● 摘要
利用高分辨率雷达获得的目标高分辨距离像（HRRP）能反映雷达目标精细的结构特征，对目标检测和识别非常有用。但是，由于复杂目标的高分辨率（HRR）雷达回波具有某种随机参数的特性，不同于常规的低分辨（LRR）雷达回波，如何利用高分辨距离像实现一体化的高分辨雷达目标检测、跟踪、成像和识别，已经成为雷达技术领域的研究热点。本文的工作正是在这种研究背景下展开的。针对雷达目标距离像，本文研究讨论了多种高分辨雷达目标检测及目标识别方法，主要包括以下几个方面：第一章介绍了高分辨雷达目标检测与识别的研究背景，对现有的高分辨雷达目标检测与识别方法进行了较为全面的总结和回顾。第二章从目标的散射中心模型出发，对目标高分辨距离像的物理特性进行了深入的研究，具体分析了HRRP的方位、平移、强度和载频敏感性。介绍了松弛方位、平移和幅度敏感性的基本方法，同时指出HRRP的载频敏感性同目标尺寸和雷达带宽有关。本章为后续的研究工作奠定了基础。第三章主要研究高分辨雷达目标检测。提出了一种基于幅度加权的脉内能量积累方法，并应用于单脉冲检测和多脉冲积累检测中。在此基础上，重点研究了雷达系统的频段、绝对带宽与相对带宽对目标检测性能的影响。最后，对比研究了能量相同的条件下，高、低分辨率雷达系统的检测性能。理论与实验研究均表明，采用合适的检测方法时，高分辨雷达检测性能优于低分辨率雷达。第四章研究雷达信号带宽、载频和信噪比等雷达系统参数以及目标尺寸大小对目标识别性能的影响。首先以模板匹配法为例，分析了基于雷达高分辨距离像的雷达目标识别基本流程。然后利用目标电磁散射理论模型的计算数据，进行了识别仿真实验，得到了识别概率与雷达带宽、信噪比之间的三维关系，其研究结论对雷达系统的设计具有参考价值。第五章讨论雷达HRRP的统计建模问题。首先给出了选择混合模型的动机；其次，在HRRP样本各距离单元回波相互独立的统计假设下，对HRRP样本建立Gaussian分布混合模型（GMM），研究其参数估计方法。提出了一种HRRP样本的稳健t-混合模型（TMM），由于t-分布尾部较重，抗噪声性能好，是替代高斯密度的标准选择。针对基于两种混合模型的雷达HRRP统计识别，引入一种改进的模糊C均值（FCM）模型初始化算法，提高了目标识别性能。第六章研究基于角闪烁统计模型的HRRP雷达目标识别方法。现有的基于高分辨一维距离像的识别工作大都利用HRRP的幅度像，此时没有很好地利用相位中所包含的目标的横向信息。本章首先研究了利用复数HRRP进行角闪烁统计建模方法，并利用最大似然-最小二乘（ML-ES）参数估计方法提取目标横向特征；然后提出利用增强距离像进行目标识别的算法，并设计了一个近邻-模糊（NN-FUZ）多级分类器。仿真实验表明了该算法性能的优越性。最后，我们对全文工作进行了总结，并给出下一步工作的展望。