復數域HRRP圖像識別綜合仿真平臺設計?

趙 晅 泮益恒

（1.海軍工程大學 武漢 430022）（2.92916部隊 三亞 572000）

1 引言

復數域高分辨率一維距離像（Complex High Resolution Range Profiles，C-HRRP）識別在一定程度上優于實數域高分辨率一維距離像（High Resolution Range Profiles，HRRP）圖像識別，且近幾年來國內外逐漸展開了在全極化領域的HRRP圖像的研究，并逐漸成為研究的熱點［1～2］。為了方便在復數域HRRP圖像研究方面進行后續研究工作，本文基于Matlab appdesigner設計完成了一套綜合軟件仿真平臺CP-HRRPro（Complex Polarimetric High Resolution Range Profiles data Processor），該軟件仿真平臺主要包括以下四個子模塊：單極化復數域HRRP仿真模塊、全極化復數域HRRP混合數據仿真模塊、單目標分類識別模塊和識別性能評估模塊。本文首先從需求的角度分析了該軟件系統的總體功能以及各個模塊的功能，給出了軟件設計思路，最后針對軟件各項功能進行實現并得到測試結果。

2 基于PPCA統計識別流程

在雷達自動目標識別的研究中，模型的構建大多都是基于高斯分布的，概率主成分分析（Probabilistic Principal Component Analysis，PPCA）模型就是其中的一種［3～4］。給定的實數樣本 y可以根據PPCA模型表示為如下形式［5］：

其中，矩陣 A為d×q(q ＜d )維加載矩陣，向量μ為d×1維的均值向量，q×1維的向量z是對應的隱變量，并且 z滿足 z～G(z|0，Iq)，G(z|0，Iq)表示z服從均值為0，協方差矩陣為q×q維的單位陣Iq的高斯分布，ε是 d×1維的噪聲向量，且ε～G(ε|0，σ2Id)［6］。通過采用期望最大化（Expectation Maximization，EM）算法可以得到參數估計值［7］，并將參數估計放入模板庫中用于目標識別。具體識別流程如圖1所示［8］。

圖1 基于PPCA統計識別流程圖

根據圖1所示的流程圖可以看出，HRRP樣本的獲取是進行目標識別的基礎，在貝葉斯分類器下的判決輸出的結果決定了目標的識別率。為了方便快速地得到目標識別結果，并且將研究領域擴展到全極化復數域，本文設計了一套綜合仿真軟件CP-HRRPro。根據識別流程，對該軟件做出如下幾個功能定位：1）能夠實現對單極化復數域HRRP的數據仿真；2）能夠實現全極化復數域HRRP數據仿真；3）能夠進行單目標的分類識別；4）能夠得出識別性能評估結果。基于上述的軟件功能定位，結合 Matlab appdesigner軟件設計方法［9］，將軟 件CP-HRRPro的總體功能設計框圖總結如圖2所示。

下面主要對CP-HRRPro軟件的各個具體的子功能模塊的任務需求進行分析并完成對程序具體結構的設計。

3 軟件平臺設計

3.1 單極化復數域HRRP仿真模塊

單極化復數域HRRP仿真模塊是進行復數域單極化復雜目標HRRP分類實驗研究的基礎，該模塊分為四個部分功能：GTD典型目標一維空間分布仿真、GTD典型目標二維空間分布仿真、GTD典型目標三維空間分布仿真、目標運動影響分析仿真。圖3為單極化復數域HRRP仿真模塊結構框架，仿真時首先需要通過設置各仿真條件下的仿真次數、發射信號和、特征結構以及GTD特征，然后調用GTD散射特性描述的關鍵參數，在進行多組數據仿真時，還需引入噪聲信號發生器產生多組獨立噪聲信號，通過與HRRP仿真結果進行疊加得到最終結果輸出。最后通過數據保存與傳遞功能進行數據的輸出以及軟件內部的數據傳遞。此外，本模塊還可以進行對目標運動對HRRP成像的影響進行分析。

圖2 CP-HRRPro軟件功能框圖

3.2 全極化復數域HRRP混合數據仿真模塊

全極化復數域HRRP混合數據仿真是本文數據仿真的另外一個重要組成部分，為了使仿真更貼近真實情況，參考典型的全極化實數域HRRP仿真方法，采用CST軟件［10］導入外部目標模型，通過信號激勵獲取目標的原始全極化散射回波后進行匹配濾波的方式，得到全極化復數域HRRP仿真圖像［11］。此外，為了進行蒙特卡洛實驗，還支持通過信號噪聲發生器與全極化復數域HRRP圖像進行疊加，仿真的結果輸出通過軟件的數據保存與傳遞功能進行操作。

圖4 全極化復數域HRRP數據仿真模塊結構框架

3.3 單目標分類識別模塊

單目標分類識別是驗證識別算法有效性的有效工具之一［12］，進行單目標分類識別時，程序處理按照如圖5所示的單目標分類識別模塊結構框架進行執行。首先進行錄入數據，在錄入數據時可以分別通過實部虛部法和幅度相位法錄入，然后用戶可以選擇單極化或全極化識別算法，然后進行識別匹配，最后得到結果輸出以驗證算法對單次目標識別分類的有效性。其間還可以通過多視處理的操作驗證視數對單次目標識別的影響。

3.4 識別性能評估模塊

識別性能評估模塊是本軟件仿真平臺的核心模塊，程序執行時按照圖6所示的識別性能評估模塊結構框架圖進行。切換到該面板時，用戶首先需要進行數據的錄入，然后從實數域、復數域以及單極化和全極化對識別算法進行選擇，并且可選擇是否進行多視處理。針對每一種算法類，實數、復數和多視都可以進行獨立選擇。完成對算法的選擇后，將進行識別匹配，通過蒙特卡洛實驗多次統計識別率，即可獲取所需的檢測性能曲線輸出。需要注意的是，一次評估結果只能處理單個角度目標，若需處理多角度目標，則需要進行多次數據錄入，通過模塊內嵌的數據保存與傳遞功能，可以將每個角度所得到的檢測性曲線進行保存，并將用戶多次重復實驗的結果進行綜合處理得到各角度條件下對目標識別的檢測性能輸出。

圖6 識別性能評估模塊結構框架

4 軟件平臺實現與測試結果

復數域HRRP目標識別綜合仿真平臺的最上方為主菜單欄選項，其下一層為二級菜單欄。選擇菜單欄的單極化復數域HRRP仿真，即可進入該仿真模塊窗口，該模塊可以完成一維到三維空間設置所得目標的HRRP仿真圖像并能完成運動目標對HRRP影響分析。圖7（a）所展示的為二維空間設置目標所得到的HRRP幅度函數與相位函數圖。右下角的四個操作按鈕可以方便地將獲取的HRRP仿真圖像進行后續處理，其中包括數據存儲、分類識別以及性能評估。

圖7（b）所示為全極化復數域HRRP仿真窗口，該界面的下方是數據錄入模塊，可選擇兩種數據錄入方式，分別為實部、虛部錄入和幅度、相位錄入方式。此外，該窗口可以同時對三類目標進行數據仿真，并通過面板上方的極化選擇可分別得到HH極化、HV極化、VH極化、VV極化的HRRP仿真圖像。圖7（b）所展示的為第一種數據錄入方式下的HH極化HRRP三種目標的HRRP幅度圖像與相位圖像仿真結果。

圖7（c）所示為單目標分類識別窗口，該功能窗口下方為數據的錄入以及參數的設置，面板左上方為HRRP仿真圖像的顯示以及判別，右上方則為識別結果的輸出。首先將HRRP數據進行錄入，可分別得到已知目標和待測目標的HRRP幅度仿真圖，然后將待測目標HRRP圖像與三類已知目標仿真所得到HRRP進行相似度比對，并輸出所得到的識別結果，即目標艦船類型。

圖7 軟件綜合仿真平臺CP-HRRPro各功能窗口

識別性能評估模塊是本軟件的核心模塊，其界面如圖7（d）所示。性能評估窗口可完成三類目標在全極化和單極化的識別率曲線圖。該界面右上方為三組目標的數據錄入，其錄入的兩種形式與之前所介紹的數據錄入形式一致。界面的右下方為識別算法的選取，其中包括極化類型的選擇和算法類型的選擇，界面左側則為仿真輸出結果圖顯示。圖7（d）所示的為選擇在自適應高斯分類器下，對三種目標分別進行全極化復數域識別和HH極化復數域識別所得到的識別性能曲線圖。在該操作界面的最右側有該界面仿真實驗的控制按鍵，可以完成確定數據載入、執行數據仿真以及數據保存等操作。

5 結語

本文基于Matlab appdesigner設計完成了一套綜合軟件仿真平臺CP-HRRPro，該仿真軟件能夠實現單極化HRRP仿真、全極化HRRP仿真、單目標分類識別實驗以及不同極化在實數域和復數域的分類性能評估四項功能仿真。可以方便完成對參數的設置和更改以及數據的錄入、用戶可以更加直觀地根據需求顯示特定的結果，為后續繼續在復數域HRRP開展研究工作提供了便利，具有一定的實用價值。