射頻隱身雷達信號設計與目標識別研究.pdf

1、雷達自動目標識別技術研究不僅具有重大的理論意義，而且具有廣闊的應用前景。特別是在軍事應用方面，美、俄、德等西方軍事強國相繼把其作為未來智能化武器系統的重點研究內容和迫切需要突破的關鍵技術。相比合成孔徑雷達/逆合成孔徑雷達（SAR/ISAR）圖像而言，高分辨距離像（HRRP）易獲取與處理，且數據存儲量不大，易于實現實時目標識別。基于HRRP的雷達自動目標識別已經成為國內外雷達自動目標識別領域的研究熱點。與此同時，隨著軍事科學技術的迅猛發(fā)展

2、，現代雷達的應用及生存環(huán)境受到了“電子干擾”、“隱身目標”、“反輻射導彈”和“低空/超低空突防”等四大威脅，因此雷達的射頻隱身（RF stealth）性能研究具有十分重要的戰(zhàn)略與應用意義。本文的研究工作主要圍繞著基于HRRP目標識別的射頻隱身雷達信號設計及其識別方法而展開的，分為兩部分：第一部分是通過結合雷達自動目標識別具體應用，提出了基于最優(yōu)匹配發(fā)射-接收機與序貫分析的射頻隱身雷達目標識別信號設計方法和基于交互信息與序貫分析的射頻隱身

3、雷達目標識別的信號設計方法，為實現雷達的射頻隱身性能做出有益的探索。第二部分則是針對目標HRRP的姿態(tài)敏感性問題，分別采取了角域劃分方法和核方法，提出了基于灰色系統的雷達自動目標識別方法、基于灰色關聯度的自適應角域劃分的雷達自動目標識別方法以及基于最大間隔核優(yōu)化的雷達自動目標識別方法，為基于HRRP的目標識別日后的具體工程應用提供技術支持。本文主要研究內容與貢獻如下：
　　1、研究了基于最優(yōu)匹配發(fā)射-接收機與序貫分析的射頻隱身雷達

4、目標識別信號設計。最優(yōu)匹配發(fā)射-接收機方法構成了發(fā)射機-外界環(huán)境-接收機閉環(huán)系統，是認知雷達的一種實現，其能夠利用各種先驗信息自適應地調整設計雷達信號及其對應的匹配接收機。而序貫分析理論中的序貫概率比檢驗不僅使得假設檢驗中的兩種錯誤檢驗都足夠小，而且確保平均抽樣次數最少。針對雷達自動目標識別應用，將最優(yōu)匹配發(fā)射-接收機與序貫分析理論相結合，設計了基于最優(yōu)匹配發(fā)射-接收機與序貫分析的射頻隱身雷達目標識別信號方法。該方法首先確保了雷達系統的

5、目標識別性能，并從輻射能量控制和射頻隱身雷達信號設計兩個方面保證了雷達系統的射頻隱身性能，從而提高了飛機的生存能力。
　　2、研究了基于交互信息與序貫分析的射頻隱身雷達目標識別的信號設計。在一般雷達系統中，雷達目標的脈沖響應并不一定是確定已知的，常常都是假定雷達目標的脈沖響應服從某種隨機分布，高斯分布是最常用的隨機分布。在此種情況下啊，接收機的回波信號與目標回波信號之間的交互信息影響著雷達系統性能。基于交互信息雷達信號設計方法是認

6、知雷達的另外一種實現，從而能夠得到保證雷達性能的發(fā)射信號。結合雷達自動目標識別，將基于交互信息雷達信號設計方法與序貫分析理論相結合，設計了基于交互信息與序貫分析射頻隱身雷達目標識別的信號設計方法，該方法使得雷達系統在完成雷達目標識別任務的基礎上具有良好的射頻隱身性能。
　　3、研究了基于灰色系統的雷達自動目標識別。HRRP是在雷達射線方向上雷達目標的各距離分辨單元內散射中心回波投影的矢量和，其反映了目標結構特性?；贖RRP的雷達

7、自動目標識別過程一般分為訓練與識別兩個階段。在訓練階段比較HRRP之間的相似程度形成HRRP模板，而在識別階段則是通過比較待分類目標HRRP與所形成的HRRP模板之間的相似程度大小來決定其類別。灰色關聯分析能夠通過比較系統樣本數據序列的幾何形狀相似度得到各要素/變量之間的關聯度，即得知系統各要素/變量之間的密切程度。將灰色系統理論的灰色關聯分析應用于基于HRRP的目標識別中，設計了基于灰色系統的雷達自動目標識別方法，該方法具有物理意義明

8、確、計算簡單以及操作方便等特點。
　　4、研究了基于灰色關聯度的自適應角域劃分的雷達自動目標識別。針對雷達目標 HRRP的目標姿態(tài)敏感性問題，采用固定角域劃分方法簡單方便，但是固定角域劃分方法使得目標的散射特性存在失配情況，從而導致識別性能下降。與固定角域劃分方法相比，自適應角域劃分方法則是從目標HRRP本身或分類器的角度出發(fā)，采用某一特定的角域劃分準則，自適應地實現對目標角域進行劃分，以提高目標識別性能。在基于灰色系統的雷達自動

9、目標識別方法的基礎上，采用灰色系統中的灰色關聯模型為劃分準則實現對HRRP的自適應角域劃分，設計了兩種基于灰色系統的自適應角域劃分的HRRP雷達目標識別方法，從而進一步提高了目標識別性能。
　　5、研究了基于最大間隔核優(yōu)化的雷達自動目標識別。與角域劃分相對應，支持向量機核方法是另外一種常用的解決HRRP目標姿態(tài)敏感性的方法。SVM的識別性能在很大程度上取決于對核函數的選擇。普遍適用于任何數據的核函數是不存在的，數據依賴核函數作為一