作者姓名：杜蘭
　　論文題目：雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究
　　作者簡(jiǎn)介：杜蘭，女，?1980年3月出生，2001年8月師從于西安電子科技大學(xué)保錚教授（碩博連讀），于2007年6月獲博士學(xué)位（期間于2004年3月獲碩士學(xué)位，2005年7月評(píng)定為講師）。

　　中文摘要
　　高分辨距離像（HRRP）是用寬帶雷達(dá)信號(hào)獲取的目標(biāo)散射點(diǎn)子回波在雷達(dá)射線上投影的向量和，它提供了目標(biāo)散射點(diǎn)沿距離方向的分布情況，是目標(biāo)重要的結(jié)構(gòu)特征，對(duì)目標(biāo)識(shí)別與分類十分有價(jià)值，因而成為雷達(dá)自動(dòng)目標(biāo)識(shí)別（RATR）領(lǐng)域研究的熱點(diǎn)。本論文主要圍繞著“十五”和“十一五”國(guó)防預(yù)研計(jì)劃項(xiàng)目“目標(biāo)識(shí)別技術(shù)”（項(xiàng)目編號(hào)：413070501和51307060601）及國(guó)家自然科學(xué)基金項(xiàng)目“基于高距離分辨回波序列的雷達(dá)目標(biāo)識(shí)別技術(shù)”（項(xiàng)目編號(hào)：60302009）的研究任務(wù)，從高分辨距離像的物理特性分析、特征提取和特征選擇以及分類器設(shè)計(jì)這三個(gè)基本層次展開(kāi)對(duì)雷達(dá)高分辨距離像目標(biāo)識(shí)別的相關(guān)理論與技術(shù)問(wèn)題的研究。
　　論文內(nèi)容可概括為如下五部分：
　　第一部分，從目標(biāo)的散射點(diǎn)模型出發(fā)，對(duì)高分辨距離像的物理特性進(jìn)行了深入的研究，指出方位敏感性、平移敏感性和強(qiáng)度敏感性是雷達(dá)HRRP目標(biāo)識(shí)別需要首先解決的三大問(wèn)題。并針對(duì)最常用的模板匹配法，提出雷達(dá)高分辨距離像目標(biāo)識(shí)別的基本思路，為后續(xù)的研究奠定基礎(chǔ)。
　　第二部分，研究雷達(dá)HRRP目標(biāo)識(shí)別的特征提取和特征選擇方法，工作有以下三點(diǎn)。（1）針對(duì)高分辨距離像的平移敏感性問(wèn)題，研究基于高階譜特征的雷達(dá)高分辨距離像目標(biāo)識(shí)別。類似于近年來(lái)在目標(biāo)識(shí)別領(lǐng)域中常用的在低維空間實(shí)現(xiàn)高維映射空間歐氏距離計(jì)算的核方法，本論文通過(guò)分析高階譜域歐氏距離和原始像域歐氏距離的關(guān)系，得出在原始像域計(jì)算高階譜域歐氏距離的方法，使高階譜特征在目標(biāo)識(shí)別中的應(yīng)用具有現(xiàn)實(shí)意義。（2）基于散射點(diǎn)模型理論，提出了一種利用距離像幅度起伏特性的特征提取新方法。新方法提取的加權(quán)距離像特征有效地融合了幀距離像的散射點(diǎn)強(qiáng)度分布像和方差像，反映了各個(gè)距離單元內(nèi)目標(biāo)散射點(diǎn)的分布情況，可以更好地描述目標(biāo)散射特性。（3）基于Fisher可分性判據(jù)，提出了一種加權(quán)特征選擇方法。該方法根據(jù)雷達(dá)HRRP目標(biāo)識(shí)別的具體特點(diǎn)，對(duì)HRRP的平移不變特征——功率譜特征采用基于Fisher判決率的迭代算法搜索最優(yōu)權(quán)向量。與直接使用原始特征及現(xiàn)有的特征選擇方法相比，本論文提出的特征選擇方法既可以降維，又提高了識(shí)別性能，而且運(yùn)算簡(jiǎn)單。
　　第三部分，詳細(xì)討論雷達(dá)HRRP的統(tǒng)計(jì)建模問(wèn)題，主要工作涉及以下三個(gè)大的方面。一、討論在統(tǒng)計(jì)識(shí)別中解決HRRP樣本方位、平移和強(qiáng)度敏感性的方法，為HRRP的統(tǒng)計(jì)建模工作奠定基礎(chǔ)。二、在HRRP樣本各距離單元回波相互獨(dú)立的假設(shè)前提下，提出了一種基于Gamma和Gaussian?Mixture兩種分布形式的獨(dú)立雙分布復(fù)合模型。三、進(jìn)一步的研究表明HRRP樣本各距離單元回波相互獨(dú)立的假設(shè)并不完全成立，因此，我們又研究了更精確的基于HRRP樣本各距離單元回波相關(guān)統(tǒng)計(jì)特性的統(tǒng)計(jì)識(shí)別方法，具體工作包括以下兩點(diǎn)。（1）考慮到用于識(shí)別的HRRP樣本在2-范數(shù)強(qiáng)度歸一化后都位于單位超球面上，針對(duì)于冪次變換后趨于Joint-Gaussian分布的HRRP數(shù)據(jù)，提出了一種改進(jìn)的基于子空間近似的統(tǒng)計(jì)識(shí)別方法。（2）研究發(fā)現(xiàn)HRRP樣本各距離單元回波的聯(lián)合分布近似因子分析（FA）模型描述的Joint-Gaussian分布，這表明在雷達(dá)HRRP統(tǒng)計(jì)識(shí)別中并不需要使用復(fù)雜的Joint-Gaussian?Mixture模型（如FA?Mixture模型），這大大降低了統(tǒng)計(jì)識(shí)別的難度。進(jìn)而，針對(duì)基于FA模型的雷達(dá)HRRP統(tǒng)計(jì)識(shí)別，提出了一種自適應(yīng)模型選擇算法。該算法可以同時(shí)解決因子個(gè)數(shù)選擇和方位幀劃分這兩個(gè)模型選擇問(wèn)題。
　　第四部分，研究基于復(fù)數(shù)HRRP樣本的雷達(dá)目標(biāo)識(shí)別方法。在分析復(fù)數(shù)HRRP樣本特性的基礎(chǔ)上，指出由于初相敏感性問(wèn)題，原先適用于實(shí)數(shù)HRRP樣本的方位模板、識(shí)別方法和特征提取方法一般都不能直接用于基于復(fù)數(shù)HRRP的RATR，我們必須重新尋找既與復(fù)數(shù)HRRP樣本的初相無(wú)關(guān)又能利用其剩余相位信息的方法。進(jìn)而，在識(shí)別方法方面，分析指出基于主分量分析（PCA）子空間的最小重構(gòu)誤差法既可以回避復(fù)數(shù)HRRP樣本的初相敏感性問(wèn)題又可以利用復(fù)數(shù)HRRP樣本的其余相位信息，因而，該識(shí)別方法適用于基于復(fù)數(shù)HRRP的RATR，并提出了該方法相應(yīng)的平移匹配快速算法；此外，在特征提取方法方面，提出了一種用于復(fù)數(shù)HRRP樣本的初相無(wú)關(guān)特征提取方法，對(duì)實(shí)數(shù)HRRP樣本適用的識(shí)別方法、方位模板和預(yù)處理方法同樣適用于該復(fù)特征向量。因此，本論文的研究使基于復(fù)數(shù)HRRP的RATR成為可能。而且，基于實(shí)測(cè)數(shù)據(jù)的識(shí)別實(shí)驗(yàn)表明，使用復(fù)數(shù)HRRP樣本可以取得比實(shí)數(shù)HRRP樣本更好的識(shí)別性能。
　　第五部分，研究如何用少量的簡(jiǎn)單分類器解決多類目標(biāo)識(shí)別問(wèn)題。由于HRRP樣本的方位敏感性，雷達(dá)HRRP目標(biāo)識(shí)別是典型的多類目標(biāo)識(shí)別問(wèn)題。本論文提出了一種基于超立方體和超網(wǎng)格自組織映射（SOM）編碼的多類目標(biāo)識(shí)別方法。該方法的優(yōu)勢(shì)體現(xiàn)在：一方面將基于二分類的多類目標(biāo)識(shí)別方法擴(kuò)展為基于?分類的?（?）類目標(biāo)識(shí)別方法；另一方面只需要少量的二分類或?分類分類器，因此，大大減小了多類目標(biāo)識(shí)別對(duì)運(yùn)算量和存儲(chǔ)量的需求。

　　關(guān)鍵詞：??雷達(dá)自動(dòng)目標(biāo)識(shí)別?高分辨距離像?散射點(diǎn)模型?高階譜特征?基于參數(shù)化模型的統(tǒng)計(jì)識(shí)別方法?模型選擇?初相敏感性?多類目標(biāo)識(shí)別