基于信息融合的机载雷达目标识别新算法研究

雷达目标识别技术是集传感器、目标、环境和信号处理技术为一体的复杂系统工程，是未来战场的核心技术。由于现代战场环境的复杂性，雷达目标包含很大的不确定性，采用单一传感器的武器控制系统已不能满足需求，因此为了得到稳健的目标识别，最有效的解决途径就是使用多雷达多传感器特征融合识别。. 本项目针对现有机载雷达目标识别中存在的若干难点，对核心技术提出了新的算法，目的在于不断完善雷达一维高分辨距离像（HRRP）的目标识别技术，并结合多传感器信息融合算法，使机载雷达目标识别系统具有更优越的识别性能。主要研究内容包括五个方面： （1）研究了HRRP回波特性及相关预处理算法，提出了自适应小波阈值去噪新算法能够获取高信噪比的HRRP；（2）研究雷达目标特征提取算法，结合中心矩和KPCA，提出的平移不变KPCA特征提取算法，具有识别率高，稳定性好等优点； （3）研究雷达目标识别的分类器设计，将支持向量机（SVM）引入机载雷达目标识别系统， 结合平移 不变KPCA特征，可使识别率达到90%以上；对于非线性， 多目标分类问题也达到了预期 识别结果；（4）研究了D-S证据理论高冲突融合问题， 提出了新的融合算法并且能够 结合BP神经网络，缩短训练时间，提高识别精度；（5）研究了多传感器信息融合技术，提出了次协调理论信息融合目标识别算法，能够将“不确定问题”弱化，达到比较理想的识别效果。. 本项目通过了大量实验仿真验证与测试，提出了系列机载雷达识别新算法，取得了较好的识别性能。但距实际应用还有不小的差距。在目标特性分析，识别方法，多特征融合及建立360°模板库方面取得了一定的积累。主要有：（1） 对目标特性进行精确、全面的分析，能够设计更好的预处理算法； （2）针对不同目标的特点，提取目标特征，能够在不同环境下提升识别算法的稳健性和有效性； （3）结合红外成像，能够挖掘目标精细特征，融合HRRP特征，提高识别率；（4）360°模板库与识别算法密切相关，能够检测识别算法是否合理高效。. 由于机载雷达目标识别技术是一个逐步验证、逐步优化的过程。在本项目取得的阶段性研究成果基础上，联合目标跟踪与识别问题，将基于信息融合的机载雷达目标识别算法推向实用，为机载雷达目标识别系统装备化创造条件，对提高作战能力、增强我国的国防实力具有极其重要的实用价值。