使用雷达横截面测量的时间序列进行雷达目标识别的特征提取

雷达截面特征不仅与目标的散射结构有关，而且与目标微动的调制有关。该文提出一种基于RCS测量时序梅林变换的雷达目标识别特征提取方法。推导并分析了交叉范围内目标散射分布与RCS幅值的数学关系。采用顺序方法提取目标的RCS特征。最后，通过仿真数据集验证了梅林变换目标识别的可行性和算法的准确性。

第一节.介绍

预警雷达（EWR）不仅可以获取雷达目标的距离、移动方向、方位角和仰角等度量信息，还可以获取包含大量目标特征的雷达截面（RCS）测量值。区分弹道导弹防御系统（BMDS）中的弹头和诱饵是一项巨大的挑战。弹头与油箱分离并释放诱饵后，弹头有旋转和指挥引起的规则运动，而诱饵的运动通常是由翻滚引起的不规则运动。因此，它们的微动特性明显不同，导致雷达回波的调制特性不同。RCS振幅的时间序列中包含的信息反映了可识别的目标特征，例如大小，形状，结构以及运动状态。因此，RCS测量被认为是分析目标微动的重要雷达目标特征。随着现代信号处理的不断发展，RCS特征提取技术不断改进。过去的实验表明，充分利用RCS中包含的信息对于BMDS中的目标识别非常重要。

雷达目标RCS幅号特征提取主要集中在两个方面。一个是关于RCS振幅的经典统计特征。通常，当雷达场景不太复杂时，使用统计参数是识别不同目标的简单方法。然而，由于实际雷达环境的复杂性，一些RCS统计参数太不稳定，无法区分不同的目标。提取RCS幅度特征的另一种方法是使用空间变换。空间变换的主要思想是增强不同形状和微动目标的RCS特征。通过小波变换和时频分析等空间变换提取的特征通常是目标判别的有效特征。

本文在第二节中从数学上推导了目标散射分布函数与RCS之间的关系。第三节提出，梅林变换到RCS时差序列可以反映目标的散射机制和运动特性。第四节，利用旋转/指挥弹头和翻滚诱饵的P波段模拟数据集，通过傅里叶-梅林变换，得到了不同目标在一定观测周期内不会随着下移和目标尺度的变化而发生本质变化的分布特征。使用Mellin变换特征的平均值和方差来区分不同目标的可行性。

第二节.目标RCS幅值与跨量程剖面的关系

雷达截面是电磁波散射能力的测量值。如果将梅林变换应用于目标RCS振幅的时间差序列，我们可以简单地得到目标散射中心分布，该分布与距离无关，在交叉范围内尺度不变。此外，还预计具有相似形状的不同目标的序列可能彼此非常不同，只有当它们具有不同的微运动时。很明显，从两个方面反映了目标特征：一是目标散射中心沿交叉距离的分布特征;另一种是由雷达初始方位角引起的雷达回波振幅和相位调制。前者代表目标的基本散射结构或形状;而后者则反映了目标微动的调制特性。例如，如果有两个目标具有相同的形状，但采取不同的微运动，则它们的时变可能会显着不同。如上所述，函数 可以用作雷达目标识别的重要特征。

第三节.结果和讨论

在本节中，我们使用弹头和诱饵的模拟P波段雷达数据集进行目标特征提取和识别。数据集是使用北京航空航天大学遥感特征实验室开发的雷达特征软件生成的。数值结果验证了所提出的基于Mellin-Transform的特征提取方法对目标识别的有效性，并进一步研究了该方法的可靠性。

在下文中，雷达参数如下：雷达中心频率为300 MHz，极化为HH。脉冲重复频率为20Hz。在整个观察时间内，弹头的微动是旋转和指挥的;当诱饵翻滚时。弹头为球形锥形，长181.3厘米，底部直径54.2厘米。诱饵目标是长202.5cm，底部半球直径60cm的锥形球体。整个观测时间段为500s。 图2描绘了雷达和目标的示意图。

图3显示了RCS振幅时间序列作为两个目标在100s观测周期内的弹道时间的函数。

顺序处理用于处理整个观察时间内的RCS幅度序列。顺序方法实际上是使用一定长度的时间窗口以指定的时间步长滑动整个RCS时间序列。同时，连续提取目标RCS幅值的特征参数。总的来说，我们可以获得整个RCS特征参数随时间的变化趋势。顺序处理的优点是，随着时间的推移，我们可以获得RCS参数的连续输出。此外，它不仅可以提高雷达数据的利用率，还可以缩短雷达目标识别的时间。

图4说明了对目标RCS幅度时差序列执行的梅林变换的结果。滑动时间窗口长度设置为 4s，滑动步长设置为 0.5s。从图4可以看出，梅林变换后，弹头和诱饵的振幅明显不同。

梅林变换序列的平均值和方差分别显示在图5和图6中。不难看出，无论是弹头还是诱饵，随着弹道时间的延长，统计数据都保持稳定;虽然弹头和诱饵之间的差异很大。

在图 7 中，我们展示了目标平均值和方差的统计分布。平均值沿水平轴测量，方差沿垂直轴给出。很容易看出，平均值与方差的分布位于不同的区域，这意味着这两个统计数据对于雷达目标识别足够可靠。

图4. 在目标RCS幅度差上执行的梅林变换序列，时间长度为4s

图5. 梅林变换序列的平均值

图6. 梅林变换序列的方差

图7. 目标平均值与方差

第五节.总结

本文通过数学推导并强调了目标RCS幅值与跨量程轮廓之间的关系。这自然导致我们得出结论，梅林变换应用于RCS时差序列可以反映目标的散射调制特性和微动特性。利用弹头和诱饵的模拟雷达数据集，我们证明了通过顺序计算RCS时差序列梅林变换的平均值和方差来识别提取的目标特征的鲁棒性和实用性。