地面典型車輛雷達日標識別技術綜述

蔡紅軍 吳昭

摘要：地面目標識別是雷達目標識別的一個重要方面，戰場上輪式車輛如運輸車，負責各種物資的運輸，而履帶式車輛如各型號主戰坦克，主要負責作戰任務，因此進行地面戰車目標分類有助于現代戰爭取得成功。本文對地面典型車輛目標識別的國內外研究現狀進行綜述，對目前地面車輛目標特征提取及分類方法進行梳理總結，最后對地面車輛目標識別技術的發展趨勢進行展望，預期為地面車輛目標的分類識別研究提供參考和借鑒。

關鍵詞：履帶式坦克;輪式車輛;地面目標;目標識別

中圖分類號：TN957.52 文獻標識碼：A 文章編號：1007-9416（2020）05-0214-03

0引言

隨著雷達技術和信號處理技術的發展，雷達目標的自動識別技術主要在以下幾方面：一是窄帶雷達目標識別，但由于窄帶雷達的距離分辨率較低，其目標回波中包含的目標的信息有限;二是寬帶雷達目標識別，一維距離像能夠提供有關目標徑向長度和強散射點位置信息，且易于獲取，二維像包含的信息量更為豐富，有利于人工判讀，但受成像機理限制，成像條件嚴苛且作用距離較近;三是微動特征識別，英國已經研究出了基于微多普勒特征的單兵便攜式監測跟蹤雷達（Man Portable Surveillance and Tracking Radar，MSATR），實現了對行人，輪式車和履帶車的分類。從目前的文獻來看，大多基于微動特征實現車輛目標的識別。

本文針對地面戰車目標，對車輛目標微動模型進行了梳理，對其特征提取技術及分類識別方法進行歸納，并對其發展趨勢進行展望。

1地面車輛目標微動模型

對于車輛上的微運動部件，即輪式車輛的車輪和履帶式車輛的履帶，其運動形式主要為轉動。對于履帶來說，微運動還包括上下履帶的平動。需要注意的是，這里上下履帶的平動屬于微運動，是疊加于車身平動速度之上的。由于車輪和履帶的運動均可以簡化為平面內的運動，這意味著車輪和履帶相對于雷達并未發生三維旋轉，因此針對車輛目標的微多普勒分析可以進行化簡。

對于履帶，黃健等考慮到主動輪、誘導輪、負重輪的布局和相對位置，將履帶車輛分為三類并給出了微動部件回波模型，如圖2所示。第一類為一般的簡單履帶式車輛結構，履帶外部無附屬部件，履帶及其運動部分各部件暴露在外部;第二類為采用主動輪和負重輪懸掛而不承受車體重量的結構，此結構可提高履帶式車輛的越野機動性能和結構的可靠性;第三類為軍用履帶式車輛結構，通常都具有裙板、翼字板等結構，此結構會導致誘導輪的一部分和履帶的整個上半部分被裙板或翼字板遮蓋，電磁波不可見。

2地面戰車目標識別技術

2.1基于RCS的車輛目標識別

車輛目標因其雷達尺寸、結構復雜，導致雷達目標特征參數雷達散射界面積（Radar Cross Section，RCS）不易精確測試。張萬君等提出通過雷達方程構建步戰車RCS測量模型，由建模軟件對步戰車進行3D建模，用電磁仿真系統仿真典型輪式、履帶式步戰車RCS分布規律，再由比較法以雷達AGe（Automatic Gain Control）值對步戰車RCS進行定性測量與辨識驗證，初步實現了兩種步戰車的仿真辨識，為建立步戰車雷達目標特征參數辨識及目標特性識別體系奠定基礎。

2.2基于微多普勒效應的車輛目標識別

物體運動時，除了自身平動，某些部件還會有相對物體的運動，如運動車輛的車輪轉動、履帶的運動等。此時，車輛的車輪、坦克的履帶等部件相對于車體部件的運動會對雷達回波產生頻譜調制，正是利用輪式和履帶式車輛微多普勒調制的不同進行分類識別。利用微多普勒效應進行分析識別流程如圖3所示，首先建立目標微動模型，并基于此生成包含目標微動的回波，隨后進行微動特征提取，最后利用分類器進行識別不同類型的地面車輛目標。

黃健等系統研究了不同結構的履帶式車輛微動和微多普勒特征，并推導了由球形炮塔和多邊形炮塔的轉動及炮管俯仰運動激勵的微多普勒的理論公式，最后利用時頻分析方法進行目標參數提取。李彥兵、謝欣等針對輪式和履帶式目標的微多普勒譜，首先基于CLEAN算法和廣義匹配濾波器算法進行雜波抑制，然后利用多普勒譜提取波形熵、L1范數、車身分量與最大微多普勒譜分量的幅度比、車身分量與微運動分量的能量比等特征，基于sVM實現了輪式與履帶式車輛78.7%的識別率。

2.3基于一維距離像的車輛目標識別

為了獲取目標更加豐富的結構信息，必須使用寬帶信號探測目標，從而獲得目標的一維距離像（High Resolution Range Profile，HRRP）。HRRP是目標沿徑向距離分布的回波信號，反映了目標在不同距離分布上的散射能力。基于HRRP，—般可以提取目標徑向尺寸、散射點個數、波形熵、中心距等特征。

王亞平、馬筱青等對地面車輛目標的HRRP進行了分析，gilbert點模型、電磁仿真和外場試驗得到了目標的HRRP，并提取了目標的寬帶特征，對輪式車輛和履帶式車輛應用支持向量機分類器進行分類識別。欒英宏等利用分數傅里葉變換在時頻域對信號的混合表示的特點，將離散分數傅里葉變換和相關向量機應用于毫米波高分辨雷達一維距離像識別，并使用Fisher準則確定離散分數傅里葉變換的階數a，將一維距離像進行a階離散分數傅里葉變換，獲得信號的特征量，然后利用相關向量機網絡進行分類識別。

2.4基于SAK圖像的車輛目標識別

合成孔徑雷達（Synthetic Aperture Radar，SAR）是一種以有源主動方式工作的雷達系統，SAR圖像的像素灰度值反映了目標的微波散射特性。

基于車輛目標的SAR圖像，李禹、莊圓等首先將目標從背景信息中檢測出來，隨后提取了幾何特征、矩特征、轉角特征、陰影特征等特征，最后基于MSTAR數據集進行車輛目標分類識別。Carmine Clemente等利用離散Krawtchouk距對典型軍用車輛目標進行了分析。從目前的文獻來看，基于SAR圖像的地面典型車輛目標分析基本上基于MSTAR數據集。

3結論與展望

本文針對地面典型車輛雷達目標識別技術進行了總結，目前的車輛目標識別主要利用窄帶微多普勒特征、一維距離像特征KsAR圖像特征，并借助傳統的機器學習實現目標分類識別。在綜合現有車輛目標識別技術的基礎上，未來技術主要發展趨勢有：（1）基于寬窄帶一體化的車輛目標綜合識別技術，結合窄帶微多普勒、一維距離像和ISAR像等信息，進行融合識別，提高目標識別率;（2）基于大數據的車輛目標識別技術，隨著地面車輛數據的豐富，應用深度學習技術實現車輛目標的識別。

總之，典型地面車輛目標識別是雷達目標識別的一個重要方面，典型地面車輛目標精準的識別對軍事應用具有重要的意義。