飛機外形變化對雷達目標識別算法的影響

孟亦然，穆仕博

（1.中國空空導彈研究院導引系統事業部，河南洛陽，471009；2.空裝駐洛陽地區第一軍事代表室，河南洛陽，471009）

0 引言

隨著現代戰爭對信息化和智能化的要求越來越高，和雷達技術的不斷發展，雷達自動目標識別技術正在成為雷達信號處理系統中的重要組成部分，受到越來越多的重視，許許多多的雷達自動目標識別算法應運而生。

雷達自動目標識別算法常用的寬帶雷達信號包括：1）合成孔徑雷達（Synthetic Aperture Radar, SAR）圖像信號。和光學傳感器相比，SAR成像不受天氣、光照等條件限制，可對目標全天時、全天候成像，因此基于SAR的自動目標識別已經成為新一代戰場感知系統的關鍵技術[1]；2）逆合成孔徑雷達（Inverse Synthetic Aperture Radar, ISAR）圖像信號。ISAR與SAR的不同在于其通過靜止的雷達對運動中的目標的觀察實現虛擬孔徑合成，在足夠高度的空間內能夠同時對多個目標進行捕獲和成像區分，由于ISAR濃重的軍事背景和戰略意義，逆合成孔徑雷達的目標識別才備受學者的關注[2]；3）高分辨距離像（High Resolution Range Profile,HRRP）信號。高分辨距離像是目標散射點后向子回波在雷達射線上的投影的寬帶信號向量和，它包含了目標沿距離維較精細的幾何結構信息，且相較于SAR圖像和ISAR圖像更具有易于處理和獲取的優點[3]。

對雷達自動目標識別的研究囊括了數據預處理[4],[5]、特征選擇[6],[7]、分類器設計[8],[9]等方面。這些論文所提出的方法在其文中設定的理想應用場景下均有不俗表現。然而實際工作場景中，許多研究情景下的假設和條件都難以達到，因而就需要對應用各種擴展工作條件對雷達自動目標識別算法的性能影響進行分析。

其中，徐丹蕾等人對于雷達自動目標識別所面對的數據缺乏問題進行了研究，并提出了一種采用多任務稀疏學習的統計建模方法，通過令所有幀的訓練樣本采用同一個字典以實現幀間信息的共享，幫助提升小樣本情況下的雷達目標識別性能[10]。對于實際戰場態勢下噪聲相對于信號強度不能忽略的問題，李瑋杰等人通過增強訓練集和使用殘差塊、inception結構和降噪自編碼層增強網絡結構，提出了一種在噪聲環境下基于卷積神經網絡的雷達高分辨率距離像數據識別方法，實現了在較寬信噪比范圍下的較高識別率[11]。實際應用中，對于尚未完成數據收集的飛機目標，現有的目標識別算法應當有能力判斷其不是任何一類庫內目標，柴晶等人在支持向量域描述的基礎上，提出了多核支持向量域描述，能夠更加靈活地描述訓練樣本在高維特征空間的邊界分布情況，從而獲得了比傳統方法更高的識別率和更低的虛警率[12]。

除了上述擴展工作條件之外，在實際應用場景中，飛機目標由于執行不同任務時會攜帶不同的掛載和載荷配置，戰斗機更會按任務段需求的不同改變其機翼、尾翼等飛機外形和結構。本文將對飛機外形變化對HRRP目標識別算法的影響進行分析研究。

1 飛機目標物理外形比較

在實戰當中，同一型的目標會根據任務需求改變其武器掛載、油箱配置，或是進行偽裝以自我保護，圖1即為某一型飛機的原始目標3D模型以及加裝副油箱后的目標3D模型，通過觀察不難發現，同一型飛機加裝負載前后的物理外形發生了變化，且這種變化出現在相對于目標整體而言的局部、連續的一塊區域。

圖1 某一型飛機的3D模型

此外，近現代戰斗機為了追求在整個飛行包線內的最佳飛行性能和氣動特性，將機翼沿放置軸剛性旋轉從而改變氣動外形，或是采用柔性蒙皮面內拉伸實現機翼后掠角的柔性改變。飛機機翼、尾翼的后掠角變化，不僅使飛機在流體力學中氣動特性的變化，也導致肉眼可見的機體、機翼等部分的角度和面積變化。兩種氣動外形變體方式如圖2所示。

圖2 戰斗機剛性、柔性后掠示意圖

2 飛機目標目標散射中心模型

電磁散射理論指出，雷達目標的電磁散射特性可以根據目標特征尺寸與雷達工作波長之比粗略的分為三個區域：目標尺寸遠小于雷達工作波長的瑞利區，目標尺寸與雷達工作波長在同一數量級的諧振區，以及目標尺寸遠大于雷達工作波長的光學區[13]。使用HRRP信號的高分辨雷達一般工作在光學區，其目標的雷達散射截面主要是由邊緣、棱角、腔體等局部散射體的鏡面反射和不連續處散射決定的。將每個局部散射體等效為一個散射中心，則雷達目標的總散射場可以近似視為這些散射中心的電磁散射的矢量和。如圖3所示，寬帶雷達得到的目標HRRP即是目標各個散射中心的散射沿雷達視線投影疊加得到的。

圖3 目標散射中心模型

高分辨距離像是由若干距離單元的回波組成的：

其中y表示飛機目標高分辨距離像，由N個距離單元組成，第i個距離單元的回波表示為yi，可以視為雷達目標在此距離單元內的所有散射中心的回波的矢量和，表示如下：

式中Ki表示第i個距離單元中的散射中心個數，ρi,k、?i,k分別為第i個距離單元中第k個散射中心的散射系數和回波相位，j為虛數單位。

即使在相同姿態角下，一旦目標外形發生變化，其散射中心的數量和分布同樣發生變化，從而導致相應距離單元的目標回波不再相同。因此可以將變體目標高分辨距離像近似視為由原始目標在同一姿態角下的高分辨距離像，與由外形結構變化引起的擾動分量信號相疊加得到的信號。

3 目標高分辨距離像電磁仿真

利用三維高頻電磁場仿真軟件CST[14]對如圖4的兩個飛機模型進行相同姿態下回波的仿真。

圖4 目標仿真模型

對同一目標的上圖兩種外形結構分別加以仿真得到回波，抽取兩個方位角展示如圖5，圖像中可以看到同一姿態角下兩個回波信號在局部存在明顯不同。

圖5 目標仿真模型

4 高分辨距離像雷達自動目標識別

圖6 雷達自動目標識別處理流程圖

目標識別的原理主要是待識別目標信號與已有樣本庫內樣本的匹配，通過對分類器算法的不斷修正，使得識別結果盡可能可靠。因此匹配樣本庫能否有效而全面地表示目標就成為了影響目標識別算法性能的重要因素。然而飛機外形變化和載荷不同的組合千變萬化，難以依靠豐富樣本庫去涵蓋所有可能變體的目標回波。因而測試目標回波相對于庫內樣本的變化會很大程度上影響匹配算法的性能。高分辨距離像所具有的姿態敏感性、平移敏感性、強度敏感性等均會導致自動目標識別算法識別性能的下降，不難想見，本文分析的目標外形變化和其引起的目標回波的變化同樣會引起識別性能的下降。

5 結論

通過對飛機目標外形、雷達散射中心模型、電磁仿真軟件仿真回波的分析，證明飛機外形變化會對目標識別算法的準確度產生較大的負面影響。在后續雷達自動目標識別算法的研究中，需要考慮及時填充樣本庫不斷更新不落后于外形的更新和變化，在特征選擇和提取中優化策略或者開發對此種變化魯棒的分類器算法。