雷達(dá)高分辨距離像特征提取與識(shí)別方法研究.pdf

1、雷達(dá)高分辨距離像(HRRP)是日標(biāo)散射點(diǎn)子回波沿雷達(dá)視線(LOS)方向的投影向量和。HRRP易于獲取、存儲(chǔ)和處理，同時(shí)提供了目標(biāo)尺寸、散射點(diǎn)分布等重要的結(jié)構(gòu)特征，如今已成為雷達(dá)自動(dòng)目標(biāo)識(shí)別(RATR)領(lǐng)域的研究重點(diǎn)之一。本論文依托國(guó)防預(yù)研項(xiàng)目以及國(guó)家自然科學(xué)基金等項(xiàng)日，從特征提取和目標(biāo)識(shí)別的角度研究了雷達(dá)HRRP自動(dòng)目標(biāo)識(shí)別的相關(guān)理論和技術(shù)問(wèn)題。
　　論文概括如下:
　　1.介紹雷達(dá)HRRP的基本概念，討論雷達(dá)日標(biāo)識(shí)別的應(yīng)用

2、背景以及近年來(lái)的研究狀況，并概述本文的主要工作。
　　2.傳統(tǒng)降維子空間方法的數(shù)據(jù)描述能力有限，為此提出一種基于超完備字典學(xué)習(xí)的雷達(dá)HRRP目標(biāo)識(shí)別算法。依據(jù)對(duì)測(cè)試樣本的信噪比估計(jì)，自適應(yīng)地確定測(cè)試階段稀疏分解的稀疏度系數(shù)。相比于傳統(tǒng)識(shí)別算法，該算法對(duì)目標(biāo)的識(shí)別性能更好，且對(duì)噪聲的魯棒性更強(qiáng)。另外，算法在只訓(xùn)練部分角域數(shù)據(jù)（不完備訓(xùn)練集）的條件下較好地識(shí)別全角域數(shù)據(jù)，可實(shí)現(xiàn)數(shù)據(jù)庫(kù)擴(kuò)展?；趯?shí)測(cè)雷達(dá)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。

3、
　　3.基于字典學(xué)習(xí)的信號(hào)稀疏表示被廣泛應(yīng)用于信號(hào)處理領(lǐng)域，但由于字典原子間存在冗余性，求解信號(hào)的稀疏表示會(huì)受到觀測(cè)信號(hào)中擾動(dòng)分量的影響，從而帶來(lái)表示的不確定性，不利于HRRP目標(biāo)識(shí)別任務(wù)。針對(duì)這一問(wèn)題的主要工作有以下兩點(diǎn)。(1)提出了一種基于信號(hào)丟失的穩(wěn)健字典學(xué)習(xí)(Drop-SDL)算法，通過(guò)邊緣化信號(hào)丟失，構(gòu)建穩(wěn)健損失函數(shù)用于學(xué)習(xí)自適應(yīng)字典。該算法利用距離像在散射點(diǎn)不發(fā)生越距離單元走動(dòng)(MTRC)的方位幀內(nèi)具有結(jié)構(gòu)相似性，約

4、束鄰近訓(xùn)練樣本間稀疏表示的非零元素位置相同，并通過(guò)結(jié)構(gòu)化稀疏約束選擇最優(yōu)子字典用于測(cè)試樣本的分類。(2)結(jié)合雷達(dá)HRRP目標(biāo)特性，給出了HRRP存在幅度擾動(dòng)時(shí)稀疏表示的穩(wěn)健性條件?？紤]到固定字典情況下稀疏分解的穩(wěn)健條件是過(guò)分嚴(yán)苛且受限的，利用松弛后條件提出一種穩(wěn)健字典學(xué)習(xí)(SDL)算法。構(gòu)建的穩(wěn)健日標(biāo)函數(shù)在約束鄰近HRRP樣本稀疏表示的非零元素位置相同的同時(shí)，限制其稀疏系數(shù)的方差變化要小。訓(xùn)練階段生成的結(jié)構(gòu)化稀疏約束被用于最優(yōu)子字典選擇

5、，實(shí)現(xiàn)對(duì)測(cè)試樣本的穩(wěn)健稀疏表示。最后基于實(shí)測(cè)HRRP數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
　　4.傳統(tǒng)字典學(xué)習(xí)算法僅刻畫(huà)了觀測(cè)樣本與稀疏表示間的線性關(guān)系。然而實(shí)際應(yīng)用中，信號(hào)本身通常存在復(fù)雜的非線性關(guān)系，簡(jiǎn)單地采用線性字典框架無(wú)法保證算法性能。針對(duì)這一問(wèn)題，主要對(duì)非線性字典學(xué)習(xí)算法展開(kāi)研究:(1)提出一種基于聯(lián)合非負(fù)稀疏約束的字典學(xué)習(xí)算法，在約束稀疏度為1時(shí)得到自適應(yīng)聚類算法，避免了K均值聚類需要人為指定類簇?cái)?shù)先驗(yàn)和對(duì)初始值敏感的兩

6、個(gè)缺陷。并利用核技巧將算法推廣為基于核字典學(xué)習(xí)的自適應(yīng)聚類算法。(2)提出一種基于聯(lián)合非負(fù)稀疏約束的核字典學(xué)習(xí)算法，利用該算法實(shí)現(xiàn)核基向量抽取，在剔除訓(xùn)練集中冗余樣本和奇異樣本的同時(shí)，獲取少數(shù)具有較好數(shù)據(jù)描述能力的原始數(shù)據(jù)作為核基向量。獲得自適應(yīng)核基矩陣后，利用K-PCA算法提取樣本的特征向量?；赨CI公共數(shù)據(jù)集以及實(shí)測(cè)雷達(dá)HRRP數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提算法的有效性。
　　5.特征提取是HRRP目標(biāo)識(shí)別的核心技術(shù)。傳統(tǒng)特征提

7、取算法多采用淺層的模型結(jié)構(gòu)，容易忽視樣本的內(nèi)在結(jié)構(gòu)，不利于學(xué)習(xí)有效的分類特征。針對(duì)這一問(wèn)題，利用多層非線性網(wǎng)絡(luò)實(shí)現(xiàn)特征學(xué)習(xí)，主要工作包含兩部分:(1)構(gòu)建基于聯(lián)合穩(wěn)健深層網(wǎng)絡(luò)的雷達(dá)HRRP目標(biāo)特征提取算法。利用平均像在散射點(diǎn)不發(fā)生越距離單元走動(dòng)的方位幀內(nèi)具有穩(wěn)健物理特性的性質(zhì)，提出了堆棧聯(lián)合穩(wěn)健自編碼器(SRAEs)。該網(wǎng)絡(luò)由一系列聯(lián)合穩(wěn)健自編碼器(RAE)堆棧化實(shí)現(xiàn)，在匹配原始HRRP樣本的同時(shí)，約束同幀樣本趨近于平均像，并將網(wǎng)絡(luò)的最

8、終輸出作為分類器的特征輸入?；趯?shí)測(cè)HRRP數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提算法的有效性。(2)為了從大量無(wú)標(biāo)號(hào)數(shù)據(jù)中獲取穩(wěn)健結(jié)構(gòu)和高階相關(guān)性，提出一種堆棧校正自編碼器(SCAEs)算法。該算法是傳統(tǒng)堆棧降噪自編碼器(SDAEs)的一種推廣，由一系列預(yù)學(xué)習(xí)的校正自編碼器(CAE)堆?；瘜?shí)現(xiàn)。算法利用幀協(xié)方差矩陣構(gòu)建基于馬氏距離準(zhǔn)則的目標(biāo)函數(shù)。每幀HRRP中的平均像被作為校正項(xiàng)引入CAE，以消除方位敏感性、幅度擾動(dòng)和奇異樣本對(duì)特征穩(wěn)健性的影響。該