引言

HRRP 反映目标在雷达视线（Line of Sight, LOS）上的散射点投影，包含目标尺寸、散射点分布情况等丰富的目标结构特征信息[1]。当距离分辨率达到分米或厘米级时，大型舰船中的平面、顶点、二面角、三面角、天线、雷达电子设备等强散射结构在HRRP中形成目标独有的散射点分布特征[2]，这使得HRRP在雷达目标识别领域具有独特优势[3-4]。

二维雷达图像，如SAR图像，由于具有高分辨率成像特性，能够提供目标丰富的纹理信息，在海面监视与侦查、海上目标探测与跟踪等领域应用广泛[5-6]。然而在高海况下，目标起伏剧烈、干扰方式多样，二维雷达图像由于合成孔径时间较长，需要方位向积累，数据量大、运算速度慢，往往出现散焦或无法成像的问题，导致目标识别与分类失效[7]。相较于二维雷达图像，HRRP作为一维数据，仅需进行一维脉压处理，成像简单快速，数据量小，易存储，且具备距离维上的高分辨率[8]。特别是在高海况等复杂环境下，HRRP仍可保证单帧脉压结果输出，是强对抗条件下最后失效的一种信息获取手段。因此，基于HRRP的目标特征提取和目标识别在存储量有限、实时处理要求高、高精度识别等应用需求中拥有显著优势。

在HRRP目标特征提取方法中，现有研究大多利用HRRP获取目标的结构、微多普勒以及散射中心分布等特征[3,9]，其主旨思想是提取目标的稳健特征。Liu等从HRRP中提取中心矩和分布熵等平移不变特征，将这些特征组合成新的特征向量作为目标特征向量[10]。Pilcher等人定义了波峰数量、距离像真实长度、质心、两个最大峰间距和最大峰到近距离边缘距离五个目标特征，分别从HH极化和VV极化中提取了目标的10个特征[11]。范学满等人分别从散射随机性、散射矩阵结构性、物理结构和Mueller矩阵相似性中提取了目标的39个特征，提出了一种基于归一化互信息并利用模拟退火算法进行优化的全局最优特征选择算法NMI-SA，从39个特征中筛选出了25个辨别力强、冗余度低的最优特征[12]。Xu等人针对HRRP的姿态敏感性提取目标HRRP的平均功率作为目标识别的特征[13]。邱祥风等人通过时序HRRP数据估计目标径向尺寸，获取了目标径向尺寸的均值、极差、中值和结尾均值四种特征[14]。综上所述，现有研究多集中于从HRRP中提取目标径向信息，而利用HRRP反演目标高程信息的信号处理方法仍缺少较完整的方法体系。

大型舰船由于体量和用途各不相同，甲板表面具有位置不同、高度不同的舰岛、雷达电子设备、电子桅杆以及起落架等强散射特征结构，在高度维上呈现出显著不同的结构特征，因此舰船特征部位的高程信息亦是其稳健特征。

如图1所示，假设某舰船的甲板和舰岛顶端分别存在两个强散射点，可将两者的相对高度差作为该舰船的独有特征。当船体发生六自由度摇荡运动时，船上不同高度的特征部位会形成不同的摆动幅度，使得目标的同一部位在连续帧HRRP中形成不同程度的跨距离单元移动，呈现出不同的微动特性。本文根据这一原理，提出一种高海况下反演舰船特征部位高程信息的信号处理方法。

图1　舰船舰岛最高点与甲板之间的高度差示意图

本文详细内容请下载：

http://www.chinaaet.com/resource/share/2000007304

作者信息：

刘一萱1，2，成幸儿1，2，白宇桐1，2，张卓1

（1.中国科学院空天信息创新研究院 微波成像全国重点实验室，北京 100094；

2.中国科学院大学 电子电气与通信工程学院，北京 100049）