目标检测、跟踪与识别技术与现代战争(2)

场环境多目标识别的研究工作 。关于对目标的雷达像，包括SAR及ISAR二维像的目标识别工作，相对于一维HRRP的目标识别技术，从实现上要困难得多，实际上并不是识别算法本身的问题，而是在数据的录取和成像的质量方面相关的硬件和软件在工程上实现起来比较困难。我们知道，要获得目标SAR及ISAR像，雷达平台和目标间要有一定的转角以获得相应的综合孔径，这一要求在某些应用中不可能或较难得到满足，如悬停直升机对地面静止目标观测，或目标相对于雷达平台径向飞行场合。此外，成像雷达系统复杂，不易大量装备。所以，对二维雷达像的识别的研究起步较晚，现在还处在理论研究阶段，但是随着科技飞速发展，DSP芯片的处理速度迅速提高，SAR成像实时处理器已经研制出来，已使对雷达二维像的目标识别成为可能。对于目标的三维像的识别，尽管包含的信息比一维像和二维像要多，但是实际中得到好的三维像非常困难，目前具体从事目标三维像识别研究的很少，不过这也是今后的一个研究的方向。

5． 目标识别技术的实现方法

根据不同类型的雷达，目标识别技术有所不同，但是都离不开一个统一的框架，如图z所示。总的来讲，雷达目标识别主要过程分为预处理过程，特征提取和目标识别过程。其中左、右两路是辅助识别过程，左路建立模板库，而右路主要通过识别器训练，确定智能规则库或识别器参数库，中间一路是识别过程，借助于左、右两路提供的信息，对检测到的目标进行识别。对于低分辨雷达目标识别，一般仅利用左路信息，而对高分辨雷达，左、右两路信息都可能采用。

5．1 低分辨雷达的目标识别的实现

低分辨雷达的目标识别过程比较简单，由于分辨率较低，目标可能在一个分辨单元或在不多的几个分辨单元中被检测到。对于只出现在一个分辨单元的情况，往往不作预处理，而对出现在几个分辨单元的情况，预处理过程常常采用点迹凝聚的方法。特征提取过程主要是将目标的极化、回波波形、多普勒等信息作为特征，建立模板库，通过计算相关系数等方法对目标进行分类。

5．2 高分辨雷达目标识别的实现

高分辨雷达得到的距离像，包含着目标散射点沿径向分布的强弱特征，而不同目标对应的这些特征是不同的。数据预处理过程主要是把目标从杂波中提取出来，通过找到目标的平均散射中心作为参考点，使用一定宽度的距离门套住目标信号。特征提取过程主要是个降维的过程，通过对目标信息进行变换，处理，将识别过程所需要的重要信息提取出来，而将冗余信息除去，使识别过程获得的信息更可靠，同时也降低了识别器的运算量。9O年代以来，随着小波理论的发展，小波变换被广泛应用于目标信息的特征提取上。目标识别器的种类很多，包括用于传统模式识别的基于统计技术的自适应算法和基于参数模型的方法。以神经网络技术为代表的智能规则库技

5

术，旨在将自适应学习与先验知识结合并且从算法上得以实现，目前，具有代表性的目标识别器包括神经网络分类器、支持向量机(SVM)分类器、最大似然分类器、隐马尔可夫模型(HMM)分类器等等，部分识别器在小样本情况下，识别率可以达到9O.9﹪以上，它们的实时性问题成为制约工程化实现的重要因素 。

5．3 二维SAR 图像目标识别的实现

在二维SAR图像目标识别中，目标存在于复杂的图像背景之中，要从复杂背景中将需要的目标信息提取出来。在预处理过程中除了要对图像内容进行边缘检测和图像分割以外，为了对图像中的目标更有效地检测和分割，往往还进行图像的增强、滤波等处理。图像增强是为了突出目标的特征，以区别于图像背景，这是图像处理中常用的技术。传统图像滤波方法用于抑制SAR图像中的相干斑 。SAR 图像的特征较HRRP特征信息量更大，除了目标的形状信息，还包括纹理信息以及背景图像的对比信息、，通过特征提取过程将识别过程所需要的重要信息提取出来，为下一步准确识别做好准备。识别过程和方法基本采用HRRP识别技术。

6． 结束语

在现代高技术战争中，目标识别技术将融入战争的各个环节，在战场指挥、防空反导、精确制导、战场侦察、预警探测、敌我识别等反面，都将发挥优势。然而，目标识别的精度和实时性问题制约着目标识别技术的工程化实现，进一步深入研究易于工程化实现的目标识别的理论和方法，对军队信息化建设，对打赢高科技条件下的现代化战争，有着深远的影响。

6