復(fù)數(shù)域HRRP圖像識別綜合仿真平臺設(shè)計(jì)?

趙 晅 泮益恒

（1.海軍工程大學(xué) 武漢 430022）（2.92916部隊(duì) 三亞 572000）

1 引言

復(fù)數(shù)域高分辨率一維距離像（Complex High Resolution Range Profiles，C-HRRP）識別在一定程度上優(yōu)于實(shí)數(shù)域高分辨率一維距離像（High Resolution Range Profiles，HRRP）圖像識別，且近幾年來國內(nèi)外逐漸展開了在全極化領(lǐng)域的HRRP圖像的研究，并逐漸成為研究的熱點(diǎn)［1～2］。為了方便在復(fù)數(shù)域HRRP圖像研究方面進(jìn)行后續(xù)研究工作，本文基于Matlab appdesigner設(shè)計(jì)完成了一套綜合軟件仿真平臺CP-HRRPro（Complex Polarimetric High Resolution Range Profiles data Processor），該軟件仿真平臺主要包括以下四個子模塊：單極化復(fù)數(shù)域HRRP仿真模塊、全極化復(fù)數(shù)域HRRP混合數(shù)據(jù)仿真模塊、單目標(biāo)分類識別模塊和識別性能評估模塊。本文首先從需求的角度分析了該軟件系統(tǒng)的總體功能以及各個模塊的功能，給出了軟件設(shè)計(jì)思路，最后針對軟件各項(xiàng)功能進(jìn)行實(shí)現(xiàn)并得到測試結(jié)果。

2 基于PPCA統(tǒng)計(jì)識別流程

在雷達(dá)自動目標(biāo)識別的研究中，模型的構(gòu)建大多都是基于高斯分布的，概率主成分分析（Probabilistic Principal Component Analysis，PPCA）模型就是其中的一種［3～4］。給定的實(shí)數(shù)樣本 y可以根據(jù)PPCA模型表示為如下形式［5］：

其中，矩陣 A為d×q(q ＜d )維加載矩陣，向量μ為d×1維的均值向量，q×1維的向量z是對應(yīng)的隱變量，并且 z滿足 z～G(z|0，Iq)，G(z|0，Iq)表示z服從均值為0，協(xié)方差矩陣為q×q維的單位陣Iq的高斯分布，ε是 d×1維的噪聲向量，且ε～G(ε|0，σ2Id)［6］。通過采用期望最大化（Expectation Maximization，EM）算法可以得到參數(shù)估計(jì)值［7］，并將參數(shù)估計(jì)放入模板庫中用于目標(biāo)識別。具體識別流程如圖1所示［8］。

圖1 基于PPCA統(tǒng)計(jì)識別流程圖

根據(jù)圖1所示的流程圖可以看出，HRRP樣本的獲取是進(jìn)行目標(biāo)識別的基礎(chǔ)，在貝葉斯分類器下的判決輸出的結(jié)果決定了目標(biāo)的識別率。為了方便快速地得到目標(biāo)識別結(jié)果，并且將研究領(lǐng)域擴(kuò)展到全極化復(fù)數(shù)域，本文設(shè)計(jì)了一套綜合仿真軟件CP-HRRPro。根據(jù)識別流程，對該軟件做出如下幾個功能定位：1）能夠?qū)崿F(xiàn)對單極化復(fù)數(shù)域HRRP的數(shù)據(jù)仿真；2）能夠?qū)崿F(xiàn)全極化復(fù)數(shù)域HRRP數(shù)據(jù)仿真；3）能夠進(jìn)行單目標(biāo)的分類識別；4）能夠得出識別性能評估結(jié)果。基于上述的軟件功能定位，結(jié)合 Matlab appdesigner軟件設(shè)計(jì)方法［9］，將軟 件CP-HRRPro的總體功能設(shè)計(jì)框圖總結(jié)如圖2所示。

下面主要對CP-HRRPro軟件的各個具體的子功能模塊的任務(wù)需求進(jìn)行分析并完成對程序具體結(jié)構(gòu)的設(shè)計(jì)。

3 軟件平臺設(shè)計(jì)

3.1 單極化復(fù)數(shù)域HRRP仿真模塊

單極化復(fù)數(shù)域HRRP仿真模塊是進(jìn)行復(fù)數(shù)域單極化復(fù)雜目標(biāo)HRRP分類實(shí)驗(yàn)研究的基礎(chǔ)，該模塊分為四個部分功能：GTD典型目標(biāo)一維空間分布仿真、GTD典型目標(biāo)二維空間分布仿真、GTD典型目標(biāo)三維空間分布仿真、目標(biāo)運(yùn)動影響分析仿真。圖3為單極化復(fù)數(shù)域HRRP仿真模塊結(jié)構(gòu)框架，仿真時(shí)首先需要通過設(shè)置各仿真條件下的仿真次數(shù)、發(fā)射信號和、特征結(jié)構(gòu)以及GTD特征，然后調(diào)用GTD散射特性描述的關(guān)鍵參數(shù)，在進(jìn)行多組數(shù)據(jù)仿真時(shí)，還需引入噪聲信號發(fā)生器產(chǎn)生多組獨(dú)立噪聲信號，通過與HRRP仿真結(jié)果進(jìn)行疊加得到最終結(jié)果輸出。最后通過數(shù)據(jù)保存與傳遞功能進(jìn)行數(shù)據(jù)的輸出以及軟件內(nèi)部的數(shù)據(jù)傳遞。此外，本模塊還可以進(jìn)行對目標(biāo)運(yùn)動對HRRP成像的影響進(jìn)行分析。

圖2 CP-HRRPro軟件功能框圖

3.2 全極化復(fù)數(shù)域HRRP混合數(shù)據(jù)仿真模塊

全極化復(fù)數(shù)域HRRP混合數(shù)據(jù)仿真是本文數(shù)據(jù)仿真的另外一個重要組成部分，為了使仿真更貼近真實(shí)情況，參考典型的全極化實(shí)數(shù)域HRRP仿真方法，采用CST軟件［10］導(dǎo)入外部目標(biāo)模型，通過信號激勵獲取目標(biāo)的原始全極化散射回波后進(jìn)行匹配濾波的方式，得到全極化復(fù)數(shù)域HRRP仿真圖像［11］。此外，為了進(jìn)行蒙特卡洛實(shí)驗(yàn)，還支持通過信號噪聲發(fā)生器與全極化復(fù)數(shù)域HRRP圖像進(jìn)行疊加，仿真的結(jié)果輸出通過軟件的數(shù)據(jù)保存與傳遞功能進(jìn)行操作。

圖4 全極化復(fù)數(shù)域HRRP數(shù)據(jù)仿真模塊結(jié)構(gòu)框架

3.3 單目標(biāo)分類識別模塊

單目標(biāo)分類識別是驗(yàn)證識別算法有效性的有效工具之一［12］，進(jìn)行單目標(biāo)分類識別時(shí)，程序處理按照如圖5所示的單目標(biāo)分類識別模塊結(jié)構(gòu)框架進(jìn)行執(zhí)行。首先進(jìn)行錄入數(shù)據(jù)，在錄入數(shù)據(jù)時(shí)可以分別通過實(shí)部虛部法和幅度相位法錄入，然后用戶可以選擇單極化或全極化識別算法，然后進(jìn)行識別匹配，最后得到結(jié)果輸出以驗(yàn)證算法對單次目標(biāo)識別分類的有效性。其間還可以通過多視處理的操作驗(yàn)證視數(shù)對單次目標(biāo)識別的影響。

3.4 識別性能評估模塊

識別性能評估模塊是本軟件仿真平臺的核心模塊，程序執(zhí)行時(shí)按照圖6所示的識別性能評估模塊結(jié)構(gòu)框架圖進(jìn)行。切換到該面板時(shí)，用戶首先需要進(jìn)行數(shù)據(jù)的錄入，然后從實(shí)數(shù)域、復(fù)數(shù)域以及單極化和全極化對識別算法進(jìn)行選擇，并且可選擇是否進(jìn)行多視處理。針對每一種算法類，實(shí)數(shù)、復(fù)數(shù)和多視都可以進(jìn)行獨(dú)立選擇。完成對算法的選擇后，將進(jìn)行識別匹配，通過蒙特卡洛實(shí)驗(yàn)多次統(tǒng)計(jì)識別率，即可獲取所需的檢測性能曲線輸出。需要注意的是，一次評估結(jié)果只能處理單個角度目標(biāo)，若需處理多角度目標(biāo)，則需要進(jìn)行多次數(shù)據(jù)錄入，通過模塊內(nèi)嵌的數(shù)據(jù)保存與傳遞功能，可以將每個角度所得到的檢測性曲線進(jìn)行保存，并將用戶多次重復(fù)實(shí)驗(yàn)的結(jié)果進(jìn)行綜合處理得到各角度條件下對目標(biāo)識別的檢測性能輸出。

圖6 識別性能評估模塊結(jié)構(gòu)框架

4 軟件平臺實(shí)現(xiàn)與測試結(jié)果

復(fù)數(shù)域HRRP目標(biāo)識別綜合仿真平臺的最上方為主菜單欄選項(xiàng)，其下一層為二級菜單欄。選擇菜單欄的單極化復(fù)數(shù)域HRRP仿真，即可進(jìn)入該仿真模塊窗口，該模塊可以完成一維到三維空間設(shè)置所得目標(biāo)的HRRP仿真圖像并能完成運(yùn)動目標(biāo)對HRRP影響分析。圖7（a）所展示的為二維空間設(shè)置目標(biāo)所得到的HRRP幅度函數(shù)與相位函數(shù)圖。右下角的四個操作按鈕可以方便地將獲取的HRRP仿真圖像進(jìn)行后續(xù)處理，其中包括數(shù)據(jù)存儲、分類識別以及性能評估。

圖7（b）所示為全極化復(fù)數(shù)域HRRP仿真窗口，該界面的下方是數(shù)據(jù)錄入模塊，可選擇兩種數(shù)據(jù)錄入方式，分別為實(shí)部、虛部錄入和幅度、相位錄入方式。此外，該窗口可以同時(shí)對三類目標(biāo)進(jìn)行數(shù)據(jù)仿真，并通過面板上方的極化選擇可分別得到HH極化、HV極化、VH極化、VV極化的HRRP仿真圖像。圖7（b）所展示的為第一種數(shù)據(jù)錄入方式下的HH極化HRRP三種目標(biāo)的HRRP幅度圖像與相位圖像仿真結(jié)果。

圖7（c）所示為單目標(biāo)分類識別窗口，該功能窗口下方為數(shù)據(jù)的錄入以及參數(shù)的設(shè)置，面板左上方為HRRP仿真圖像的顯示以及判別，右上方則為識別結(jié)果的輸出。首先將HRRP數(shù)據(jù)進(jìn)行錄入，可分別得到已知目標(biāo)和待測目標(biāo)的HRRP幅度仿真圖，然后將待測目標(biāo)HRRP圖像與三類已知目標(biāo)仿真所得到HRRP進(jìn)行相似度比對，并輸出所得到的識別結(jié)果，即目標(biāo)艦船類型。

圖7 軟件綜合仿真平臺CP-HRRPro各功能窗口

識別性能評估模塊是本軟件的核心模塊，其界面如圖7（d）所示。性能評估窗口可完成三類目標(biāo)在全極化和單極化的識別率曲線圖。該界面右上方為三組目標(biāo)的數(shù)據(jù)錄入，其錄入的兩種形式與之前所介紹的數(shù)據(jù)錄入形式一致。界面的右下方為識別算法的選取，其中包括極化類型的選擇和算法類型的選擇，界面左側(cè)則為仿真輸出結(jié)果圖顯示。圖7（d）所示的為選擇在自適應(yīng)高斯分類器下，對三種目標(biāo)分別進(jìn)行全極化復(fù)數(shù)域識別和HH極化復(fù)數(shù)域識別所得到的識別性能曲線圖。在該操作界面的最右側(cè)有該界面仿真實(shí)驗(yàn)的控制按鍵，可以完成確定數(shù)據(jù)載入、執(zhí)行數(shù)據(jù)仿真以及數(shù)據(jù)保存等操作。

5 結(jié)語

本文基于Matlab appdesigner設(shè)計(jì)完成了一套綜合軟件仿真平臺CP-HRRPro，該仿真軟件能夠?qū)崿F(xiàn)單極化HRRP仿真、全極化HRRP仿真、單目標(biāo)分類識別實(shí)驗(yàn)以及不同極化在實(shí)數(shù)域和復(fù)數(shù)域的分類性能評估四項(xiàng)功能仿真。可以方便完成對參數(shù)的設(shè)置和更改以及數(shù)據(jù)的錄入、用戶可以更加直觀地根據(jù)需求顯示特定的結(jié)果，為后續(xù)繼續(xù)在復(fù)數(shù)域HRRP開展研究工作提供了便利，具有一定的實(shí)用價(jià)值。