一種彈道目標識別數據庫構建方法

田西蘭， 李 川， 蔡紅軍， 王曙光， 郭法濱， 張瑞國

(1. 中國電子科技集團公司第三十八研究所， 安徽合肥 230088； 2. 孔徑陣列與空間探測安徽省重點實驗室， 安徽合肥 230088；3． 太原衛星發射中心， 山西太原 030027)

0 引言

作為人工智能技術在軍事應用的典型案例，雷達目標識別已經成為新一代智能武器裝備的標志性功能[1-2]。雷達目標識別的基石為目標特性數據。作為典型的數據驅動的算法模型，雷達目標識別數據庫的完備性與精確性直接決定目標識別的系統性能。

彈道目標識別為軍用雷達目標識別技術的制高點，也是各強國軍事對抗的核心支撐技術。作為典型的非合作性目標識別，彈道識別數據的積累呈現周期長、代價高、標定難等特點。將積累的珍貴的實測數據進行統一入庫管理，并利用仿真等手段進行有效的數據庫擴充是進行知識繼承與挖掘，實現彈道目標識別系統性能持續穩定提升的重要途徑[3-5]。

1 彈道目標識別數據特性分析

在數據來源與數據結構層面，彈道目標識別數據具有多源異構特性。涵蓋原始回波數據、RCS序列、航跡信息、高分辨一維距離像 (High Resolution Range Profile， HRRP)、寬帶二維ISAR (Inverse Synthetic Aperture Radar)圖像在內的目標特性數據往往來自不同型號、不同頻段以及不同的任務場景，差異性顯著。圖1為典型的彈道目標特性數據表征形式。除速度、高度等典型運動特征外，RCS序列、HRRP等測量數據的特性均與目標-雷達間的距離、相對姿態(即雷達視線方向與目標中心軸向的夾角)、雷達的工作參數等緊密相關。

(a) 航跡信息

(b) RCS序列

(c) HRRP

彈道目標的測量數據為目標與環境綜合作用的結果，因此，在對彈道目標數據進行統一管理入庫時，需同時對環境信息、布站信息(即識別場景)、傳感器工作參數進行詳細、精確的記錄。

2 彈道目標識別數據庫構建方法

目標識別數據庫的構建方法與識別任務密切相關。從任務層面來講，常見的識別任務可分為彈道目標群目標分辨、頭體分辨與真假彈頭識別。近年來，隨著彈道目標突防手段的不斷豐富與對抗條件的日益復雜，對于級間分離、彈頭調姿等典型事件的關注也越來越重。本文所述的數據庫設計方法針對上述識別任務展開。

2.1 彈道目標識別數據庫架構設計

彈道目標識別數據庫的總體架構如圖2所示。在線應用中，采用邊識別邊入庫的方式對識別相關的數據進行存儲管理。離線應用中，基于庫內的特性數據對分類器的參數、特征優選規則進行迭代優化。

圖2 彈道目標識別數據庫架構

2.2 識別數據庫構成

實際應用中，彈道目標識別的典型處理流程為獲取識別數據，進行預處理獲得目標的特征信號，在此基礎上進行特征提取，并基于特征向量完成分類判決。

1) 從數據來源層面，彈道目標識別數據主要分為實測數據與仿真數據。實測數據源于歷次實戰任務，數據價值高，但數量相對較少，真值較難標定，分布也不能覆蓋完備的特征信息的分布空間。仿真數據源于電磁仿真計算或微波暗室測量。電磁仿真計算的精度與準確度通常基于三維模型的精度以及電磁仿真的實現方式。微波暗室測量基于目標的縮比模型在雷達收發模塊的配合下完成數據獲取。兩種仿真方式均具有成本低、獲取數據快、真值易標定等特點，是實測數據的有效補充。

2) 在特征信號層面，目標識別數據庫在識別場景信息與目標特征信號兩項中充分體現。識別場景信息主要包含雷達工作環境及工作參數信息，典型屬性項如表1和表2所示。

表1 雷達工作環境信息

表2 雷達工作參數信息

目標特征信號為用于進行特征提取的原始特征信號，其錄入方式為在線自動錄入，主要包含數據錄入日期、目標批號信息、RCS序列、一維距離像、時頻圖像等，具體內容如表3所示。

表3 典型目標特征信息

3) 在目標特征層面，基于各特征信號進行典型的特征提取，并進行自動入庫，典型特征信息如表4所示。

表4 典型目標特征信息

4) 在分類判決層面，一方面，事先存儲目標特性知識，作為先驗供綜合判決參考，另一方面，將程序運行的結果進行實時入庫，結合后續的真值比對，完成目標識別模型的自學習與更新，目標特性信息與識別決策信息分別如表5和表6所示。

表5 目標特性知識

表6 目標識別決策層面入口信息

目標識別數據庫離線應用時，能否直接支撐

常規識別任務的驗證取決于對決策信息的標定精度。以RCS序列為例，真值信息可同時被標注為：是否為彈頭群，是否為真彈頭，是否存在調姿，等等。對一段觀測數據的屬性標注的維度越多，對實際應用時的支撐就越大。

3 彈道目標識別數據庫應用實例

彈道目標識別數據庫的意義在于對戰時及歷史數據的實時、規整積累，對專家經驗的具象、統一的管理與利用。

實際應用中，采用客戶端/服務器的開放式架構，實現對彈道目標識別數據的統一存儲與管理。運行時，目標識別調用數據庫接口協議，對彈道目標的雷達觀測數據、特征數據及測量環境等相關信息進行自動入庫。數據庫的應用實現方案如圖3所示。

圖3 數據庫應用與實現方案

基于人大金倉KingbaseES，以表7為例進行創建數據表操作闡述。其中，index為數據表中的數據序號；TaskDate為任務日期；TrkID為目標編號；Time為數據測量的時間，為一維向量；Hrrp為目標的一維距離像序列；Fea為基于Hrrp計算所得的特征向量，為一維向量。

表7 彈道目標特性數據表示例

成功連接數據庫后，可以基于Matlab軟件完成表7內容的數據表創建：

mktab = [‘CREATE TABLE HrrpData(index integer, TaskDate date, TrkID integer, Time text, Hrrp text, Fea text’);

exec(conn, mktab);

同時，也可以基于Matlab軟件將特性數據寫入數據庫：

Fastinsert(conn,’HrrpData’,{‘index’,’TaskDate’,’TrkID’,’Time’,’Hrrp’,’Fea’},{1,’2019-11-11’,1,num2str(1:10), num2str(rand(1,10)), num2str([3.2 4.2])});

Commit(conn);

通過指定條件對積累的數據進行查詢，構建識別訓練集合。典型數據庫操作界面如圖4所示。在數據庫交互時，采用多賬戶形式，對不同賬戶設置不同的操作權限，確保數據安全。

圖4 典型數據庫操作界面

以下情況能夠直接擴充樣本分布空間，對分類器訓練具有重要的支撐作用，需重點考慮，將其加入訓練集：

1) 實時軟件錯判的案例，即事后確認的真值與實時判決的結果不一致的數據記錄；

2) 新出現的目標種類；

3) 已有目標新探測到的識別場景，涵蓋新的姿態、新的距離段、新的布站方式等。

基于更新后的訓練集重新進行模型訓練，利用更新后的模型進行在線目標屬性判決，并將實時運行的特征信號、目標特征、判決結果等進行入庫管理，事后對真值信息進行補充。在該過程中，彈道目標識別通過與數據庫的交互迭代實現自學習、自提升。

4 結束語

作為反導防御系統最為關鍵的基礎性問題，彈道目標識別性能直接關系到彈道導彈防御的成敗。新一代智能雷達通過目標識別數據庫實現對歷史數據的管理與存儲，并通過與目標識別數據庫的交互處理實現自身性能的迭代提升。本文綜合考慮彈道目標識別的典型任務特點與彈道目標測量數據的特性，設計了一種彈道目標識別數據庫，并基于成熟數據庫軟件給出應用示范，具有良好的工程應用價值。