地面戰車目標識別技術

仝波 王曉江 謝超 李元林

摘要：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。

關鍵詞：地面;戰車;目標識別技術;微動模型

1地面車輛目標微動模型

輪式車輛的車輪和履帶式車輛的履帶是車輛上的微運動部件，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。目標與雷達之間有相對運動時，回波信號會產生多普勒頻率：

λ為雷達發射信號波長;v為目標與雷達的徑向相對速度。波長越短，多普勒頻率對速度的變化越敏感。因此，為了更好的獲得目標微多普勒信息，雷達通常以較短波長發射信號。這種條件下，雷達波長遠小于目標尺寸，目標散射特性滿足光學區假設。若僅考慮目標的直接散射，不考慮噪聲影響，則雷達單天線接收到的目標微動部件的回波信號為：

Ak為第k個散射點的散射系數;f0為載頻;τk為第k個散射點的時延;N為散射點總數。若目標的平動速度為v，且目標具有微動部件，微動部件上第k個散射點的速度在雷達視線上的投影為vmk，則第k個散射點的時延τk為：

R0為目標到雷達的徑向距離;c為電磁波傳播速度。將式帶入式可得：

目標微動部件回波的相位由三部分組成，分別為由距離產生的相位、由平動速度產生的相位和由微動速度產生的相位。其中，由距離R0產生的相位為常數，分析時可以不考慮。對于車輪，假設目標的平動速度已經被補償，李彥兵等建立了微動部件的回波模型，假設有N個散射點均勻分布在圓周上，則N個散射點將有N個不同的初始轉角，對于N個散射點的微動回波信號可以表示為：

ω為角頻率;Jn為第一類n階貝塞爾函數， ，r0為車輪半徑，λ為雷達發射信號的波長; 。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。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基于一維距離像的車輛目標識別

要想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，一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，通過散射點模型、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α，將一維距離像進行α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。

2.2基于SAR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。

2.3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AGC（Automatic Gainb 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。

2.4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1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。

3結束語

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識別有助于現代戰爭取得成功。

參考文獻

[1]李秋菊，朱東方.基于低分辨雷達系統的無人機微多普勒特征分析[J].科技創新與應用，2020（31）：5-8.

[2]王偉男，周亮.基于圖像處理技術的軍事目標識別方法綜述[J].電腦與信息技術，2020，28（1）：4-8.

[3]王偉男，楊朝紅.基于圖像處理技術的目標識別方法綜述[J].電腦與信息技術，2019，27（6）：9-15.

[4]李開明，張群，羅迎，丁帥帥，郭英.基于微多普勒效應和AR模型的車輛目標分類方法[J].電子學報，2018，46（4）：805-813.