《2022年2022年雷达目标识别技术 .pdf》由会员分享，可在线阅读，更多相关《2022年2022年雷达目标识别技术 .pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、1 雷达目标识别技术述评孙文峰（空军雷达学院重点实验室，湖北武汉 430010）摘要：首先对雷达目标识别研究领域已经取得的成果和存在的问题进行简单的回顾，然后结合对空警戒雷达，阐明低分辨雷达目标识别研究的具体思路。关键词：雷达目标识别；低分辨雷达Review on Radar Target Recognition SUN Wen-feng （ Key laboratory, Wuhan Radar Academy , Wuhan 430010, China ）Abstract: The acquired productions and existent problems of radar ta
2、rget recognition are reviewed simply, then the specific considerations of target recognition with low resolution radar are illustrated connect integrating with air defense warning radar in active service. Key words: radar target recognition; low resolution radar 1引言雷达目标识别（RTRRadar Target Recognition
3、）是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。1958 年， D.K.Barton （美国）通过精密跟踪雷达回波信号分析出前苏联人造卫星的外形和简单结构，如果将它作为RTR 研究的起点，RTR 至今已走过了四十多年的历程。目前，经过国内外同行的不懈努力，应该说 RTR 已经在目标特征信号的分析和测量、雷达目标成像与特征抽取、特征空间变换、目标模式分类、目标识别算法的实现技术等众多领域都取得了不同程度的突破，这些成果的取得使人们有理由相信RTR 是未来新体制雷达的一项必备功能。目前，RTR 技术已成功应用于星载或机载合成孔径雷达（SARS
4、ynthetic Aperture Radar）地面侦察、毫米波雷达精确制导等方面。但是，RTR 还远未形成完整的理论体系，现有的RTR系统在功能上都存在一定的局限性，其主要原因是由于目标类型和雷达体制的多样化以及所处环境的极端复杂性。 本文首先对RTR 研究领域已经取得的成果和存在的问题进行简单的回顾，最后结合对空警戒雷达，阐明了低分辨雷达目标识别研究的具体思路。2雷达目标识别技术的回顾与展望雷达目标识别研究的主体有三个，即雷达、目标及其所处的电磁环境。其中任何一个主体发生改变都会影响RTR 系统的性能，甚至可能使系统完全失效，即RTR 研究实际上是要找到一种无穷维空间与有限类目标属性之间的
5、映射。一个成功的RTR 系统必定是考虑到了目标、雷达及其所处电磁环境的主要可变因素。就目标而言主要有目标的物理结构、目标相对于雷达的姿态及运动参数、目标内部的运动（如螺旋桨等） 、目标的编队形式、战术使用特点等等；就雷达而言主要有工作频率、带宽、脉冲重复频率（ PRF） 、天线方向图、天线的扫描周期等等；环境因素主要有各种噪声（如内部噪声和环境噪声）、杂波（如地杂波、海杂波和气象杂波）和人为干扰等。在研制RTR 系统时必须综合考虑这些因素，抽取与目标属性有关的特征，努力消除与目标属性无关的各种不确定因素的影响。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - -
6、 - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 8 页 - - - - - - - - - 2 原则上， 任何一个 RTR 系统均可模化为图1 所示的基本结构3。它由目标识别预处理、特征信号提取、特征空间变换、模式分类器、样本学习等模块组成。图中虚线部分的断开和启动，决定RTR 系统是否具备自学习功能。图 1 雷达目标识别系统方框图2.1 雷达目标识别技术简介下面就从 RTR 系统的几个主要环节出发，对常用的RTR 技术进行简要回顾。（1）雷达目标特征信号雷达目标特征信号（RTSRadar Target Signature）是雷达发射的电磁波与目标相互作
7、用所产生的各种信息，它载于目标散射回波之上，是雷达识别目标的主要信息来源。雷达目标特征信号包括雷达散射截面积（ RCSRadar Cross Section）及其统计参数、角闪烁误差（AGEAngular Glint Error ）及其统计参数、极化散射矩阵、散射中心分布、极点等。但是，不是任何雷达都能获得所有目标特征信号的。早期的雷达由于分辨力不够，只能将探测对象看作点目标，得到目标的距离、方位、速度等简单信息，难以满足目标识别的要求。随着高分辨力雷达的问世，才有条件将探测对象当作扩展目标来研究，获得更多的雷达目标特征信号，使复杂电磁环境中的雷达目标识别成为可能。雷达目标特征信号的研究手段有
8、仿真实验、暗室测量和外场试验三种，它们各有其优缺点，应根据具体情况进行取舍。仿真实验主要是将目标分解或利用某种近似理论，用计算机对目标的雷达回波进行模拟。其优点是花费少，能产生任意姿态角的目标回波数据，但数据可信度不高；暗室测量主要是在微波（毫米波）暗室中对目标的缩比模型进行测量，花费较大，且由于有近场推远场等近似手段，数据可信度居中。一般目标的方位角可以360 度准确控制，但俯仰角受暗室空间的限制，转动范围不大；外场试验就是在简单的电磁环境中对目标实物进行测量，其数据可信度最高，但花费最大，且目标的姿态难以准确控制。（2）雷达目标识别预处理雷达目标识别预处理的主要任务是尽量减小各种不确定因素
9、对目标识别性能的影响，包括抑制噪声、杂波及其它有源和无源干扰，虚警鉴别与多目标分辨，成像识别时的目标（载体）运动补偿、斑点效应的抑制和目标分割，等等。有人认为预处理还包括目标类型的粗分类2。总之，预处理是雷达目标识别过程中的一个重要环节，其具体过程随雷达体制和应用背景而异。（3）雷达目标特征抽取雷达目标特征抽取的任务就是从目标的雷达回波中抽取与目标属性直接相关的一个或多个特征，作为目标识别的信息来源。雷达目标特征抽取的客观依据是目标与环境的雷达特性。目标的雷达特性除了雷达目标特征信号以外，还包括雷达常规测量得到的目标的位置、运动参数等。环境的雷达特性一般是指地（海）面背景杂波的电磁散射特性，这
10、里不予讨论。识别输出试验数据目 标 识 别预处理目 标 测 量特 征 信 号提取特 征 信 号提取特 征 空 间变换特 征 空 间变换样 本 学 习模 式 分 类训练数据名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 8 页 - - - - - - - - - 3 雷达目标特征抽取所用的方法与目标和雷达体制二者密切相关，特征抽取时必须分析所有感兴趣目标的雷达特性， 比较它们之间的异同，提取区分某种目标与其它目标的最显著特征，用于目标识别。图 2 为某金属球在不同波长雷达波
11、照射下的RCS 曲线，其横坐标r 为目标有效散射尺寸与雷达发射信号波长的比值。 根据这一曲线可以将目标的雷达特性粗略划分为瑞利区、谐振区和光学区。 在瑞利区，目标的尺寸远小于雷达的工作波长，目标的 RCS 与 r 近似成线性关系，目标的散射特性可以用一个点目标模型来模拟；在谐振区， 目标的有效尺寸与雷达的工作波长处于同一个数量级，此时目标产生谐振，其RCS 随 的变化起伏较大；在光学区，目标的有效尺寸远大于 ，其 RCS随 的减小而趋于恒定值。一般来说，频率高端有利于激励出目标的精细结构信息，频率低端则能携带目标的总体粗结构信息。就RTR 本身而言，要求雷达发射信号最好能跨越目标的三个区，此时
12、目标回波携带的信息量最为丰富，对目标识别最有利，这就是超宽带雷达用于目标识别的优势。我军现役雷达装备，除少数米波雷达的波长与军事目标的尺寸可以比拟外，大多数雷达都工作在目标的光学区。因此，下面重点就光学区雷达目标识别常用的特征抽取方法加以说明。光学区雷达目标识别的重要理论基础是多散射中心理论，即光学区目标的雷达回波可以近似等效为目标物体上少数几个强散射中心回波的矢量和。散射中心是客观存在的，它主要指目标的边缘（棱线） 、曲率不连续点、尖端、镜面、腔体、行波及蠕动波等强散射点，它反映了目标的精密结构特征。光学区的雷达目标识别方法可分为宽带高分辨和窄带低分辨两类。宽带高分辨雷达目标识别方法主要有成
13、像识别（即估计散射中心在目标物体上的分布）和散射中心历程识别（即散射中心随目标姿态的变化过程）两种。宽带高分辨成像识别的大体情况和窄带低分辨目标识别的具体思路将在本文后面进行介绍。RTR 中的特征抽取至今仍未形成完整的理论体系，个别特征对于目标识别的作用难以量化。因此，现阶段的 RTR 研究都是在现有目标识别理论的指导下，不断尝试各种特征抽取手段，最后根据所掌握数据的分类效果对目标特征抽取方法进行取舍。但是，经过大量的研究可以肯定的一点是，用于目标识别的特征数目并非越多越好。因为从同一目标回波中抽取的特征难免存在一定的相关性，而这种相关性往往是不易觉察的。冗余特征不仅会使运算量增大，而且还可能
14、引入不必要的噪声。避免冗余特征的唯一途径是从目标电磁散射的机理出发，抽取与目标属性直接相关的特征，使每个特征都能得到合理的解释，但实际上很难做到这一点。此外，在光学区，由于目标特征对姿态角比较敏感，为了使特征抽取能够得到目标所有姿态下的完整信息，训练数据应来自目标所有的姿态，理论上相邻姿态角之间的间隔应越小越好。（4）特征空间变换特征空间变换是RTR 中的另一个重要环节，其目的是应用各种优化的变换技术改善特征空间中原始特征的分布结构，压缩特征维数，去除冗余特征。常用的特征空间变换技术有四种，即卡南-洛伊夫（ K-L ）变换、沃尔什（Walsh）变换、梅林（ Mellin ）变换和基于离散度（F
15、isher）准则的维数压缩图 2 金属球的 RCS与雷达工作波长的关系名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 8 页 - - - - - - - - - 4 方法。前三种特征空间变换方法的主要思想是通过正交变换消除特征之间的相关性，达到去除冗余特征、减小计算量的目的。其中梅林变换还具有尺度不变性的特点，在RTR 识别中有助于部分消除特征矢量对目标姿态的敏感性。基于离散度准则的维数压缩方法则是通过正交投影提高同类目标特征之间的聚合性和异类目标特征之间的可分离性，同时
16、达到大幅度压缩特征矢量维数的目的。（5）目标模式分类目标各种姿态的训练数据，经过特征抽取和特征空间变换后就形成了目标识别时资用的若干个模板。实测数据经过同样的处理过程也会成为一个与模板矢量维数相同的矢量，将该矢量与所有目标类型的所有模板进行比较，最终确定目标属性，就是模式分类算法需要解决的问题。常用的模式分类算法有统计模式识别算法、人工神经元网络 （ANN ）模式分类算法、 基于专家系统的人工智能识别算法、模糊模式分类算法及其它复合分类算法。其中统计模式识别算法最为稳定可靠；模糊模式识别算法智能化程度高， 容错性较强， 但隶属度函数的得到和修正往往需要人的经验，不便于 RTR 系统的自学习；基
17、于专家系统的人工智能识别算法容错性不强；人工神经元网络模式分类算法有较强的容错性，较高的智能化水平，高度的并行处理和较强的自学习能力，可能是RTR 系统设计模式分类器的最佳选择；模糊推理与神经网络复合等类似的复杂分类器还有待进一步研究。2.2 现代信息处理理论和方法在RTR 中的应用近二十年，各种非线性信号处理、非平稳信号处理和智能信号处理理论与方法得到了蓬勃发展，极大地拓展了信息处理的手段，这些理论和方法在RTR 领域也得到了一些成功应用。（1）小波变换。小波变换是一种分析非平稳信号的数学理论，在RTR 中的应用主要是提取宽带响应多尺度特征和雷达图像的数据压缩。（2）分形与分维几何。 分形与
18、分维几何是研究和处理自然与工程中不规则图形的强有力的理论工具。它在 RTR 中主要用于合成孔径雷达图像的处理，包括图像压缩与特征抽取两方面。目标的分形特征具有抗干扰、抗畸变、复杂自然环境下性质不变的优点。（3）模糊集理论。模糊集理论是一种处理因“因果律”破缺而造成的模糊现象的有力数学工具，在 RTR 中主要用于模式分类器的设计，以提高系统对环境的适应能力。（4）人工神经元网络。 人工神经元网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。ANN 在 RTR 中主要用于分类判决，完成目标特征信号与目标属性的关联。以及完成矩阵特征值求解等一些耗时运算
19、，提高信息处理的实时性。2.3 RTR 研究领域的基本结论（1）RTR 研究的主要难点1 目标特征信号敏感于姿态角。采用特征空间变换可以在很小的姿态角范围内消除目标特征对姿态的敏感性，但最终的解决方法还在于利用目标全姿态角的训练数据进行建模，由此引起的模板数目过多，存储和实时检索困难等问题是目标识别的难点之一。 强杂波以及各种干扰的存在。象其它雷达系统一样，目标识别系统也必须考虑到杂波和干扰对其性能的影响。虽然采用空域和时域滤波可以一定程度地抑制杂波和各种干扰，但空域和时域都难以区分的杂波和各种干扰不仅会大幅提高雷达检测的虚警率，而且会破坏目标回波所携带的特征，使目标识别系统的性能下降。 成像
20、识别时的目标分割问题。利用高分辨雷达对目标进行成像识别是RTR 的发展趋势之一。由于雷达接收机的带宽有限，目标的雷达图像不象可见光图像那样具有连续的边界。目标的二维合成孔径雷达图像往往表现为目标物体上散射强度的等高线图，此时沿用光学图像处理中的目标分割算法名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 8 页 - - - - - - - - - 5 往往是失效的，必须研究专用的雷达图像理解算法。 目标被遮蔽时残缺特征的联想。当雷达从空中识别地面目标时，地面目标可能被树林、
21、建筑物等物体部分遮蔽，此时雷达图像出现了残缺现象，目标识别算法必须对残缺特征进行联想，这是非常困难的。 目标识别系统缺乏统一的评估标准。RTR 系统的最终性能受到目标类型、目标姿态、电磁环境、雷达体制、天气变化等诸多因素的影响，要使两套RTR 系统处于相同的工作状态是困难的。一个可行的方法是建立测试RTR 系统的标准数据库， 但它要耗费大量的人力物力，且由于环境的千差万别，RTR 系统的最终的测试结果与实际性能仍会有一定差距。（2）RTR 研究的基本结论 不存在具有姿态角不变性的特征参量。由于目标姿态改变时目标的反射面结构发生了变化，因此，一般认为具有姿态角不变性的特征参量是不存在的。但是学术
22、界少数人也存在另一种观点，认为具有姿态角不变性的特征参量不是不存在，只是目前还没有找到。 不存在对所有目标类型和复杂环境普遍使用的RTR 系统。从目标识别的机理看，对不同目标在不同的电磁环境中必须采用不同的特征抽取手段，不可能用一组特征解决所有的目标识别问题。现有的 RTR 系统都只能对有限个特定目标在比较单纯的电磁环境中发挥预期的作用。（3）RTR 研究领域的错误认识 盲目进行特征抽取。出现这类错误的根本原因是缺乏对目标识别机理的足够认识，表现为 将目标回波的能量等不稳定的量作为目标识别的特征，或在光学区雷达目标识别中试图抽取目标的极点，或抽取一组明显相关性很强的特征进行目标识别，等等。 将
23、 RTR 等同于信号处理。 出现这类错误的主要原因也同样是缺乏对目标识别机理的足够认识，不去分析目标回波中包含哪些有用信息，把目标对雷达发射信号的散射看作是一个黑箱，将改善RTR系统性能的希望寄托在神经网络、小波变换、遗传算法、分形几何等所谓的“先进”信息处理算法和“智能”模式分类算法上。 利用少量样本或训练样本进行性能测试。 RTR 系统受目标姿态改变、环境变迁、雷达性能不稳定等多种不确定因素的影响，目标属性的判决过程实际上是一个随机事件，在性能测试实验中必须用到大量的不同时间、不同背景、不同姿态的样本，少量的样本得到的测试结果是没有说服力的。测试样本与训练样本相同时，也无法验证系统对多种目
24、标姿态和环境等的适应能力。（4）RTR 研究的发展趋势 一维或多维成像识别传统的窄带低分辨雷达不能分辨目标物体上不同的散射部位，只能得到目标的位置和运动参数等少量信息，利用这些信息在复杂的战场环境中可靠地自动识别大量的军事目标是不可能的。为了得到目标的精细结构信息，必须提高雷达的分辨力，对目标进行成像识别，同时提高计算机对雷达图像的理解能力。可以这样说，未来的自动目标识别系统，一定是由具有高质量的成像算法和高智能的计算机图像理解算法的高分辨力雷达组成。现有的雷达成像识别算法可以按维数分为三类：一维成像识别雷达一维成像一般是指雷达发射宽带信号，在径向距离上对目标进行高分辨成像。一维成像识别的优点
25、是径向分辨力与目标和雷达之间的距离无关，而且不受目标相对雷达的转角的限制，相对多维成像识别具有运算量小、实时性好的优点。目前，多数比较成熟的自动目标识别系统都是采用这种体制。其主要缺陷是：一维距离像敏感于目标的姿态，目标识别时必须采取全方位的建模方式，且不名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 8 页 - - - - - - - - - 6 同类型目标之间的特征差别不够明显，识别率不会很高；目标识别系统易受强杂波和各种干扰的影响，对环境的适应能力有限；由于角度分辨
26、力没有提高，当多个目标在距离上不可分时会对目标识别系统的性能产生严重影响。二维成像识别雷达二维成像一般是指雷达在发射宽带信号，改善径向距离分辨力的同时，采取合成孔径或实孔径改善横向分辨力。二维成像识别方式由于在横向上改善了分辨力，克服了一维成像识别的不足，同时大量增加了信息处理的复杂性，至今二维成像仍不能做到实时处理，而且基于雷达图像的计算机视觉理论还远未完善。三维成像识别三维成像识别方式有两种。一种是在合成孔径雷达的基础上增加一维实孔径改善第三维的分辨力，该成像识别方式已经在美国的卫星侦察雷达中得到成功应用；另一种是在宽带高距离分辨的基础上，在距离较近（如导弹末制导）时，结合单脉冲高角分辨改
27、善两维横向分辨力。该成像方式尚有很多难点需要攻关。 多传感器融合识别多传感器融合识别是为了弥补单一传感器在信息获取能力上的不足，综合两种或更多种传感器获取的信息进行判决，达到大幅度改善目标识别性能的目的。RTR 中常见的融合方式有不同波段的雷达融合、有源雷达与无源雷达的融合、单基地雷达与双多基地雷达的融合、主动雷达与被动雷达的融合等四种。融合算法有数据层融合、特征层融合和决策层融合三种。 人机交互识别在 RTR 系统中，依靠机器算法的智能化系统，要完全适应战场复杂的电磁环境是不可能的，在一些实时性要求不高的场合，如星载或机载雷达侦察、防空警戒雷达目标识别等，完全可以利用人脑对图像和声音强大的理
28、解能力，来提高系统的识别率和适应环境的能力。前苏联曾研制出一种专门用于探测和识别直升机的雷达系统，其主要原理是将直升机的主旋翼调制谱转换成音频信号，输出到专用耳机中，借助人脑实现了几种已知型号直升机的准确识别。 极化信息用于雷达目标识别如果雷达的发射和接收极化都是可变的，则可以通过测量目标的极化散射矩阵，获取目标的极化信息用于目标识别。其优势在于：一是增加了信息来源。极化信息与其它途径得到的目标信息一般是不相关的；二是目标的极化信息具有改变极化基或目标绕雷达视线旋转不变性的特点。因此，利用极化信息进行目标识别可以消除三位姿态变化中的一维。极化理论证明，与目标视线旋转和雷达极化基无关的一组极化不
29、变量是存在的，它们是：行列式的值、功率矩阵迹、去极化系数、本征方向角和最大极化方向角。利用极化信息进行目标识别的缺陷，是极化特征对雷达的工作频率和其它两维姿态的变化仍十分敏感。3低分辨雷达目标识别研究的思考与高分辨雷达相比，低分辨雷达具有原理和结构简单等优点。可以想见，在今后相当长一段时间内，低分辨雷达仍是对空警戒雷达的主体。我军现役的地面防空警戒雷达都是采用低分辨体制。因此，对低分辨雷达目标识别进行研究对于改善我军防空警戒雷达的信息获取能力，圆满完成防空预警任务具有十分重要的意义。近半个世纪， 国外对低分辨雷达目标识别进行了大量的研究，取得了很多成功的经验和失败的教名师资料总结 - - -精
30、品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 8 页 - - - - - - - - - 7 训，总的结论是：低分辨雷达的目标特征信号的测量能力不够，无法在复杂战场环境中完成对目标进行稳定识别的任务。目前国外绝大部分的精力都已转向高分辨力雷达及其目标识别的研究。国内国防科技大学、哈尔滨工业大学、西安电子科技大学等单位对低分辨雷达目标识别进行过一些理论研究，基本上同意国际主流看法，但同时也认为低分辨雷达在目标识别方面有潜力可挖，对该领域的研究一直没有中断。3.1 低分辨 RTR 研究的不利因素一是
31、分辨力不够，目标回波中包含的目标特征信息量少。这是最根本的一点；二是必须识别飞机的型号，这是由防空警戒雷达的任务决定的；三是雷达作用距离远，识别信噪比（未积累前）较低；四是天线波束宽，主瓣干扰往往很强；五是雷达全天候工作，气候变化大。环境的变化会使目标识别系统性能发生较大的起伏。3.2 低分辨 RTR 研究的有利条件一是目标识别系统的实时性要求不高，允许秒级的处理时间，这就为人机交互识别和多扫描周期融合识别提供了可能；二是目标类型较少，有一定的先验信息可以利用；三是在警戒阶段，目标的运动状态比较平稳，可近似为匀速直线运动。3.3 低分辨 RTR 研究的具体思路（1）目标。主要目的是压缩目标空间
32、的维数，可以采用三种手段：一是将所有感兴趣目标类型按威胁程度排队，将威胁程度高的目标作为识别的重点，将威胁程度相近、结构和战术性能相似的目标归为一类；二是对目标参数进行压缩。远程警戒时，目标的航迹可近似为匀速直线运动，其战术使用特点也可以事先部分了解到；三是将实在无法识别的几种目标归为一类。（2）雷达。就雷达而言，就是要认真分析雷达的信号处理特点，充分挖掘雷达能够提供的目标信息，并分析雷达性能不稳定对目标识别系统可能造成的影响。理论上应尽可能避免目标识别效果受雷达性能变化的影响，保证只要雷达能够正常发挥警戒功能就能识别目标。当然，实际上很难做到这一点。必须指出，雷达发射功率的变化是正常的，其对
33、目标识别的影响也是必须消除，而且完全可以消除的。雷达发射功率的变化与目标距离的变化、天气的变化等因素最终都会改变目标回波信号的能量。消除其影响的方法是避免使用与回波信号的绝对能量值有关的特征进行目标识别，换之以回波不同部位的能量的比值。（3）目标特征抽取。低分辨对空警戒雷达目标识别可资利用的特征有七类：RCS 及其起伏特征。如均值、方差、极大值、极小值、极差等；波形特征。如波形宽度、凹陷度等，必要时可以向有经验的雷达操纵员请教；运动特征。如飞行速度、高度、编队形式、螺旋桨调制等；瞬时频响特征。如付立叶系数、小波系数等；多周期关联特征。即不同扫描周期得到的目标信息进行关联，以增加目标识别的信息来
34、源；极化特征。 前提是雷达的发射和接收极化是可变的；其它情报信息。如二次雷达情报、敌方飞机转场情报等其它侦察手段获取的情报，可以通过人机交互的方式被目标识别系统有效利用。（4）目标模式分类算法。统计分类器和人工神经网络分类器二者进行比较后选定一种。（5）人机交互的运用。 人在目标识别系统中的作用可能在以下三个方面体现：一是可以用于鉴别直升机目标的旋翼调制谱；二是数据采集和处理时辅助鉴别杂波和各种干扰；三是综合利用其它情报信息。3.4 RTR 系统性能的评价RTR 系统最终识别效果受电磁环境变化，目标类型、姿态以及战术使用情况的改变，雷达性能不名师资料总结 - - -精品资料欢迎下载 - - -
35、 - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 8 页 - - - - - - - - - 8 稳定，天气变化等多种因素的影响。因此，同一个RTR 系统在不同的环境、不同的时间和地点会有不同的识别效果。RTR 系统的平均识别率能够达到70%就很不错了。其最终价值体现在：作为一种参考信息源，在不同的战场环境下，提高了对空警戒雷达所提供情报的信息量。这一点很象伦敦的天气预报系统，虽然经常预报不准，但有总比没有好。参考文献1孙文峰， 宽带毫米波雷达精确制导信息处理方法研究，博士学位论文 ，长沙：国防科技大学， 1998 2V.G. Nebabin, Methods and Techniques of Radar Recognition, Artech House, 19973黄培康主编，雷达目标特征信号 ，北京：宇航出版社，1993 附：作者简历孙文峰（ 1970） ，湖南汉寿人，空军雷达学院重点实验室副教授，博士，主要从事雷达信号处理与目标识别的研究。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页，共 8 页 - - - - - - - - -