基于雷达参数对两类飞机的识别率影响

罗才震

摘 要：雷达目标识别是对雷达探测功能延伸，在现代战争中占据的地位已经越来越重要了。直升机和螺旋桨飞机在现代社会中也是必不可少的两类飞机。微多普勒效应为雷达目标识别提供了新途径，同时也是现有雷达目标识别方法的有力补充。文章通过控制变量法，分析两类飞机的识别率是否受脉冲重复频率和驻留时间的影响。并且基于实测数据对其进行了验证。

关键词：两类飞机；微多普勒；特征提取；控制变量法

中图分类号：TN957 文献标志码：A 文章编号：2095-2945（2018）33-0077-02

Abstract： Radar target recognition is an extension of radar detection function， and it has become more and more important in modern warfare. Helicopter and propeller aircraft in modern society is also essential to the two types of aircraft. Micro-Doppler effect provides a new way for radar target recognition， and it is also a powerful supplement to the existing methods of radar target recognition. In this paper， the control variable method is used to analyze whether the recognition rate of the two types of aircraft is affected by the Pulse Repetition Frequency （PRF） and residence time， and it is verified based on the measured data.

Keywords： two types of aircraft； Micro-Doppler； feature extraction； control variable method

1 概述

雷达是利用电磁波反射技术检测目标的参数以及目标所在的位置，从而能够准确判断目标的位置，以便更熟悉掌握战场态势。所以雷达技术成为现代军事战场上不可或缺的一部分。但是随着科技的发展速度越来越快，现在战争对雷达的技术要求也越来越高，仅仅只能判断目标的位置等信息已经不能满足现代战争的要求，必须进一步掌握目标点的确切信息，因而雷达目标识别从此诞生。目标识别技术是雷达通过测量目标回波所反映目标表面物理参数，通过各个目标表面参数不同，从而对目标进行分类和识别[2]。

目标识别实质上就是使用机器学习的理论知识，然后结合雷达信号处理的理论，通过对目标回波的物理参数进行特征提取，从而对目标进行区分。

2 基于微多普勒的特征提取

该论文选取的是罗宾逊R44直升机和赛斯纳172螺旋桨飞机两种飞机进行实验，通过对两类飞机回波数据进行采集并且通过预处理后提取出两种飞机频谱所反映的不同特征。图1为两类飞机的频谱图。

在多普勒谱X=[X（1），X（2），...，X（N）]，设X（n）出现的概率为P（n）：

P（n）=，n=1，2，...，N

特征1：频域幅度方差

通过对两类飞机频谱的判断，两类飞机频谱幅度的波动不同，故两类飞机频域幅度方差可作为区分两类飞机的有效特征之一。频域幅度方差为：

其中：

？滓=（|X（n）|-mX）2其中：mx=|X（n）|

特征2：二阶中心矩

从图1可以看出，两类飞机多普勒维的形状信息反映不同，而二阶矩是一种旋转、平移和尺度不变特征，故二阶矩也可以作为区分两类飞机的有效特征。二阶矩表示为：

？滋2（n-n0）2P（n）

特征3：波形熵

波形熵是用来描述信源的平均不确定性，波形熵的值越小代表频域能量越集中。从图1可以看出，波形熵也可作为区分两类飞机有效特征之一。频域波形熵定义为：

Ex=-P（n）lnP（n）

3 仿真结果

3.1 两类飞机的分类

将罗宾逊R44直升机和赛斯纳172螺旋桨飞机的数据进行选取，罗宾逊R44飞机选取了500个样本，赛斯纳172螺旋桨飞机也选取了500个样本，将两种数据进行组合后的1000个样本随机抽取800个样本作为训练样本，剩余的200个样本作为测试样本，将训练样本通过SVM的训练，对测试样本进行识别。

3.2 雷达参数对识别率的影响

重频过低会导致速度模糊，而驻留时间过低会导致分辨率过低，所以本文以控制变量法更形象的说明识别率受这两个因素的影响[5]。

（1）重频对识别率的影响

保持驻留时间为45.1ms。

（1a）脉冲重复周期为26.4ms

从图2可以看出，当脉冲重复周期为26.4ms时，两类飞机的特征基本能全部分出来，平均识别率为96.83%。

（1b）脉冲重复周期为105.6ms

当脉冲重复周期继续为原来4倍，此时已经有多个点不能通过最优面区分，经过多次实验的结果，平均识别率为75.08%。

（2）驻留时间

保留脉冲重复周期105.6ms。

（2a）驻留时间为22.5ms。上述所取的驻留时间都为45.1ms，即可看出图3中混叠的点数较多，而此时利用SVM计算识别率降低到60.25%。

（2b）驻留时间为90.1ms。当驻留时间增大到90.1ms时，识别率有所提高，经统计该分辨率为81.75%。

（3）统计图如图4

图4可以看出重频越大，识别率越高。而在5Hz-20Hz的重频下，识别率随重频提高呈快速增长，而重频大于20Hz过后，识别率随重频的增大而几乎趋于稳定。而对于不同驻留时间，驻留时间过小会导致雷达分辨率过低而使识别率下降，当驻留时间增大，则会提高分辨率。通过控制变量法，根据识别率随重频和驻留时间的变化规律，可以選择适当重频和驻留时间对数据进行采集，而避免不必要的资源浪费。

4 结束语

本文通过控制变量法研究雷达参数对识别率的影响。实测数据表明所提取特征有效。本方法对战斗中区分目标的机型以便与做出正确判断有一定应用背景。本文还根据雷达参数变化来对识别率进行研究，所以雷达参数对分类效果有一定影响，我们在以后的工作中会对雷达的参数与识别率关系进行更深的研究。

参考文献：

[1]丁鹭飞，耿富录.雷达原理[M].西安：西安电子科技大学出版社，2002.

[2]王龙.人工神经网络在雷达目标识别中的应用[D].太原：中北大学，2015.

[3]陈伯孝.现代雷达系统分析与设计[M].西安：西安电子科技大学出版社，2012.

[4]MarkA.Richards.雷达信号处理基础（第二版）[M].西安：西安电子科技大学出版社，2012.

[5]陈尹翔.基于微多普勒的飞机目标分类识别技术[D].西安电子工程研究所，2017，3.

[6]赵彦斌.基于多特征融合和特征排序的飞机识别方法[J]，现代工业经济和信息化，2015，7（8）：42-44.