文档视界 最新最全的文档下载
当前位置:文档视界 › 雷达目标识别技术综述

雷达目标识别技术综述

·专家论坛·

中图分类号:TN95

文献标志码:A

文章编号:1004-7859(2011)06-0001-07

雷达目标识别技术综述

(南京电子技术研究所,南京210039)

摘要:雷达目标识别技术是集传感器、目标、环境为一体的一项复杂的系统工程,是现代雷达技术的重要发展方向之一。文中总结了目标特性的研究现状,针对不同的识别对象,如弹道导弹、空中目标、海上目标和地面等目标,对现有的识别方法进行了梳理,并分析了雷达目标识别技术的发展方向。关键词:雷达;目标识别;目标特性

Review of Radar Automatic Target Recognition

MA Lin

(Nanjing Research Institute of Electronics Technology ,Nanjing 210039,China )

Abstract :Radar target recognition technology is a complicated system which combines the sensor ,target and environment etc.It is one of the important development area of modern radar technology.Current research status of target characteristics is summarized.Existing target recognition algorithms of different recognition objects are analyzed and summarized from ballistic missiles ,air tar-gets ,targets on the sea surface and ground target.The development perspective of radar target recognition technology is also ana-lyzed.

Key words :radar ;target recognition ;target characteristics

通信作者:马林Email :Madernradar@263.net 收稿日期:2011-03-04

修订日期:2011-04-28

0引言雷达目标识别(Radar Automatic Target Recogni-tion ,RATR )技术是基于雷达回波信号,提取目标特征,实现目标属性、类别或类型的自动判定。雷达目标识别技术是集传感器、目标、环境和信号处理技术为一体的一项复杂的系统工程,对于提高军队的指挥自动化水平、攻防能力、国土防空反导能力及战略预警能力具有十分重要的作用。RATR 作为现代雷达技术的重要发展方向之一,将成为未来武器系统中的一个重要技术组成部份。

RATR 技术的研究已有数十年的历史,积累了一大批卓有意义的理论与技术成果,至今仍然是学术界、工程界的研究热点之一。该研究方向不仅有重大的理论和学术意义,而且具有广阔的应用前景和巨大的军事应用价值,美、俄等军事强国均把它作为发展未来智能化武器系统的重点和需要首先突破的关键技术。

目标识别的基础是目标特性的研究。本文总结了目标特性的研究现状,并对弹道导弹、空中目标、海上目标和地面目标,针对不同的识别对象,对现有的识别方法进行了梳理。

1目标特性研究

雷达目标特性主要研究被观测目标在电磁波照射

下的电磁散射特性。雷达目标特性主要研究方法有严格解析解、

计算机电磁仿真、缩比模型微波暗室紧缩场测量、外场全尺寸静态测量与动态飞行测量。

只有当目标的外形与某种正交坐标系的坐标完全吻合时,才能利用分离变量法求解,得到级数形式的严格解析解。然而,对于实际几何形体的复杂目标,很难找到严格解析解。利用计算机进行电磁仿真是当前一种重要的研究手段[1],包括全波数值方法和高频近似方法。全波数值方法是利用计算机求解微分或积分形式的麦克斯韦方程组的一类电磁仿真算法。由于能够计算具有任意几何外形的复杂目标,计算精度高,而受到广泛关注[2-5]。1994年,美国伊利诺伊大学的学者成功地将快速多极子方法推广到多层快速多极子方法(MLFMA )[6-7],使矩阵-矢量乘积的计算量和存储量进一步降低到量级。高频近似方法基于电磁场的局部性原理,即目标上某一部分的散射与其他部分无关。因此,高频近似方法仅适用于电大尺寸目标的电磁散射特性求解。典型的高频近似方法包括美国XPATCH 软件和西班牙人J.M.Rius 提出的图形电磁计算方法(GRECO )软件等。

1—第33卷第6期2011年6月现代雷达Modern Radar

Vol.33No.6June 2011

微波暗室RCS 紧缩场测量系统是利用赋形反射面将馈源产生的球面波转换为平面波,在暗室静区内测量目标散射特性的一种试验手段。美国洛克希德·马丁公司专门为F-22隐身飞机RCS 测量建立的室内全尺寸目标RCS 测量电波暗室,尺寸达到45m ?63m (长?宽),如图1所示

图1F-22RCS 测量暗室

室外场RCS 测量系统也是目标特性测量的重要手段之一,通常用于测量目标尺寸很大、微波暗室无法容纳与测量的大型目标。为了满足RCS 测量的远场条件,测量场地的长度通常都在数千米,如美国国家测试场RATSCAT 的场地长度约2.6km ,如图2所示

图2室外场收发天线

动态RCS 外场实验录取是测量目标RCS 最真实、最可信的试验方法。动态RCS 测量平台包括地基固定测量系统、舰载测量系统、机载测量系统、车载移动测量系统等,图3为美国“观察岛”号测量船

图3美国“观察岛”号测量船

2弹道导弹目标识别

弹道导弹雷达目标识别是20世纪60年代发展起

来的,其任务是从大量的诱饵、弹体碎片等构成的威胁管道中识别出真弹头,是弹道导弹防御系统中最为关键的核心问题之一,直接关系到弹道导弹防御的成败。2.1

早期的轨道特征识别

在主动段和中段早期,识别任务是从飞机、卫星等空中、空间目标中识别出弹道导弹,迅速实现正确预警。弹道导弹在大气层内飞行时,可利用弹道导弹与飞机目标之间的运动特性,如速度、高度、纵向加速度及弹道倾角等差异来识别。在大气层外飞行时主要实现导弹与卫星的区分,它们基本上都是沿椭圆轨迹飞行。利用雷达测量的位置信息,解算出弹道导弹运动方程中的6个轨道根数,实现导弹和卫星的区分。2.2

RCS 特征提取及识别

空间目标沿轨道运动时其姿态相对于雷达视线不断发生变化,从而可获得其RCS 随视角变化的数据,其中的变化规律反映了目标形体结构的物理特性。

为了突防,弹头在飞行过程中均采用姿态修正技术,而助推火箭和诱饵一般不具备姿态控制功能,这就为目标识别提供了可能。因为,在这种情况下,弹头的RCS 较小且变化幅度稳定,而其他的具有翻滚等不规则运动的目标,RCS 的变化很大。这种由调制引起的回波起伏,是识别真假目标很好的信息和依据。可提取的目标RCS 特征主要有RCS 的大小、统计特征及随时间的变化规律等。2.3

中段的微动特征提取及识别

目标微动特征反映了目标的电磁散射特性、几何结构特性和运动特性。按复杂程度的不同,弹道导弹

的微动可以分为单一微动和复合微动,单一微动主要包括径向机动、振动、转动、摆动、自旋和锥旋,复合微动主要包括进动和章动。

基于弹头微动特性识别弹头的关键是对微多普勒的精确估计和提取,一种思路是利用窄带RCS 序列估计微动周期;另一种思路是利用一维距离像序列存在周期相关的特性估计微动周期;另外,可采用时频分析方法进行微动特征提取[8]。因为弹头目标微运动对雷达回波的影响可以归为正弦调频信号,其特征提取(自旋频率、进动角、进动频率等)即可等效为正弦调频信号的参数估计。2.4成像特征提取及识别2.4.1

一维距离像

目标的一维距离像(或一维散射中心)是光学区雷达目标识别的重要特征,与目标实际外形之间有着紧密的对应关系,可以作为识别真假弹头的依据,在弹道导弹目标识别中具有十分重要的意义。

2—2011,33(6)现代雷达

弹道导弹飞行速度快,若相对于雷达的径向速度分量比较大,会使宽带一维距离像产生展宽、畸变,需要精确估计出目标运动速度,进行速度补偿,校正距离像畸变。目标的进动、章动、翻滚等微运动也会造成各散射中心位置在雷达视线上的投影发生变化,导致目标一维距离像序列按一定规律变化。从一维距离像可以提取目标尺寸特征、微动特征、形状特征等进行目标识别。

在有关雷达目标反射特性的众多物理概念之中,散射中心是最重要的概念之一。在对高频目标的RCS 研究中,把目标的总散射电磁场看成是目标局部位置上的子散射场的合成,把产生子散射场的子散射源称为散射中心。利用宽带信号技术来获得目标散射中心在径向距离上的高分辨率,可以分辨目标散射中心。这些子散射源包括目标的镜面反射点、表面不连续处(边缘)、尖顶、凹腔体及蠕动波效应等。显而易见,一个目标的散射中心的大小与多寡关系着目标的尺寸、形状和表面材料成分等特征。因此,分辨清楚目标散射中心,也就意味着在一定程度上实现了目标识别。2.4.2二维ISAR成像

反导雷达中的ISAR成像有别于一般的目标成像,导弹、诱饵及碎片等组成的目标群具有运动速度高、自身运动形式复杂(常伴有自旋、进动等自身运动,以及机动等)、多目标等特点,给二维成像处理造成困难,在成像过程中需综合考虑这些运动特点,才能得到较为满意的图像,从而进行分类识别处理。

应用基于逆-Radon变换的成像算法对高速旋转散射点估计,最终同时得到微动目标刚体以及旋转部件的聚焦良好的ISAR图像[9]。

对于二维ISAR像,其分辨率越高,从图像中获取的关于目标的信息就越丰富,后续的目标检测和识别性能就越好。改善图像分辨率的手段主要有2种:一是提高系统带宽和成像积累角,但是该方法周期长、成本高,且受技术水平的限制;二是采用带宽外推技术,以当前测量数据作为初始值,对距离和方位向空间谱带宽进行外推,得到较大带宽的空间谱估计值。数据外推后可以直接采用FFT进行二维成像以满足成像实时性的要求。美国的林肯实验室从20世纪70年代就开始了增强宽带图像分辨率的研究,提出了带宽外推处理技术,通过多个不同波段的稀疏子带外推合成超宽带雷达图像[10]。

2.5极化特征提取及识别

极化特性是雷达目标电磁散射的基本属性之一,为雷达系统削弱恶劣电磁环境影响、对抗有源干扰、目标分类与识别等方面提供了颇具潜力的技术途径。极化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。有许多种利用极化信息进行雷达目标识别的方法,主要分为[11]:

(1)根据极化散射矩阵识别目标;

(2)利用目标形状的极化重构识别目标;

(3)利用瞬态极化响应识别目标;

(4)与成像技术相结合的目标识别。

2.6弹道导弹再入特征提取及识别

由于大气过滤作用,只有导弹弹头和重诱饵进入再入段,重诱饵和弹头表现出不同的质阻比。质阻比主要取决于其质量与迎风面积的比值,一定程度上可认为是质量的面分布量纲。因此,再入段导弹防御系统目标识别的关键问题是在较高的高度上快速准确地估计出再入目标的质阻比。

再入目标质阻比估计主要有2种方法:一是利用公式法,直接利用雷达测量信息和多项式拟合等方法,根据再入运动方程计算质阻比[12];另一种方法为滤波法,是基于再入运动方程将质阻比作为状态矢量的一个元素,利用非线性滤波方法实时估计质阻比[13]。

3空中目标识别技术

在防空警戒领域,由于来袭飞机常进行编队飞行,甚至伪装成大型民航机等,因此对来袭飞行器进行识别的需求日益紧迫,要求在最短的时间内判断来袭目标的种类(作战飞机、侦察机、预警机、民航机等)、数量(架次)、真假目标、威胁程度等,以制定应对策略。由于目标的宽带和窄带信息有很强的互补性,若能够同时利用雷达的宽带和窄带的多特征信息对目标识别是大有好处的。

3.1窄带信号目标识别

3.1.1基于目标运动特征的识别

不同类型的飞机表现出不同的运动特征(如运动轨迹、飞行高度、巡航速度、加速性能、爬升速率等)。利用目标的特征数据,实现目标类型的“粗”判别。

战斗机、螺旋桨飞机和直升机3类飞机在运动特

3

·专家论坛·马林:雷达目标识别技术综述2011,33(6)

征(速度、高度、加速度)上有很大的差异性,可以采用目标的速度、高度、加速度联合组成特征向量[v h a]T 来区分战斗机、螺旋桨飞机和直升机。

3.1.2目标运动调制特征

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。文献[14]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。

旋转部件的JEM特征与飞机姿态和雷达工作状态无关,是较为稳定的识别特征。旋转部件可利用的特征参数包括旋转频率、桨数、调制频率、桨长、桨尖线速度、多普勒频率等。

3.2宽带信号目标识别

3.2.1基于一维高分辨距离像(HRRP)的目标识别(1)距离像预处理与特征变换方法

距离像作为识别特征存在幅度敏感性、方位敏感性和平移敏感性,在识别过程中需要加以考虑。幅度敏感性可以通过对幅度做归一化进行处理。为获得稳定的距离像特征,可通过对距离像进行非相干或相干平均的方法在一定程度上降低距离像的方位敏感性。文献[15]提出了以距离像为特征,用滑动相关匹配的方法进行目标识别,使得识别结果免受平移影响。文献[16]采用对时延进行参数估计的方法以完成距离对准。滑动相关的方法需要对平移进行一维搜索,运算量较大;时延估计法也依赖于参数估计的精确性。因此,如何从距离像中提取出平移不变特征在距离像目标识别中显得非常重要。

除了常见的傅立叶变换、双谱变换等方法之外,多种变换方法被用于对距离像进行降维,获取类内聚集性好、类间可分性强的特征。

(2)一维散射中心提取

采用超分辨方法代替DFT,得到的超分辨一维距离像,其方位敏感性会有所降低。Chirp-z变换、AR模型外推法和高清晰度矢量成像(HDVI)方法都被用于获取超分辨距离像,以提高识别率。更进一步,若能提取出目标上的强散射中心,得到一维散射中心分布,则不仅可以降低其方位敏感性,而且可以在一定程度上克服目标平移的影响。同时,一维散射中心比一维距离像的维数大大降低,可加快识别运算过程,因而一维散射中心的提取方法及目标识别研究得到了发展。目标的频域响应可以表示成衰减的指数和信号模型,相应的超分辨方法包括Prony、fast root-MUSIC、TLS-Pro-ny、GEESE和矩阵束(MP)等方法以及RELAX算法。文献[17]提出了基于GTD/UTD理论的DSC(Disper-sive Scattering Center)模型的散射中心提取方法。3.2.2对空中目标的ISAR成像与特征提取

对空中目标的ISAR成像通常可采用较为成熟的包络对齐和相位补偿算法进行距离-多普勒成像。战斗机由于存在机动,因此采用传统的距离-多普勒算法进行成像,有时图像比较模糊,此时,可以采用距离-瞬时多普勒方法进行成像处理,通常能得到比较好的ISAR图像。

二维ISAR像直接作为目标识别特征除了维数过高之外,还存在平移、旋转和尺度变化等问题,因此可以对二维ISAR图像进行特征提取(如矩特征、面积特征等),以区分不同目标[18]。

3.3宽窄带综合目标识别

由于宽带作用距离较窄带小,以及雷达资源的限制,在实际应用中,需要进行宽窄带综合识别。例如,可利用目标的速度、RCS、多普勒特性、低分辨起伏特征等,对目标进行粗分类,然后再利用宽带进行精细识别。但是宽窄带综合识别分类策略和流程的建立,需要根据不同的应用环境和识别对象进行设计。

4海上目标识别技术

舰船识别涉及到区分舰船目标和非舰船目标,军舰目标和民船目标,以及不同类型的军舰目标(巡洋舰、导弹快艇)等任务层次,在现代战争日益注重制海权的背景形势下具有重大的战略意义。

国外在对海雷达方面更加强调成像及目标识别等能力。美国的Sea Vue雷达以ATR-42、U-125等为载机平台,具有对海面目标辅助分类功能;英国SELEX 公司研制的Seaspray5000E雷达以Sea Lynx、Sea King 为载机平台,具有对海面目标辅助分类功能;法国Thales公司研制的Ocean Master雷达以Falcon50,NBO-105等为载机平台,具有辅助分类功能。以色列IAI公司研制的EL/M-2022雷达具有海面目标分类等功能。图4为美国Sea Vue及法国Ocean Master雷达对油轮的成像及分类画面。

国外在海上舰船类型分类识别理论研究方面,美国在20世纪70年代提出的一种基于舰载雷达的自动目标识别专利,该专利方法通过提取雷达目标B显轮廓像的长度、宽度等轮廓特征实现了对海面目标的分类识别。Askari提出利用舰船长宽比作为区分舰船类型的指标,澳大利亚CEA公司在20世纪90年代初利用港口监视雷达进行的基于目标P显轮廓像舰船目

4

2011,33(6)现代雷达

标识别研究

图4Sea Vue 及Ocean Master 雷达对油轮的成像及分类

利用神经网络进行海上目标识别是主流方向之一,该类方法首先通过对方位不明感的梅林变换或其改进变换来提取特征,然后将提取的特征作为神经网络的输入进行分类识别,常用的神经网络包括前后向网络、监督学习网络、模糊最小最大神经网络等。例如,Inggs 等通过对实测数据验证,模糊最小最大神经网络算法分类精度在93![19]。

文献[20]利用了ISAR 二维像进行了目标属性判断,主要思路是从雷达图像提取多个特征与对应角度的模型库的图像特征模板匹配,一系列实测数据图像的应用结果验证了该方法的有效性。而更多的舰船类型识别研究则是基于模拟SAR 图像开展的。

国内在舰船目标识别方面也进行了相当的研究,文献[21]提出了基于非相参雷达回波的舰船自动识别新方法,利用设计的识别系统对8类船识别率超过90!,基于中分辨雷达回波序列的舰船目标识别的方法,该方法抽取回波序列轮廓像的统计特征、矩特征等11维识别特征,选择ART 神经网络为分类器进行分类识别,得到了平均91!的正确识别率;文献[22]通过对雷达扫描目标过程中的电磁散射及回波序列轮廓像形成原理的研究,提取了能够反映目标特性的稳态特征,并利用C -均值聚类方法实现了对目标的粗分类。实测数据实验表明,该方法可以实现对目标的快速、准确分类,提高了雷达对关注区域的实时监控能力,具有广阔的应用前景。

5地面目标识别技术

地面目标识别技术在军事上具有重要的意义,地

面目标识别可以用于威胁判断、军事设施判断、获得战场上详细的态势情况,以供快速响应和决策。

对于地面目标分类和识别,一方面可以利用运动目标的多普勒和微多普勒特征;另一方面可利用目标SAR 图像,进行特征提取,实现目标分类和识别。

早期运动目标分类主要利用目标的多普勒信息,英国军队使用的AMSTAR 战场监视雷达[23],采用线

性判别分析发掘目标的多普勒特征,对陆地上的人员、

轮式车辆和履带式车辆进行自动目标分类,平均正确率优于90!,最差情况下优于80!。

随着微多普勒概念的出现,由于微动特征可以较好地反映目标的几何结构和运动特征,微多普勒被引入到目标识别中,例如可利用车辆发动机运转引起表面震动产生的微多普勒信息分析振动诊断引擎状态;车轮转动产生的微多普勒信息,对车辆进行分类识

别[24],如图5所示。图6为法国宇航局(ONERA )利用超宽带雷达对运转的汽车进行成像的结果,微多普勒是由雷达观测一侧的两个车轮运行引入的,从微多普勒可以估计出车速和车轮半径。同样可以利用微多普勒信息对行人进行识别,图7为X 波段雷达观测步行时人的微多普勒谱,可以估计出人胳膊摆动的频率。文献[25]利用微多普勒特征,基于模板库对轮式车,履带式车和行人进行了识别。

图5汽车光学图像和雷达图像

图6汽车光学图像和雷达图像

在利用SAR 图像进行目标识别方面,各国都开展了大量工作,尤其是美国,早在20世纪七八十年代就启动了SAR ATR 方面的研究,并一直处于领先地位。最著名的是美国国防部高级研究计划局(DARPA )和空间研究实验室(ARFL )于20世纪90年代中后期联合推出MSTAR 计划。MSTAR 计划的研究目标是利用

5—·专家论坛·马林:雷达目标识别技术综述2011,33(6)

基于模型的视觉技术研制下一代SARATR 系统,使ATR 系统对现实环境的不确定性具有一定的鲁棒性。DARPA 公开发布了大量距离和方位分辨率均为0.3m 的SAR 图像数据,向研究机构提供真实的包含军用目标的高分辨率SAR 图像,从而推动SAR ATR 的发展,MSTAR 代表了中低分辨率的SAR 图像,容易受到相干斑噪声的污染,采用图像特征增强技术等SAR 图像处理技术可以提高目标特征提取和分类识别效果,如图8所示

图7

人步行时的微多普勒特征

图8MSTAR 数据成像结果(左)特征增强后(右)

高分辨率SAR 图像有利于地面目标设施的识别,在高分辨SAR 方面,

比较有代表的是德国FGAN 研究所的PAMIR [26]系统,可获得优于0.1m 分辨率的SAR 图像,如图9所示

图9PAMIR 高分辨率SAR 成像结果

6目标识别的发展方向

在过去的几十年间,雷达目标识别在自己的发展

过程中,针对不同的目标,积累了一大批卓有意义的理论与技术成果。但是离实际应用的要求,在目标特性、识别方法、模板库的建立等方面,还存在较大的差距。

1)在目标特性研究上,要更精确、更全面地反映目标的散射特性。主要解决:

(1)提高电磁仿真的精度:能够定量地反映目标的真实散射特性,特别是目标的宽带特性,是急需解决的问题;

(2)提高电磁仿真速度:在满足仿真精度要求的条件下,提高仿真速度;

(3)扩大仿真目标范围:能够对进气道、旋翼、天线等细微部分进行仿真,并可以仿真不同介质,特别是各种涂覆材料下的散射特性。

2)在识别方法上,主要解决:

(1)特征提取:在目标特性研究的基础上,针对不同目标的特点,提取目标特征。提高特征提取的稳健性、有效性,满足不同应用环境,特别是复杂环境下的识别需要;

(2)多特征融合:在进一步挖掘目标精细特征的基础上,通过多特征的融合识别,提高识别的效率。

3)在模板库建立上,由于识别的目标模板库是和识别算法密切相关,需要根据不同的识别算法建立不同的模板库。模板库建立的是否合理、高效,直接关系到各种识别处理算法的效果,并且算法的改进也会对模板库提出新的要求。因此,模板库的建立应当面向用户,研究如何自动建立模板库,如何通过自学习建模,如何自动添加和完善模板库,以方便用户使用。

7结束语

由于雷达目标识别是一集传感器、目标、环境和信

号处理技术为一体的复杂系统工程,决定了目标识别研究的复杂性。不同的识别目标对目标识别也有不同的要求。因此,

需要在目标特性研究的基础上,有针对性地开展识别研究。同时,加强数据库建设,注重实测数据对算法的验证,加大目标识别的理论研究,解决工程应用关键技术,为目标识别的装备化创造条件。

参考文献

[1]Chew W C ,Jin J M ,Michielssen E ,et al.Fast and effi-cient algorithms in computational electromagnetics [M ].

Boston :Artech House ,2001.[2]Yee K S.Numerical solution of initial boundary value prob-lems involving maxwell's equations in isotropic media [J ].

IEEE Transactions on Antennas and Propagation ,1966,14(3):302-307.[3]Roger F.Harrington field computation by moment methods

6—2011,33(6)现代雷达

[M].New York:MacMillam,1968.

[4]Silverster P P,Ferrari R L.Finite elements for electrical en-gineers[M].2nd ed.Cambridge:Cambridge University

Press,1990.

[5]Jin J M.The finite element method in electromagnetics [M].New York:John Wiley&Sons,1993.

[6]Lu C C,Chew W C.A multilevel algorithm for solving boundary-value scattering[J].Microwave and Optical

Technology Letters,1994,l7(10):466-470.

[7]Song J M,Chew W C.Multilevel fast-multipole algorithm for solving combined field integral equations of electromagnetic

scattering[J].Microwave and Optical Technology Letters,

1995,10(1):14-19.

[8]陈行勇,陈海坚,王祎,等.弹道导弹目标回波信号建模与雷达特征分析[J].现代雷达,2010,32(3):27-31.

Chen Hangyong,Chen Haijian,Wang Yi,et al.Analysis of

echo model and radar signature for a ballistic missile target

[J].Modern Radar,2010,32(3):27-31.

[9]白雪茹,周峰,邢盂道,等.空中微动旋转目标的二维ISAR成像算法[J].电子学报,2009,37(9):1937-1943.

Bai Xueru,Zhou Feng,Xing Mengdao,et al.2D ISAR im-

aging algorithm for air micro-motion targets[J].Acta Elec-

tronica Sinica,2009,37(9):1937-1943.

[10]Cuomo K M,Piou J E,Mayhan J T.Ultrawide-band co-herent processing[J].IEEE Transactions on Antennas and

Propagation,1999,47(6):1094-1107.

[11]梁百川.MD-GBR雷达对弹道导弹目标识别[J].航天电子对抗,2008,24(6):5-7,11.

Liang Baichuan.Ballistic missile target discrimination of

ground(sea)-based radar[J].Aerospace Electronic War-

fare,2008,24(6):5-7,11.

[12]金文彬,刘永祥,黎湘,等.再入目标质阻比估计算法研究[J].国防科技大学学报,2004,26(5):46-51.

Jin Wenbin,Liu Yongxiang,Li Xiang,et al.Research on es-

timation of mass-to-drag ratio of reentry objects[J].Journal of

National of Defense Technology,2004,26(5):46-51.[13]Cardillo G P,Mrstik A V,Plambeck T.A track filter for rentry object with uncertain drag[J].IEEE Transactions on Aero-

space and Electronic Systerms,1999,35(2):394-408.[14]Bell M R,Grubbs R A.JEM modeling and measurement for radar target identification[J].IEEE Transactions on

Aerospace and Electronic Systems,1993,29(1):73-87.[15]Li H J,Yang S H.Using range profiles as feature vectors to identify aerospace objects[J].IEEE Transactions on

Antennas and Propagation,1993,41(3):261-268.[16]高倩,刘家学,吴仁彪.一种基于高分辨率距离像自动目标识别新方法[J].中国民航学院学报,2002,2

(1):1-4.

Gao Qian,Liu Jiaxue,Wu Renbiao.Novel methed for au-

tomatic target recognition based on high resolution range

profiles[J].Journal of Civil Aviation University of China,

2002,20(1):1-4.

[17]Fuller D F,Terzuoli A J,Collins P J,et al.1-D feature extraction using a dispersive scattering center parametric

model[C]//IEEE Antennas and Propagation Society Inter-

national Symposium.Atlanta,GA:IEEE Press,1998.[18]张兴敢.逆合成孔径雷达成像及目标识别[D].南京:南京航空航天大学,2001.

Zhang Xinggan.ISAR imaging and targets recognition[D].

Naning:Nanjing University of Aeronautics and Astronau-

tics,2001.

[19]Inggs M R,Robinson A R.Neural approaches to ship tar-get recognition[C]//IEEE International Radar Confer-

ence.Alexandria:IEEE Press,1995.

[20]Pastina D,Spina C.Multi-feature based automatic recogni-tion of ship targets in ISAR[C]//IEEE Radar Conference.

Rome:IEEE Press,2008.

[21]Guo G R,Zhang W,Yi W X.An intelligence recognition method of ship targets[C]//Proceedings of the IEEE1989

Natinal Aerospace and Electronics.Dayton,OH:IEEE

Press,1989.

[22]林青松,胡卫东,虞华,等.低分辨雷达回波序列轮廓像目标分类方法研究[J].现代雷达,2005,27(3):24-28.

Lin Qingsong,Hu Weidong,Yu Hua,et al.A study of

target classification method based on low-resolution radar

return sequences image profil[J].Modern Radar,2005,27

(3):24-28.

[23]Stove A G.A doppler-based target classifier using linear discriminants[C]//Proceedings of the Intemational Radar

Conference.[S.l.]:IEEE Press,2003.

[24]Ghaleb A,Vignaud J M,Nicolas.Micro-doppler analysis of wheels and pedestrians in ISAR imaging[J].IET Signal

Process,2008,2(3):301-311.

[25]Smith G E,Woodbridge K,Baker C J.Template based mi-cro-doppler signature classification[C]//2006European

radar conference.Manchester:IEEE Press,2006.

[26]Cetin M,Karl W C.Feature-enhanced synthetic aperture radar image formation based on nonquadratic regularization

[J].IEEE Transactions on Image Processing.2001,10

(4):

檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪

623-631.

专家介绍

马林男,1965年生,研究员级高级工程师。1990年4月毕业于南京电子工程研究中心通信与电子系统专业,硕士。现任中国电子科技集团公司第十四研究所副所长。曾任该所地面雷达总体研究部室副主任、主任,研究部副主任、主任,所副总工程师等职务。荣获国防科学技术一等奖、国防科学技术二等奖、国防科学技术三等奖多次,获江苏省有突出贡献中青年专家、载人航天工程一等功荣誉证书、"神舟"六号载人航天飞行任务先进个人等多项荣誉,为我国大型测量雷达技术的研究与应用作出了突出贡献,具有很深的理论造诣和丰富的实践经验。近年来在国际雷达会议、全国雷达学术年会及多种学术期刊上发表专业论文数十篇。

7

·专家论坛·马林:雷达目标识别技术综述2011,33(6)

相关文档