機載雷達對海目標聯合識別技術研究?

夏 棟 張凱旋 馬 玲

（1.海軍航空大學青島校區 青島 266041）（2.佛吉亞（即墨）排氣控制技術有限公司 青島 266200）

1 引言

在瀕海區域，海上目標數量眾多、種類繁雜、分布密集、運動狀態多樣多變，無價值目標極大地干擾了空勤人員的目標處理效率，因此需要對目標類型進行軍民艦船分類識別，以監視軍艦的動態、判斷其意圖。在遠海區域，對大片海域進行搜索監視，需要篩選出高優先級目標，借此保障戰場態勢感知的深度、戰場態勢顯示的完整和高價值目標的精確跟蹤。高置信度軍民目標分類識別對準確判斷敵方作戰意圖、制定正確作戰方案、支持火控打擊、有效避免誤傷等作戰環節十分重要，是高層次態勢評估和威脅估計的主要依據。

2 機載雷達與AIS聯合識別步驟

AIS（船舶自動識別系統）與雷達融合進行艦船目標的軍民分類識別技術（實現方法如圖1所示），是指利用空時、特征維度對AIS與雷達進行配準，對配準的目標信號進行融合識別［1］。對不存在配對的目標信號，則利用雷達進行軍民分類識別。采用雷達對海面艦船目標軍民分類時，可利用窄帶/高分辨［2］對海模式對海面目標進行粗分類、篩選可疑目標；飛行員可對可疑目標選擇ISAR二維高分辨成像［3］，進一步對軍民艦船進行精細分類識別。

圖1 機載雷達與AIS聯合識別實現方法

海面目標數量眾多、種類繁雜，使得軍民艦船區分存在較大困難，但軍民艦船各有一定顯著特性：軍用船只一般具有船體長寬比大、機動速度快等特點，其船體結構復雜，具有較大面積甲板、較高的艦塔、桅桿等（如圖2所示），且軍艦通常編隊行進（見圖3）；而民用船只一般按固定航線航行，速度均勻較低，船體結構簡單，可通過AIS獲取其位置和類型。因此，通過綜合目標航速、RCS、輪廓尺寸、結構部件等特征，輔以目標姿態、編隊特征、民船AIS數據、民船航線數據等信息，可以實現軍民船只分類。

圖2 軍用船只結構特征示意圖

圖3 軍用船只編隊行進示意圖

3 基于AIS與雷達融合的艦船目標軍民分類

根據IMO（國際海事組織）強制性的要求，履約船舶都裝備了AIS。AIS能提供比雷達多且精度高的信息量，將AIS與雷達信息進行融合可幫助提升艦船目標的軍民分類的置信度。針對空時配準誤差大引起誤匹配的問題，引入特征維配準提高AIS與雷達的配準精度；設計多級融合的軍民分類架構，解決不同質傳感器的融合識別的沖突問題，其實現方案如圖4所示。

圖4 AIS與雷達融合分類方案

3.1 AIS與雷達的空時、特征配準

AIS與雷達在空間坐標的表示和時間更新頻率存在著不同步的問題，要實現雷達與AIS信息的融合，需要對其進行配準。對空間坐標轉換時引入的目標坐標系和時間濾波插值引起的誤差進行系統性的分析，設計配準技術方案，通過引入雷達目標的特征維信息進行匹配，提高匹配精度。

3.2 基于多級融合的海面艦船軍民分類識別

針對AIS與雷達提供信息維度的差異，實現基于多級融合思想的海面艦船軍民分類識別［4］。引入專家知識庫在頂層進行決策樹分類設計，通過特征匹配的方式對不同傳感器的決策進行識別置信度的計算，完成基于改進D—S證據理論［5］的軍民分類，最后利用信噪比加權的思想完成航跡融合，實現識別結果的時域融合。

4 基于雷達多維特征融合的艦船目標粗分類

機載雷達在對海遠距離觀測時，通常采用窄帶低分辨/高分辨距離向［7］模式，在此類模式下獲取的海面目標信息量少，缺乏可用于識別的有效特征。且受不同海情雜波、海面艦船復合散射、雷達波形模式等因素影響，特征參數精確估計存在著收斂速度慢、估計精度不高等問題。針對這些問題，深入研究航速、姿態等參數估計處理流程和誤差分布，提高特征參數估計的精度；綜合海面目標運動、輪廓尺寸、編隊等特征融合，實現海面軍民目標的粗分類。

4.1 海面目標運動特征參數精確估計技術

針對雷達窄帶回波目標特征信息少、估計誤差影響大等問題，突破目標跟蹤濾波估計的傳統思路，拓展可利用的目標量測時間維度，從而增加目標狀態空間濾波估計的信息量，提升目標運動特征參數估計精度。通過對正反向擴展卡爾曼濾波、擴展卡爾曼平滑進行理論建模仿真、海面目標實測跟蹤數據處理和誤差分析，充分挖掘目標未來量測數據信息以提高目標航速、航向估計精度，實現遠距離目標運動狀態精確估計和特征識別。

4.2 海面目標多維特征融合的粗分類技術

針對遠距離海面目標識別信息量少的問題，基于模式識別的手段實現海面目標多維特征融合識別技術［6］研究：綜合海面目標的輪廓尺寸等幾何特征、運動特征、電磁特征和編隊特征等，訓練軍民粗分類器，利用軍民船在不同維度間的差異性實現軍民粗分類。

5 海面艦船目標ISAR軍民分類識別

在對海模式下粗分類技術可對海面目標進行初步篩選，再通過ISAR模式對篩選的可疑目標進行二維成像［8～11］，獲取目標的更多有效特征進行軍民精細分類確認，如圖6所示。針對海面目標ISAR像出現十字旁瓣、信噪比不高導致海面目標有效特征提取困難的問題，基于稀疏分解的思想［12］實現海面艦船目標預處理技術研究。挖掘海面軍民艦船目標的典型結構部件特征的可區分性，基于散射中心匹配反演典型結構部件特征的參數，實現海面目標軍民精細分類。

圖5 基于多維特征融合的海面目標粗分類技術途徑

圖6 海面艦船目標ISAR軍民分類識別

5.1 基于稀疏分解的海面艦船目標ISAR預處理技術

針對海面目標十字旁瓣影響目標特征提取的問題，基于稀疏分解的思想，利用十字旁瓣和目標在稀疏域的可區分性，實現十字旁瓣的抑制。借鑒傳統基于稀疏重構的特征增強的思想，構建結構部件特征的稀疏字典，通過重構誤差最小準則找到使得目標結構部件回波誤差最稀疏的字典表示形式，根據待增強結構部件特征設計特征約束函數合理選擇優化求解算法（如貪婪算法等）實現結構部件特征的增強和雜波的抑制。

5.2 基于電磁散射模型的海面目標結構部件特征反演

基于電磁散射參數化模型的海面目標結構部件特征反演技術是指，從結構部件特征增強的雷達回波信號中反演結構部件特征。由于可以將海面目標結構部件電磁散射回波建模為局部散射源的組合，結構部件特征的反演可以通過海面目標雷達回波中的強散射中心反演、匹配和聚類實現。它可以分為兩步：首先，對結構部件特征增強回波進行散射中心的反演；接著，利用散射中心的匹配和聚類技術實現結構部件特征的反演。

6 結語

復雜海面狀況下實現對軍民艦船的精確分類識別，對保障我國領海安全、提升武器裝備的作戰效能具有重要意義。在現有裝備、技術條件下，研究更加精細的雷達目標特征挖掘、多種信息有效融合的技術是實現提高軍民艦船精確分類識別的重要途徑。