基于信息融合的机载雷达目标识别新算法研究

雷达目标识别中的信息融合技术是近年来国内外研究的重点课题之一。传统的雷达目标识别系统识别率低，且无法解决信息高冲突等情况下的信息融合。本课题结合原有的软、硬阈值函数去噪算法，拟提出一种新的去噪算法；针对现有平移不变特征识别率低的问题和KPCA为平移变化特征提取这一局限性，拟对KPCA特征提取进行一定的改善；针对高斯核函数在高分辨雷达信号领域处理问题的本身缺陷，拟提出新高斯核函数的支持向量机目标识别算法；针对传统D－S证据理论无法处理高冲突信息的弊端，拟提出新冲突融合方法的证据理论；利用次协调理论非经典逻辑，能承认矛盾存在的合理性，同时又能在矛盾中寻求协调的优点，将次协调理论应用到信息融合技术中。随着现代电子信息技术、航空技术等诸多学科的飞速发展，现代战争逐渐发展成为以高技术信息战、电子战为中心的战争，因此，本项目对战场动态信息的实时监测和处理的提升效果，是战争胜败的关键因素。

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。

内容获取失败，请点击重试