基于半參數化SLC的雷達目標識別

崔姍姍 周建江 朱劼昊

(南京航空航天大學電子信息工程學院 南京 210016)

1 引言

高分辨距離像(High-Resolution Range Profile,HRRP)是寬帶雷達信號獲取的目標散射點子回波在雷達視線方向上投影的矢量和，它能反映目標的尺寸、強散射點位置、精細結構和材料質地等信息。HRRP相對于2維成像，不僅易于獲得與處理，同時還避免了復雜的運動補償運算，對目標識別具有重要意義[1－5]。

HRRP具有目標姿態敏感性，在一定的目標劃分角域范圍內，其回波幅值分布通常具有一定的統計特性[3－7]。HRRP幀內回波幅值統計模型主要分為兩種，一種認為HRRP各距離分辨單元回波幅值分布具有近似獨立性[8,9]，另一種則進一步考慮了HRRP各距離分辨單元回波幅值的相關統計特性[10,11]。由于HRRP各距離分辨單元回波幅值特征之間具有弱相關性，本文主要考慮第1種統計模型，即假設HRRP各距離分辨單元回波幅值分布近似獨立。

文獻[9]基于第1種統計模型，提出一種非參數化方法-基于累計量的隨機學習算法(Stochastic Learning of the Cumulative,SLC)[12]來估計概率密度函數。在樣本量充足時，該方法不僅可以準確地估計概率密度函數，而且不存在“窗寬”調節問題。然而，當訓練樣本量不足時，基于SLC的非參數化方法不能準確地進行概率密度估計，最終導致目標平均識別率下降。

文獻[13]提出一種基于半參數化概率密度估計的雷達目標識別方法，通過有效利用雷達目標HRRP各距離分辨單元回波幅值分布的經驗知識，并結合非參數化概率密度估計的優點來估計雷達目標HRRP各距離分辨單元回波幅值的概率密度，達到參數化方法和非參數化方法優缺互補的目的，提高雷達目標HRRP的識別率。……