组网雷达中弹道目标微动特征提取与识别综述

冯存前李靖卿贺思三张 豪

①(空军工程大学防空反导学院 西安 710051)

②(信息感知技术协同创新中心 西安 710077)

组网雷达中弹道目标微动特征提取与识别综述

冯存前①②李靖卿*①贺思三①张 豪①

①(空军工程大学防空反导学院 西安 710051)

②(信息感知技术协同创新中心 西安 710077)

针对组网雷达中弹道中段目标微动特征难以识别与分辨的问题，文中分析了弹道中段目标微动特征的差异，总结了基于低分辨雷达网和高分辨成像雷达网的雷达目标微动特征提取技术在反导预警探测中的应用与研究现状，并分析了此类识别手段的优缺点。在此基础上，探讨了今后低分辨雷达和高分辨成像雷达相结合的混合体制雷达网在弹道中段目标识别中的主要研究方向，为进一步推动组网雷达中弹道目标识别研究提供参考和基础。

微动特征；微多普勒；成像特征；混合体制雷达网

Reference format: Feng Cun-qian,Li Jing-qing,He Si-san,et al.. Micro-Doppler feature extraction and recognition based on netted radar for ballistic targets[J]. Journal of Radars,2015,4(6): 609–620. DOI: 10.12000/JR15084.

随着战场环境的日趋复杂和目标特征控制技术的应用，仅依靠单基地雷达来实现目标的探测及分类识别显然是不够的，组网雷达技术为弹道目标微动特征的研究和应用提供了一个新的突破口。组网雷达系统不仅包括低分辨雷达，而且还包括高分辨成像雷达，组网雷达反导探测系统示意图如图1所示。目前在远程反导雷达的探测与识别能力的研究、雷达融合信息处理技术等领域已取得了一定的进展。但现有的研究在某些方面还仅仅限于理论的探讨，将组网雷达理论应用于弹道目标的探测与识别领域少见公开报道。本文分析了弹道目标的微动特性，梳理了国内外在弹道目标探测与识别领域内基于组网雷达的微动特征提取方法，并分析了现有方法的不足。最后结合实际情况，探讨了今后的研究方向，以期推动雷达网的构建与发展，使其进一步适应现阶段现代战争对雷达功能需求的考验。

图 1 组网雷达反导探测系统示意图Fig. 1 Schematic diagram of anti-missile detecting system by netted radar

2 弹道中段目标微动特性分析

近年来，利用目标微动信息进行弹道目标识别的方法受到国内外研究机构和学者们的广泛关注。弹道目标的微动特征不仅包括弹道目标为实现自身稳定、空间定向而产生的自旋运动，还包括受气流扰动和弹体分离、多弹头或诱饵释放时来自其他载荷横向力矩的干扰而引起的锥旋和摆动等微小运动[6,7]。本节主要从弹道中段目标微动建模、弹道中段目标微动特征提取以及弹道中段目标微动特征提取面临的困难及其工程应用等方面出发，论述现今国内外研究人员在弹道中段目标微动特性分析方面已取得的研究成果以及工程方面的问题。

2.1 弹道中段目标微动建模

为了验证目标运动特征作为中段弹道目标识别的可行性，美国分别在1999年3月和10月进行了两次Firefly实验，成功地观测到了诱饵释放、伸展及微动等细节运动过程[8]。在此基础上，美国在2000年又资助了一项旨在深入研究引发弹道目标微动现象的运动学原理方面的研究[9]。

通过空间目标的力学分析可知[10]，微动特征与空间目标的质量大小、分布有关。由于弹道目标的有效载荷有限，诱饵与真弹头的质量大小及其质量分布不可能完全相同，这必然会导致诱饵与真弹头的自旋频率、锥旋矢量存在较大差异。因此，微动特征与目标的结构特征、电磁散射特性及常规运动特性等目标固有属性一样，可以作为弹道目标识别的重要特征。V.C. Chen首次统一了各种微动形态的运动学模型，诸如振动、旋转、翻滚、进动4类基本微动形态[11]。为了验证微动模型的可行性与正确性，加拿大的Montenegro大学进行了角反射器外场测试实验[12]，得到了与理论推导相一致的微多普勒结构，如图2所示。

国内的国防科大也做了类似的实验[13]，有效地验证了微动模型的正确性。为了简化计算，国防科大的陈行勇简化了目标的运动模型，预先设定该型锥体目标锥顶不动、进动角是固定的[14]。为了有效识别真假目标，航天二院的高红卫分别分析了真弹头、诱饵的运动特性，指出了它们之间存在的差异性，并分别对真弹头、诱饵进行了模型构建[15]。但以上分析都存在“万向节死锁”等问题，为了克服此类缺陷，航天二院23所的孙永健根据真弹头与诱饵之间的微动差异，通过引入四元数的概念，分别对进动和摆动进行建模分析，实现了弹道目标微动特征的分类与提取[16]。而对于一般弹道目标而言，其弹头部位一般没有尾翼，整体结构呈旋转对称，此时需要考虑弹头部位结合部或底面圆环结构产生的滑动现象。中电科14所的伍光新分析了弹道目标散射中心的变化特性及其存在的遮挡问题，分析了旋转对称进动弹头的微多普勒效应[17]。国防科大的刘进和马梁对进动弹头进行暗室测量实验，观察和分析了进动目标的动态散射特性，最后利用Taylor公式近似构建出进动目标的非理想滑动散射模型[18,19]，其微动形式并不服从正弦规律，这为弹道目标微多普勒特性的研究提供了新思路。

图 2 角反射器外场测试实验[12]Fig. 2 The outfield test of corner reflector[12]

2.2 弹道中段目标微动特征提取

弹道中段目标的微动特征提取是当前国内外研究的热点问题。归纳可知，基于微多普勒信息的特征提取方面的研究可分为微动模式识别、微动特征提取及基于微多普勒信息的结构特征提取3个方向。

在微动模式识别方面，Ben-Gurion大学的Bilik将基于微多普勒特征的分类方法运用于地基预警雷达[20]；西安电子科技大学的关永胜通过对回波信号谱的分析，对进动、摆动、自旋微动模式的分类进行了研究[21]；在此基础上，韩勋通过对回波信号时频图的分析，对弹头的进动、章动、自旋微动模式进行了研究[22]。

在中段目标微多普勒特征获取方面，国防科大的刘永祥提出可利用目标的纵横惯量比作为特征进行真假弹头识别[23]。为了计算惯量比，必须估计出目标的进动参数：进动周期与进动角。基于这一结论，国内各单位对不同雷达观测条件下的进动周期及进动角估计进行了广泛研究。针对高性能低分辨雷达，Liu和Ghogho利用RCS序列的周期性来估计弹头进动周期[24]。刘永祥和黎湘利用尖锥弹头RCS关于姿态角的近似解析关系式，对RCS随姿态角变化的单调区域进行分类讨论，估计尖锥目标的进动角[25]。而雷鹏则分别利用Hough变换对进动弹头暗室测量数据的参数估计展开了研究[26]。针对宽带回波数据，姚汉英和罗迎提出了基于距离像序列散射中心投影位置变化的进动参数估计方法[27,28]。金光虎基于宽带回波数据，提出了基于距离像序列及ISAR (Inverse Synthetic Aperture Radar) 像序列的进动参数估计算法[29]。总的来说，由于进动周期对应了观测量的变化周期，其估计基本原理相对简单、对应物理意义明确，发表的文献主要注重于如何在短观测时间内提高进动周期的估计精度[30]。进动角的估计则相对复杂，其基本原理是利用从回波信号中提取出的某个参数的变化幅度与进动角之间存在的对应关系，估计出进动角。

由于所提取参数的变化幅度通常不仅与进动角有关，还与目标的结构参数有关。因此，在进动角提取时，通常需要已知某些参数，如目标结构参数、雷达视线方向等。一般而言，刚体目标的微运动导致目标相对于雷达视线的姿态角发生改变。根据目标姿态角随时间的周期性变化规律，可以基于微动信息实现刚体目标的2维高分辨成像，从而进一步获得目标的结构参数。邹飞分析了弹头进动对ISAR成像的影响，指出利用传统成像算法难以获得聚焦的ISAR像[31]。根据所利用微多普勒信息的时间长度，现有的基于微动信息的ISAR成像算法主要分为两类：(1)利用多个周期的回波信号，通过对信号的匹配分解获得目标的2维高分辨像[32,33]；(2)利用1个周期内的回波信号，将观测时间内的微动等效为高阶复杂运动，利用复杂运动目标成像算法获得微动目标聚焦的ISAR像，如雷腾利用瞬时成像方法获得弹道目标聚焦的ISAR像[34]。

2.3 工程问题研究

V.C. Chen在文献[35]中指出：目标的微多普勒特征并不受限于距离分辨。升级改造的高性能窄带低分辨雷达也足以在多普勒域中产生目标的微多普勒特征[35,36]，而宽带高分辨雷达甚至可以得到目标的距离像及结构特征。表1给出了现有和计划部署雷达可观测到的微动特征。

表 1 雷达可观测到的微动特征Tab. 1 Micro-motion feature observed by radar

国外很早就开始了关于弹道目标微动特征的研究，并展开了一系列讨论与论证。美国起步较早，目前已经在弹道目标微动特征识别技术方面取得了大量的研究成果，其开发的利用微动特征识别威胁目标的识别算法和相关技术已经成功应用于已装备的S波段相控阵雷达AN/SPY-1[37]和THAAD GBR X-波段雷达[38]。国内在弹道目标微动特征识别技术方面起步较晚，现在仅停留在理论验证阶段。目前，组网雷达中基于微动特征的目标识别技术主要分为两类：一类是利用高性能低分辨雷达获取目标的微多普勒特征或散射中心分布规律等目标固有特性，从而实现目标的粗分类及特征提取；另一类是通过高分辨成像雷达获取目标的成像特征，如1维距离像(High Resolution Range Profile,HRRP)、2维逆合成孔径雷达(ISAR)像以及多维(包含俯仰角等)像等。由于可以直接通过距离像、方位像进行匹配识别，这类方法可以获取目标的尺寸、结构等更为精细的特征，从而实现目标的精确识别。

但是，结合国内外公开的研究成果，这两类方法存在如下几个问题[39–41]：

(1) 弹道目标中段运动是平动(包括目标的速度、加速度等参数)和微动的复合，平动会使微多普勒产生平移和倾斜，使得精度较高、信噪比性能较好的参数化瞬时多普勒提取方法模型参数增加，计算量增大，不利于微多普勒的快速高精度提取。此外，高速平动也可能使多普勒产生折叠，使基于模型的参数化瞬时多普勒提取方法和基于连续性的非参数化瞬时多普勒提取方法均失效。因此，在提取微多普勒前必须对复合运动回波进行平动补偿处理。现有的平动补偿方法大多假设中段目标在短时间内作匀速直线或变速直线运动，并不适用于作机动变向的目标，且实时性不强。如何有效补偿作机动变向目标的主体平动分量，还有待进一步研究。

(2) 高性能低分辨雷达可以完成对目标极化信息、微多普勒信息的获取，窄带识别的实时性较好，但探测精度较低、所获数据的维度较低，难以进一步提取目标的精细特征。虽然高性能低分辨雷达的载频越高，其微多普勒效应越显著。但载频过高会导致微多普勒产生模糊或混叠，现有很难有效解决这类问题。而且，窄带信号获取的微多普勒容易受到多散射点相互交叠的影响。频域或时频域中，弹道目标回波的微动特征通常表征为时变非平稳的多分量信号，它与主体平动分量或其自身包含的微动分量相互叠加在一起。瞬时频率常用于解析给定时刻目标微动分量的变化趋势，但它对应于时变信号相位信息的导函数，不适用于同一时刻具有多个微动频率分量的信号。因此，为了有效利用弹道目标的微动特征，分离和提取单分量微多普勒信号显得尤为重要。然而，现有方法难以适用这一情况。

(3) 高分辨成像雷达精度较高，可以实现对目标结构和微动信息更精确地测量，利于目标群分辨及3维成像。由于分辨率较高，目标对应的多个散射点在距离维上能够被有效分辨，这有效地解决了多分量微多普勒信号的混叠问题。但高分辨成像雷达价格昂贵，且占用信息处理资源较大，实时性不强。需要指出的是，现有的高分辨成像雷达多停留在试验验证阶段，具体性能有待进一步改进和提升。

通过以上的分析，不难看出高性能低分辨雷达与高分辨成像雷达优势各异、资源互补，将组网雷达技术引入弹道目标微动特征识别中可以弥补单基地雷达视角的局限性以及性能的不足，并获得更全面的参数估计和成像性能，符合当前的实际应用需求。同时，在工程实践中还需要考虑雷达系统的时间同步(相参性)、信号采样率、实时性等方面的问题。

3 组网雷达中弹道目标微动特征提取与识别

国外很早就开始了雷达组网方面的研究，并形成了一个集雷达信号与信息融合处理、雷达系统建模与构建于一体的基本框架结构。当前，包括美国在内的一些军事强国已经或部分构建了全方位、多层次的反导预警雷达网。需要指出的是，美国已在其本土和海外构建了一个由PAVE PAWS预警雷达、BMEWS雷达和X波段高精密跟踪监视雷达构成的陆基中段预警雷达网[42]，如图3所示。与此同时，美国也开展了一系列利用目标微动特征进行目标识别的试验和研究，雷达的特性及具体探测能力如表2所示。国内在这一领域的研究才刚刚起步，已基于单一体制雷达网开展了弹道目标微多普勒机理分析、微动特征提取等方面的研究工作，取得了丰富的研究成果。

图 3 陆基中段预警雷达系统[42]Fig. 3 The ground-based midcourse early warning radar system[42]

表 2 美国已部署或在研雷达的特性与探测能力[42,43]Tab. 2 The characteristics and the detection ability of deployed and understudied radars in America[42,43]

3.1 基于低分辨雷达网的弹道目标微动特征提取与识别

由于微多普勒特征并不受限于距离分辨，因此升级改造的高性能低分辨雷达网足以得到目标的微动信息。但是考虑到带宽的限制，高性能低分辨雷达获取的微动特征有限，主要为目标回波信号的微多普勒特征。图4为国防科技大学利用弹头模型进行的暗室实验[18]，该实验进一步测试了弹头类目标的微运动规律及特点，有效地验证了微动模型的正确性。

在低分辨雷达网中，通过雷达网多视角观测目标，可以获得全方位的目标微动信息，相当于目标在同一散射点处包含有多种姿态的微动信息。这不仅可以降低单部雷达识别准确性的要求，而且极大丰富了各散射点处的信息。目前，在低分辨雷达网中，弹道目标微动特征识别方法主要为基于目标微多普勒特征的识别方法。

通过实验及观测数据可知，微多普勒效应与目标的姿态角(目标与雷达视线的角度)有着密切的关系[11]。当姿态角发生变化时，雷达获取的微多普勒频率的频移也会发生极化。针对这一特点，V.C. Chen指出：相较于单基地雷达，多基地雷达可以获得更为完整的微多普勒特征或微多普勒频移[35]。Smith[44]讨论了利用多站雷达网获取的微多普勒信息进行目标分类的可行性。Yessad[45]利用语音识别工具进一步论证了微多普勒特征在地基预警雷达目标识别中的可行性。在此基础上，韩勋[46]利用目标不同散射点对应的瞬时频率变化的差异性，根据频谱熵将低分辨雷达网获取的多视角瞬时频率变化进行匹配处理，从而实现了空间目标的微动特征提取，但提取精度不高，抗噪性不强。向道朴[47]利用低分辨雷达网多通道观测中段目标群，结合准静态技术和多层快速多极子算法，计算出群目标的微多普勒回波，然后运用独立成分分析(Independent Component Analysis,ICA)算法将低分辨雷达网获取的群目标回波信号进行分离处理，最后应用时频分析方法得到回波信号的微多普勒，从而实现群目标分辨。

然而，由于高性能低分辨雷达获取的目标特征信息相对不足，当诱饵与真弹头的尺寸相近或质量分布基本一致时，利用微多普勒特征进行目标分辨就容易产生混淆。而且低分辨雷达获取的微多普勒信息维度较低，当采样率较低时，其探测数据误差较大，所含目标有用信号连续性不足，易受噪声干扰，难以有效实现中段群目标信号的分离和提取。

图 4 弹头暗室实验[18]Fig. 4 The dark room experiment of warhead[18]

3.2 基于高分辨雷达网的弹道目标微动特征提取与识别

由于低分辨雷达的距离分辨率有限，因此不能获取目标的尺寸、结构等细节特征，一般只能用于弹头、碎片以及一些常规诱饵的粗分辨，目标识别能力有限。为了实现弹道目标的精分辨，高分辨成像雷达应运而生。由于高分辨成像雷达的距离或角度分辨率远小于目标尺寸，因此它可以将各个目标的强散射中心单独孤立出来，形成能够反映目标精细特征的高分辨像。高分辨雷达成像一般包括1维距离像、2维ISAR像以及3维(包括俯仰角)高分辨像[48]。在组网雷达中，基于HRRP或ISAR像的雷达目标识别方法研究得较多，而基于3维高分辨像的雷达目标识别方法则鲜有报道。

3.2.1 1维距离像 随着高分辨成像雷达的兴起，高分辨成像识别已成为雷达目标识别领域的主要趋势。研究结果表明[49,50]，HRRP不仅能够表征弹道目标相对复杂的结构特征，而且易于获取和处理，具有极高的潜在研究价值。20多年来，美国高度重视HRRP在雷达目标识别领域的应用与研究，成果颇丰。国内也进行了卓有成效的研究，在基础理论分析和识别算法设计方面取得了较好的成果。图5为贺思三利用双角反射器模型进行的外场实验[51]，得到了与理论相一致的1维距离像。

由于组网雷达的多视角特性可以弥补单基地雷达视角的局限性以及遮挡效应的影响，促使多视角微多普勒[52]资源互补，因此组网雷达有利于目标的识别与精分辨。利用HRRP的识别方法主要包括两类：一类是直接利用HRRP序列或HRRP径向长度的多视角识别方法；一类是基于特征点重构的联合识别方法。

图 5 角反射器外场测试实验[51]Fig. 5 The outfield test of corner reflector[51]

直接利用HRRP进行目标识别的方法较多，Vespe[53]和Runkle[54]等人分析了HRRP的敏感性问题，指出利用多基地雷达的多视角特性可以有效弥补单部雷达获得的HRRP信息的缺失和不足，有利于进行空间目标识别，并进行了相关的验证分析。雷腾[55]分析了HRRP的周期调制特性，利用广义Randon 变换分别提取出3部雷达站在同一观测时间获取的HRRP中正弦曲线对应的幅度、均值和初相信息，并进行匹配关联处理，实现了空间目标的3维重构，精确估计出相关进动参数。宁超[56]推导出进动目标HRRP径向长度的精确函数表达式，在变视角观测的条件下提取出目标的结构参数。考虑到遮蔽的问题，贺思三[57]分析了影响进动目标距离像投影长度的进动参数和结构参数，然后利用最小二乘估计对雷达网中所有的观测信息直接进行参数估计，获得了较好的估计精度。张栋[58]解算出进动目标HRRP对应的线性和信号，利用高分辨雷达网提取出目标的微动参数。

基于特征点重构的联合识别方法研究得较少，罗迎[59]利用分布式组网雷达的多视角特性，在实现有翼弹道目标空间3维锥旋矢量重构的基础上，通过底面圆环滑动散射点的进动特征与微多普勒曲线之间存在的相互关系，提取出目标的3维微动特征。这类方法可以得到目标真实的3维微动参数，但对时间同步性的要求更高。

考虑到弹道目标的HRRP具有很强的姿态敏感性[60]，文献[61]进一步指出当目标与雷达视线之间的方位角改变0.2°时，就需要用一个新的距离像来重新表征目标。这表明，雷达网的计算量将会非常庞大，严重降低了此类方法的实用性。同时，弹道目标作为非合作目标，每次录取的距离像具有很强的平移敏感性，即它在距离波门中会存在一个不可预测的平移量，这就需要进行距离平齐处理，但此种处理的运算量依然很大。因此，高分辨雷达网很难单独依靠1维距离像信息来实现弹道目标的可靠识别。

3.2.2 2维ISAR像 相较于HRRP,ISAR像的姿态敏感性不强，且能获得更加丰富的目标信息，特别是目标的方位向信息，这使得基于ISAR像的识别技术已成为弹道目标识别技术发展的重要方向。为了适应日益复杂的战场电磁环境以及严峻的反导形势，多雷达组网ISAR技术以其优越的战场适应能力和可靠的空时频率互补特性越来越受到各国研究人员的青睐。

早在上世纪70年代，美国林肯实验室就利用先后研制的多部高分辨ISAR雷达构建了空间监视组合网[62]，用于空间目标的成像和识别研究。特别是，他们利用两部不同波段的高分辨ISAR雷达组建雷达网，通过相干融合处理，率先实现了跨波段高分辨雷达网的2维高分辨成像[63]。图6(a)为林肯实验室利用Haystack雷达和Haystack AuXiliary (HAX)雷达构建的ISAR雷达网，图6(b)为HAX雷达升级前后观测到的ISAR像。

图 6 高分辨ISAR雷达网Fig. 6 High-resolution radar network based on ISAR

意大利罗马大学的Pastina[65]根据分布式组网雷达的多视角特性，提出了一种基于分布式组网雷达的ISAR像识别方法。日本三菱公司的Suwa[66]还提出了一种基于多基站ISAR像序列的识别方法。我国起步较晚，经过近30年的发展，已在舰船、飞机、卫星等常规目标的ISAR成像识别方面取得了长足的进步，但在可变轨空间目标识别方面仅停留在理论研究方面。针对空间锥体目标，艾小峰[67]构建了T/R-R双基地ISAR成像模型，在预判最佳成像时间的基础上，通过扩展Hough变换和FFT算法分别获得了距离像分辨率和横向分辨率，从而实现了2维高分辨ISAR成像。考虑到ISAR像对姿态角变化的相对不敏感性，云日升[68]构造了多基站IASR转动转台模型，通过距离像投影矩阵和方位向多普勒信息，同时估计出各散射点的位置信息和运动参数。针对多视角ISAR回波信号的稀疏性问题，王琦[69]利用不同的包络对齐方法分别对跨波段多视角的高分辨ISAR回波数据按子孔径的内部、外部两部分进行对齐，结合多特显点综合法，对稀疏回波进行自聚焦和融合处理，最后利用外推法和FFT变换实现了2维高分辨ISAR成像。以上研究方法及结论都给基于高分辨ISAR雷达网的弹道目标识别技术提供了借鉴和指导意义。

弹道目标速度快、距离远、干扰源多，而现代雷达一般工作在宽窄带交替模式，这使得雷达的宽带观测时间有限且不连续，雷达需要不断地进行波束角域切换和重复频率调整，这必然会造成方位孔径稀疏。考虑到组网雷达的多视角观测特性，不同雷达进行相干成像必然会受方位孔径稀疏的影响，这会使传统的FFT分析失效。同时，孔径稀疏会引起IASR回波信号相位的不连续，给平动补偿带来极大困难。

4 发展趋势

微动特征识别是弹道目标识别的关键技术之一，组网雷达作为弹道目标微动识别的倍增器，是解决弹道群目标突防、有源无源干扰以及单部雷达搜索区域限制的有效途径。实际应用中，高性能低分辨雷达已大量应用于反导预警雷达，其实时性较好，但分辨率略有不足，探测能力有限；而宽带高分辨雷达主要用于舰船、空天目标的精细监视与成像识别，其价格昂贵，短时间内难以大量装备，且占用信息处理资源较大，实时性不强。因此，有效发挥现有低分辨雷达的优势，可以更好地解决当前弹道目标的识别问题。这就需要综合窄带低分辨雷达和宽带高分辨雷达，联合构造混合体制雷达网，以获取弹道目标的多种微动特征，增强弹道目标识别的准确性与可靠性。考虑到现有的高分辨雷达大多可以工作在窄带/宽带交替工作模式，因此，混合体制雷达网的构造方式有两种：

一种是升级改造技术性能较好的低分辨雷达，加装宽带收/发设备及配套信号处理设备，依靠改造后的低分辨雷达组网。美国海军研究室的Linde将窄/宽带与相结合的方法应用于Senrad 雷达上，对5类典型飞机的平均识别率达到82%[70]。

另一种是在升级改造低分辨雷达的基础上，联合宽带高分辨雷达，采用归一化处理和相干处理相结合的方法实现混合组网。林肯实验室就利用Millstone雷达获取的窄带RCS特征去评估宽带高分辨Haystack雷达和HAX雷达得到的ISAR像(包括有效负载、旋转频率等参数)，实现了高/低分辨雷达的融合识别[71]。

通过以上的分析，未来组网雷达中的弹道目标微动特征提取研究呈现以下几种发展趋势：

(1) 双特征融合提取

仅利用低分辨雷达或高分辨雷达中的一种微动特征进行融合识别，如低分辨雷达获得的微多普勒特征与高分辨雷达获取的HRRP进行联合识别。研究表明[72]，对同一散射点而言，低分辨雷达获取的时频信息与高分辨成像雷达获取的HRRP之间存在着一定的关系，即前者对应的微多普勒曲线可以等效为后者对应的微多普勒曲线的导函数，这就给混合体制雷达网中的数据关联提供了理论依据。从中段前期开始，通过低分辨雷达对目标群进行粗分辨，为后续高分辨雷达精分辨提供支撑。由于仅使用了个别特征进行融合识别，这种融合方法相对简单，易于论证与研究。

(2) 多特征融合提取

结合目标的结构特征及方向特征，根据混合体制雷达网提取的各种特征之间的内在联系，真正发挥出信息融合技术[73]的优势。如图7所示，以混合体制雷达网获取的目标极化特征为中介特征，利用低分辨雷达网获取的目标RCS特征或微多普勒特征估计出弹道目标的进动特征，为高分辨雷达网提供部分先验知识。通过数据融合相关处理，实现弹道目标精确识别。考虑到观测时间的限制以及数据的稀疏性，可以利用压缩感知或稀疏分解等新方法降低数据维度，提高算法在低采样率条件下的精确度。

图 7 多特征融合识别示意图Fig. 7 Schematic diagram of multi-feature fusion recognition

(3) 3维像重构提取

混合体制雷达网观测弹道目标时，不论是低分辨雷达，还是高分辨成像雷达，在多个回波积累期间都可以获得目标在不同姿态角下呈现出的1维或2维像切面序列，通过扩展关联技术[71]反推出目标的2维或3维结构。但是，由于视角的限制，雷达网中的任意一部雷达都不能单独获得真实可靠地反映目标结构的2维像或3维像。考虑到混合体制雷达网数据的多精度问题，需合理设置数据融合的权限及对象，根据多视角观测条件下雷达网的空间分布特性，利用同一散射中心包含的多种姿态的微动信息，重构出目标的高精度3维像，从而实现弹道目标的空间定标。因此，混合体制雷达网的3维重构技术意义重大。

5 结论

本文重点分析了弹道中段目标的微动特性，详尽地总结了国内外低分辨雷达网、高分辨成像雷达网在微动特征提取方面的实现方法及现有不足，提出了基于低分辨雷达和高分辨成像雷达的混合体制雷达网的实现方法和未来发展趋势，旨在进一步完善组网雷达中弹道目标微动特征识别技术，为弹道目标识别提供新的研究方向和更为广阔的发展前景。

[1]Steve F,Andrew M S,John M C,et al.. Countermeasures: a technical evaluation of the operational effectiveness of the planned US national missile defense system[C]. Union of Concerned Scienstists,Cambridge MA,2000.

[2]Cohort 311–121O/Team LCS,Missile Defense in the 21st Century Acquisition Environment: Exploring a BMDCapable LCS Mission Package[A]. Naval Postgraduate School,Monterey,CA,2013: 1–8.

[3]Johnson S B. Technical and institutional factors in the emergence of project management[J]. International Journal of Project Management,2013,31(5): 670–681.

[4]周万幸. 弹道导弹雷达目标识别技术[M]. 北京: 电子工业出版社,2011: 10–27. Zhou W X. BMD Radar Target Recognition Technology[M]. Beijing: Publishing House of Electronics Industry,2011: 10–27.

[5]Chen V C. Analysis of radar micro-Doppler signature with time-frequency transform[C]. Proceedings of the IEEE Workshop on Statistical Signal and Array Processing,Pocono Manor,PA,2000: 463–466.

[6]Chen V C. Advances in applications of radar micro-Doppler signatures[C]. 2014 IEEE Conference on Antenna Measurements & Application,Antibes,Juan-les-pins,France,2014: 1–4.

[7]Liu L H,McLernon D,Ghogho M,et al.. Ballistic missile detection via micro-Doppler frequency estimation from radar return[J]. Digital Signal Processing,2012,22(1): 87–95.

[8]Schultz K,Davidson S,Stein A,et al.. Range Doppler laser radar for midcourse discrimination: the Firefly experiments[C]. AIAA and SDIO 2nd Annual Interceptor Technology Conference,Albuquerque,NM,1993: 1–12. doi: 10.251416.1993–2653.

[9]Jaenisch H. Discrimination via Phased Derived Range[R]. MDA-02–003,Missile Defense Agency Small Business Innovation Research Program,2002.

[10]Guo K Y,Sheng X Q,Shen R H,et al.. Influence of migratory scattering phenomenon on micro-motion characteristics contained in radar signals[J]. IET Radar,Sonar & Navigation,2012,7(5): 579–589.

[11]Chen V C,Li F Y,Ho S S,et al.. Micro-Doppler effect in radar: phenomenon,model and simulation study[J]. IEEE Transactions on Aerospace and Electronic Systems,2006,42(1): 2–21.

[12]Thayaparan T,Stankovic L,and Djurovic I. Micro-Dopplerbased target detection and feature extraction in indoor and outdoor environments[J]. Journal of the Franklin Institute,2008,345(6): 700–722.

[13]李金梁,王雪松,刘阳,等. 雷达目标旋转部件的微Doppler效应[J]. 电子与信息学报,2009,31(3): 583–587. Li J L,Wang X S,Liu Y,et al.. Micro-Doppler effect of rotation structure on radar targets[J]. Journal of Electronics & Information Technology,2009,31(3): 583–587.

[14]陈行勇,陈海坚,王祎,等. 弹道导弹目标回波信号建模与雷达特征分析[J]. 现代雷达,2010,32(3): 27–31. Chen X Y,Chen H J,Wang Y,et al.. Analysis of echo model and radar signature for a ballistic missile target[J]. Modern Radar,2010,32(3): 27–31.

[15]高红卫,谢良贵,文树梁,等. 弹道导弹目标微动特性的微多普勒分析与仿真研究[J]. 系统仿真学报,2009,21(4): 954–958. Gao H W,Xie L G,Wen S L,et al.. Micro-Doppler analysis and simulation study of micro-motion performance of ballistic missile targets[J]. Journal of System Simulation,2009,21(4): 954–958.

[16]孙永健,穆贺强,程臻,等. 基于四元数矩阵奇异值的目标特征提取与识别[J]. 电波科学学报,2015,30(1): 160–166. Sun Y J,Mu H Q,Cheng Z,et al.. Ballistic targets feature extraction and recognition based on QMSVD[J]. Chinese Journal of Radio Science,2015,30(1): 160–166.

[17]伍光新,王建明,周伟光. 进动弹头目标微多普勒分析与仿真[J].现代雷达,2010,32(12): 30–34. Wu G X,Wang J M,and Zhou W G. Micro-Doppler analysis and simulation on precession warhead target[J]. Modern Radar,2010,32(12): 30–34.

[18]刘进,王雪松,马梁,等. 空间进动目标动态散射特性的实验研究[J]. 航空学报,2010,31(5): 1014–1023. Liu J,Wang X S,Ma L,et al.. Experimental study on dynamic scattering properties of space precession target[J]. Acta Aeronautica et Astronautica Sinica,2010,31(5): 1014–1023.

[19]马梁,刘进,王涛,等. 旋转对称目标滑动型散射中心的微Dopller特性[J]. 中国科学：信息科学,2011,41(5): 605–616. Ma L,Liu J,Wang T,et al.. Micro-Doppler characteristics of sliding-type scattering center on rotationally symmetric target[J]. Scientia Sinica Informationis,2011,41(5): 605–616.

[20]Bilik I,Tabrikian J,and Cohen A. GMM-based targetclassification for ground surveillance Doppler radar[J]. IEEE Transactions on Aerospace and Electronic Systems,2006,42(1): 267–278.

[21]关永胜,左群声,刘宏伟. 基于微多普勒特征的空间锥体目标识别[J]. 电波科学学报,2011,26(4): 209–215. Guan Y S,Zuo Q S,and Liu H W. Micro-Doppler signature based cone-shaped target recognition[J]. Chinese Journal of Radio Science,2011,26(4): 209–215.

[22]韩勋,杜兰,刘宏伟,等. 基于时频分布的空间锥体目标微动形式分类[J]. 系统工程与电子技术,2013,35(4): 684–691. Han X,Du L,Liu H W,et al.. Classification of micromotion form of space cone-shaped objects based on timefrequency distribution[J]. Systems Engineering and Electronics,2013,35(4): 684–691.

[23]刘永祥,黎湘,庄钊文. 导弹防御系统中的雷达目标识别技术进展[J]. 系统工程与电子技术,2006,28(8): 1188–1192. Liu Y X,Li X,and Zhuang Z W. Review of radar target discrimination in ballistic missile defense system[J]. Systems Engineering and Electronics,2006,28(8): 1188–1192.

[24]Liu L H,Ghogho M,McLernon D,et al.. Pseudo maximum likelihood estimation of ballistic missile precession frequency[J]. Signal Processing,2012,92(9): 2018–2028.

[25]Liu Y X,Li X,and Zhuang Z W. Estimation of micromotion parameters based on micro-Doppler[J]. IET Signal Processing,2010,4(3): 213–217.

[26]Lei P,Sun J P,Wang J,et al.. Micro-motion parameter estimation of free rigid targets based on radar micro-Doppler[J]. IEEE Transactions on Geoscience and Remote Sensing,2012,50(10): 3776–3786.

[27]姚汉英,孙文峰,马晓岩. 基于高分辨距离像序列的锥体目标进动和结构参数估计[J].电子与信息学报,2013,35(3): 537–543. Yao H Y,Sun W F,and Ma X Y. Precession and structure parameters estimation of cone-cylinder target based on the HRRPs[J]. Journal of Electronics & Information Technology,2013,35(3): 537–543.

[28]Luo Y,Zhang Q,Qiu C W,et al.. Three-dimensional micromotion signature extraction of rotating targets in OFDM-LFM MIMO radar[J]. Progress In Electromagnetics Research,2013,140: 733–759.

[29]金光虎,高勋章,黎湘,等. 基于ISAR像序列的弹道目标进动特征提取[J]. 电子学报,2010,38(6): 1233–1238. Jin G H,Gao X Z,Li X,et al.. Precession feature extraction of ballistic targets based on dynamic ISAR image sequence[J]. Acta Electronica Sinica,2010,38(6): 1233–1238.

[30]肖立,周剑雄,何峻,等. 弹道中段目标进动周期估计的改进自相关法[J]. 航空学报,2010,31(4): 812–818. Xiao L,Zhou J X,He J,et al.. Improved autocorrelation method for precession period estimation of ballistic target in midcourse[J]. Acta Aeronautica et Astronautica Sinica,2010,31(4): 812–818.

[31]Zou F,Fu Y W,and Jiang W D. Micro-motion effect in inverse synthetic aperture radar imaging of ballistic midcourse targets[J]. Journal of Central South University,2012,19(6): 1548–1557.

[32]Bai X R,Zhou F,Xing M D,et al.. High-resolution ISAR imaging of targets with rotating parts[J]. IEEE Transactions on Aerospace and Electronic Systems,2011,47(4): 2530–2543.

[33]Zhang L,Li Y C,Liu Y,et al.. Time-frequency characteristics based on motion estimation and imaging for high speed spinning targets via narrowband waveforms[J]. SCIENCE CHINA Information Sciences,2010,53(8): 1628–1640.

[34]雷腾,刘进忙,李松,等. 基于MP稀疏分解的弹道中段目标微动ISAR成像新方法[J]. 系统工程与电子技术,2011,33(12): 2649–2654. Lei T,Liu J M,Li S,et al.. A novel ISAR imaging method of ballistic midcourse targets based on MP sparse decomposition[J]. Systems Engineering and Electronics,2011,33(12): 2649–2654.

[35]Chen V C. Micro-Doppler Effect in Radar[M]. [S. l.]: Artech House,2011.

[36]Gao H W,Xie L G,Wen S L,et al.. Micro-Doppler signature extraction from ballistic target with micromotions[J]. IEEE Transactions on Aerospace and Electronic Systems,2010,46(4): 1969–1981.

[37]Holzrichter J F. S-band radar micro-Doppler signatures for BMD discrimination[R]. MDA-04-137,Missile Defense Agency Small Business Innovation Research Program,2004.

[38]Ballistic Missile Defense Organization. 1994 Report to the congress on ballistic missile defense[R]. Washington,D.C.,July,1994.

[39]兰竹,郑坤,常晋聃. 弹道中段雷达目标特征仿真[J]. 电子信息对抗技术,2014,29(3): 51–57. Lan Z,Zheng K,and Chang J D. Simulation on radar target feature in ballistic midcourse[J]. Electronic Information Warfare Technology,2014,29(3): 51–57.

[40]Imam N,Barhen J,and Glover C W. Optimum sensors integration for multi-sensor multi-target environment for ballistic missile defense applications[C]. 2012 IEEE International Systems Conference,Vancouver,Canada,2012: 319–322.

[41]Pan X Y,Wang W,Liu J,et al.. Modulation effect and inverse synthetic aperture radar imaging of rotationally symmetric ballistic targets with precession[J]. IET Radar,Sonar & Navigation,2013,7(9): 950–958.

[42]Victoria S. American Missile Defense [M]. California: UnitedStates of America,2010: 44–78.

[43]Massachusetts Institute of Technology,Lincoln Laboratory. MIT Lincoln Laboratory Annual Report 2011[R]. Lexington,MA,2011: 22–23.

[44]Smith G E. Radar target micro-Doppler signature classification[D]. [Ph.D. dissertation],Department of Electronic and Electrical Engineering,University College London,2008.

[45]Yessad D,Amrouche A,Debyeche M,et al.. Micro-Doppler Classification for Ground Surveillance Radar Using Speech Recognition Tools[J]. Lecture Notes in Computer Science,2011,7042: 288–295.

[46]韩勋,杜兰,刘宏伟. 基于窄带雷达组网的空间锥体目标特征提取方法[J]. 电子与信息学报,2014,36(12): 2956–2962. Han X,Du L,and Liu H W. Feature extraction of space cone-shaped target based on narrow-band radar network[J]. Journal of Electronics & Information Technology,2014,36(12): 2956–2962.

[47]向道朴. 微多普勒回波模拟与微动特征提取技术研究[D]. [博士论文]，国防科学技术大学,2010: 95–111. Xiang D P. Research on micro-Doppler echo simulation and micro-motion signature extraction technology[D]. [Ph.D. dissertation],National University of Defense Technology,2010: 95–111.

[48]Wang Q,Xing M D,Lu G Y,et al.. High-resolution threedimensional radar imaging for rapidly spinning targets[J]. IEEE Transactions on Geoscience and Remote Sensing,2008,46(1): 22–30.

[49]Ai X F,Zou X H,Li Y Z,et al.. Bistatic scattering centres of cone-shaped targets and target length estimation[J]. SCIENCE CHINA Information Sciences,2012,55(12): 2888–2898.

[50]Pan M,Du L,Wang P H,et al.. Noise-robust modification method for Gaussian-based models with application to radar HRRP recognition[J]. IEEE Geoscience and Remote Sensing Letters,2013,10(3): 558–562.

[51]He S S,Zhou J X,Zhao H Z,et al.. Analysis and extraction of stepped frequency radar signature for micro-motion structure[J]. IET Radar,Sonar & Navigation,2009,3(5): 484–492.

[52]Smith G E,Woodbridge K,Baker C J,et al.. Multistatic micro-Doppler radar signatures of personnel targets[J]. IET Signal Processing,2010,4(3): 224–233.

[53]Vespe M,Baker C,and Griffiths H. Radar target classification using multiple perspectives[J]. IET Radar,Sonar & Navigation,2007,1(4): 300–307.

[54]Liao X,Runkle P,Jiao Y,et al.. Identification of ground targets from sequential HRR radar signatures[C]. Proceedings 2001 IEEE International Conference on Acoustics,Speech,and Signal Processing,Salt Lake City,UT,2001,5: 2897–2900.

[55]雷腾,刘进忙,杨少春,等. 基于三站一维距离像融合的弹道目标特征提取方法研究[J]. 宇航学报,2012,33(2): 228–234. Lei T,Liu J M,Yang S C,et al.. Study on feature extraction method of ballistic target based on three-station range profiles[J]. Journal of Astronautics,2012,33(2): 228–234.

[56]宁超,黄璟,黄培康. 基于HRRP的进动锥体目标特征参数求解方法[J]. 系统工程与电子技术,2014,36(4): 650–655. Ning C,Huang J,and Huang P K. Solution for characteristic of precession cone-shaped target using HRRP[J]. Systems Engineering and Electronics,2014,36(4): 650–655.

[57]He S S,Zhao H N,and Zhang Y S. Precession feature extraction for ballistic target based on networked high resolution radar[J]. Journal of Computational Information Systems,2014,10(17): 7349–7358.

[58]张栋,冯存前,贺思三,等. 组网雷达弹道目标三维进动特征提取[J]. 西安电子科技大学学报,2015,42(2): 146–151. Zhang D,Feng C Q,He S S,et al.. Extraction of three-Dimensional precession features of ballistic targets in netted radar[J]. Journal of Xidian University,2015,42(2): 146–151.

[59]Luo Y,Zhang Q,Yuan N,et al.. Three-Dimensional precession feature extraction of space targets[J]. IEEE Transactions on Aerospace and Electronic Systems,2014,50(2): 1313–1329.

[60]Li H J,Farhat N H,Shen Y,et al.. Image understanding and prediction in microwave diversity imaging[J]. IEEE Transactions on Antennas and Propagation,1989,37(8): 1048–1057.

[61]August W Rihaczek and Stephen J,et al.. Theory and Practice of Radar Target Identification[M]. Hershkowitz [S.l.]: Artech House,2000.

[62]Ausherman D A,Kozma A,Walker J L,et al.. Developments in radar imaging[J]. IEEE Transactions on Aerospace and Electronic Systems,1984,20(4): 363–399.

[63]Cuomo K M,Piou J E,and Mayhan J T. Ultrawide-band coherent processing[J]. IEEE Transactions on Antennas and Propagation,1999,47(6): 1097–1107.

[64]Massachusetts Institute of Technology,Lincoln Laboratory. MIT Lincoln Laboratory Annual Report 2009[R]. Lexington,MA,2009: 13–14.

[65]Pastina D,Bucciarelli M,and Lombardo P. Multistatic and MIMO distributed ISAR for enhanced cross-range resolution of rotating targets[J]. IEEE Transactions on Geoscience and Remote Sensing,2010,48(8): 3300–3317.

[66]Suwa K,Wakayama T,and Iwamoto M. Three-dimensional target geometry and target motion estimation method using multistatic ISAR movies and its performance[J]. IEEE Transactions on Geoscience and Remote Sensing,2011,49(6): 2361–2373.

[67]Ai X F,Huang Y,Zhao F,et al.. Imaging of spinning targets via narrow-band T/R-R bistatic radars[J]. IEEE Geoscience and Remote Sensing Letters,2013,10(2): 362–366.

[68]云日升. 多基站ISAR三维转动转台目标成像研究[J]. 电子与信息学报,2010,32(7): 1692–1696. Yun R S. Multi-static ISAR three-dimension turntable imaging and simulation[J]. Journal of Electronics & Information Technology,2010,32(7): 1692–1696.

[69]王琦,李亚超,邢孟道,等. 多视角ISAR成像研究[J]. 西安电子科技大学学报,2007,34(2): 165–169. Wang Q,Li Y C,Xing M D,et al.. A study of ISAR imaging of spatial diversity angles[J]. Journal of Xidian University,2007,34(2): 165–169.

[70]Linde G. Use of wide-band waveforms for target recognition with surveillance radar[C]. The Record of the IEEE 2000 International Radar Conference,Washington D. C.,USA,2000: 128–133.

[71]Camp W W,Mayhan J T,and O'Donnell R M. Wideband radar for ballistic missile defense and range-Doppler imaging of satellites[J]. Lincoln Laboratory Journal,2000,12(2): 267–268.

[72]张群,罗迎. 雷达目标微多普勒效应[M]. 北京: 国防工业出版社,2013: 22–81. Zhang Q and Luo Y. Micro-Doppler Effect of Radar Targets[M]. Beijing: National Defense Industry Press,2013: 22–81.

[73]Maurer D E,Schirmer R W,Kalandros M K,et al.. Sensor fusion architectures for ballistic missile defense[J]. Johns Hopkins APL Technical Digest,2006,27(1): 19–31.

冯存前(1975–)，男，空军工程大学教授，博士生导师，研究方向为雷达信号处理、雷达电子战新技术。

E-mail: fengcunqian@sina.com

李靖卿(1989–)，男，2013年于空军工程大学获军事学学士学位，现为空军工程大学雷达电子防御研究室研究生，研究方向为雷达信号处理。

E-mail: lijingqing_1025@126.com

贺思三(1981–)，男，空军工程大学讲师，研究方向为雷达信号处理、复杂运动目标成像。

E-mail: hesisan@163.com

张 豪(1989–)，男，2013年于空军工程大学获军事学学士学位，现为空军工程大学雷达信号与信息处理实验室研究生，研究方向为雷达信号处理。

E-mail: 875971393@qq.com

Micro-Doppler Feature Extraction and Recognition Based on Netted Radar for Ballistic Targets

Feng Cun-qian①②Li Jing-qing①He Si-san①Zhang Hao①

①(Air and Missile Defense College,Air Force Engineering University,Xi'an 710051,China)

②(Collaborative Innovation Center of Information Sensing and Understanding,Xi'an 710077,China)

This study examines the complexities of using netted radar to recognize and resolve ballistic midcourse targets. The application of micro-motion feature extraction to ballistic mid-course targets is analyzed,and the current status of application and research on micro-motion feature recognition is concluded for singlefunction radar networks such as low- and high-resolution imaging radar networks. Advantages and disadvantages of these networks are discussed with respect to target recognition. Hybrid-mode radar networks combine low- and high-resolution imaging radar and provide a specific reference frequency that is the basis for ballistic target recognition. Main research trends are discussed for hybrid-mode networks that apply micromotion feature extraction to ballistic mid-course targets.

Micro-motion feature; Micro-Doppler; Imaging feature; Hybrid-scheme radar network

1 引言

弹道目标识别技术是战略预警能力和反导作战能力的集中体现，对遏制战争中攻击方“先发制人”军事打击的作战企图起着重要的作用。目前，中段防御被认为是反导作战的关键阶段[1]。在多弹头分导技术和诱饵技术不断完善和发展的背景下[2,3]，攻击方弹道导弹参数通常很难获取，这使得基于涂覆层特征、结构特征及常规运动特性的特征识别技术已经很难从目标群中识别出真弹头[4]。因而，必须利用不依赖于目标结构、电磁等参数的细节特征来进行目标识别。自V.C.Chen首次将微动概念引入到雷达目标识别以来[5]，利用目标微动特征进行目标识别的方法已成为雷达目标识别领域的一个研究热点。

s: The National Natural Science Foundation of China (61372166,61501495),The Natural Science Foundation Research Project of Shaanxi Province (2014JM8308)

TN95

A

2095-283X(2015)-06-0609-12

10.12000/JR15084

10.12000/JR15084.

2015-07-03；改回日期：2015-11-17；网络出版：2015-12-21

李靖卿 lijingqing_1025@126.com

国家自然科学基金(61372166,61501495)，陕西省自然科学基础研究计划(2014JM8308)

引用格式：冯存前,李靖卿,贺思三,等. 组网雷达中弹道目标微动特征提取与识别综述[J]. 雷达学报,2015,4(6): 609–620.