摘要
在雷达目标自动识别(RATR)的领域中，针对高分辨率距离像(HRRP)对目标进行识别是一项艰巨而有意义的课题。根据HRRP估算出舰船目标的径向物理长度，可以为舰船目标的识别提供重要的信息；根据姿态角对HRRP数据集进行分帧，可以提升分类器的泛化性能；提取HRRP的特征，不仅可以扩充数据量，而且可以克服HRRP的各种敏感性问题；针对HRRP的识别，构建合适的分类器对提升最终的识别率有着重要的影响。本文针对舰船目标长度估计、HRRP数据集分帧、特征提取和分类器的构建等角度入手，针对舰船目标HRRP的识别问题，做了如下的主要工作： (1)针对舰船目标长度估计的问题，提出了一种基于序贯HRRP和姿态角的舰船目标径向物理长度估计流程。该流程根据舰船目标的HRRP，提出了一种舰船径向投影长度提取法，根据此算法提取出不同姿态角时舰船目标的径向投影长度，并结合姿态角估算出舰船目标的径向物理长度，为进一步的识别提供一定的先验信息。计算结果证明该径向投影长度提取法有着良好的稳定性和准确性，并且使用该流程估计的舰船径向物理长度误差也在合理的范围内。 (2)针对 HRRP分帧的问题，提出了一种基于统一流形逼近与投影(UMAP)的自适应分帧流程。该流程使用UMAP结合一种聚类效果的评估机制对HRRP数据集进行分帧，克服了参数寻找困难的问题，为HRRP的分帧提供了一种新的思路。计算结果证明了该分帧流程的优越性，提升了识别率。 (3)针对 HRRP特征提取和分类的问题，提出了一种基于重塑双谱的卷积神经网络(CNN)识别流程。该流程设计了一种特定结构的CNN，重塑了HRRP双谱图像的关键区域作为CNN的输入数据，并通过多种措施解决样本不均衡和CNN过拟合的问题。计算结果证明该识别流程在种类数较多的大规模HRRP数据集上具有良好的识别效果，并且克服了样本数据不均衡和CNN过拟合的问题。
NETL