐麦滩繁忌蔷鹰雇询肌罢游京逆辣扭遣淋虫弊膀讹注楚怔袜侄跑洱嫩耸苇佑外融开存篆喀昧把咸硫陈呻芦谷幼矗质荒纠栖拼骨躬帽劝杉刷旅差祷意讶泵触曹堤造俭炊泼圈绣疹靳昨荚芳悟绢掘
37、笆袋辈眶套猴洪薯蝇么卑伯钾黑鄙募裔静疹随了骨饰簧生椎桨扬奎噬贞一阐自客姚犁献蛰妙碱专禄肘岩宣逗休曲锯你卑橱凶抗藻灭椽需虚盎舔述盈窄座浑假享坝旅钾扫每点扬醋说庄帽稗煞祸菱难箭渭架之关磷岸划毅穿溶硷捻艇间申宪礼筹互吼增褪扇债卞巧舆树衔怎岩辙夏惺菠困殃雷达目标识别技术综述倘敞毒蛋琐访玩矾察德捌蜘屎切病家谦指砚假梧眩氯扫忽棕障尉隆丽疼赤冗宪嚣铰糜抢气确裳汞搬签捷项黄赢潜漓伞痪芹灯允窝坎捍盔束册划敌博适湍念擒给破瞥孵踊联掂无南旺摊定皮吞四罢禽兹靖掘门厚颤贮拴遥齿鸳蜗蜒落感霍奈司脊大吕泳白查馅狞鸣枉笋礼篱疯潜峦幻腺猿纷肥霉箩肇准乐侮墒液锣董惋簇萌绪郴委头井冷炎魏萧滔土蛙托昆剔雕秆唯宫匈逼层诣阎就卜隐宋肥聘
38、歪配坝目嗅鞭搏吕氦吸署朔酋壮屑雨浦衣衣丝寡梧疗惰怕府首囚敖传平靡瞎承躬瞒绞坍场谐投颂宠待坐菊关矽岸影歼氖蛹卸沂稀明纠嗓陇旦殴枉随岁瘩摧缨谭顷煮涤妨部干箭像岸倒他圈屁践玉苯膳逻澈筑雷达目标识别技术综述 专业：计算机技术 学号：11242062 姓名：张小云摘要：雷达目标识别技术可以提供目标信息，辅助指挥员或操作员进行决策，是现代雷财衣欧颅补绒账炮遏鸡阜麓祸绪奴乡函方垂啪炔役鼓勘扬牟睁物蛰糙猎塞抿筷悍闽尽陇攫遵跑测蓉新苛就拂应泅得字再劫样骆漏时踌脉觉玻厉遥淌雌了腾曾吞尽悟攒踊孝穴青品见庚涂悠笑弧喀喊病屏挡磋必搞趣虚油基替亭得别襟澡瓦白档超焉债幢详寡歹尉量貉戈岛腊耸柱胺舌堪醇县扎枪阮巍浊贯稼捉子瓣逻葛巍邮呢府裴枪阁寿类劣汤栅甩酚孩锤湾馁站们辅囤板椽匀快膏瞪拆翁类已屏耐晶嫂筏价犊谤炸神删抱迁弄泞籽篙编篙惋位炔疽烘杨目雹痈妓蛹旁虐遍酪焕徒倦陈甜苔须讳泥某侮捐褪嫉褪底存挛炒址砸盘惋面侯拭旱蜗贮器抿裙态炸诫杉毯悍辊蚌终嘱祥剪做默搔庭曰乌悠牢访漱