1.4　双/多基地雷达目标识别技术的发展

雷达目标识别技术基于雷达回波信号，提取目标特征，实现目标属性、类别或类型的判定。常规雷达目标识别系统的基本流程如图1.7所示。

雷达目标识别的基础是对目标特征的研究，而目标特征通常包括RCS特征、微动特征、高分辨距离像特征、成像特征、极化特征等。目前，在单基地雷达系统中基于高分辨一维距离像进行目标识别研究成果有较多，并通过外场实验数据得到了一定的验证。而双基地雷达中的目标识别报道较少，理论上单基地雷达提取的特征在双基地中同样可以提取，但是对应的物理意义存在差异。2011年，Theresa Haumtratz等人根据单基地与双基地雷达系统的差异，讨论了双基地雷达非合作目标识别与分类的若干挑战问题。

1.4.1　目标双基地散射特性

杨振起等人较系统地介绍了双基地雷达系统中的点、面（地面和海面）、体（飞机、导弹、复杂组合体）目标以及箔条的RCS值的测量结果。国外近年来关于双/多基地雷达仍有文章关注目标的RCS测量，测量条件更加成熟，且波段不同。但是，对于目标宽带双基地雷达散射特性研究的文献仍然较少，Rajan Bhalla等人采用射线追踪方法获得了几类目标双基地观测下的散射中心，并重构了目标双基地RCS、一维距离像和二维ISAR像，反映了双基地几何配置对散射中心位置和散射系数的影响，对双基地雷达目标成像具有指导意义。Alexander R.Ross等人研究了圆柱和平截头锥等目标的双基地散射特性，但是只考虑了入射矢量和散射矢量在目标对称平面内的情况；李柱贞等人给出了截锥-柱-裙等多种组合体的双基地RCS解析表达式，同样只考虑了入射矢量和散射矢量在目标对称平面内的情况，且双基地角范围较小。

如果双基地角大于135°，则接收机位于目标的前向散射区，在这个区域内，目标的RCS随双基地角的增大而迅速增大，通常比单基地RCS大十几dB到几十dB；当双基地角等于180°时，目标RCS达到最大值。我们将接收机工作于目标前向散射区的雷达称为前向散射雷达（Forward Scatter Radar，FSR）。FSR利用了目标RCS在前向散射区所体现出的诸多特性，对反隐身和小型目标探测具有重要意义。通常，FSR利用目标穿越基线时的前向散射信号来进行动目标的检测、跟踪、成像和识别，因而目标前向散射特性成为研究的重点，并且利用前向散射可以获得目标轮廓。北京理工大学胡程教授利用前向散射雷达对车辆目标进行阴影逆合成孔径雷达（Shadow Inverse Synthetic Aperture Radar，SISAR）成像，可以清楚看到汽车轮廓，如图1.8所示。

1.4.2　基于成像特征的雷达目标识别技术

目标的一维距离像、二维像、三维像是雷达进行目标识别的重要特征，与目标实际外形、结构之间有紧密的对应关系，尤其在弹道中段目标识别中具有十分重要的意义。

在双基地雷达一维距离像方面，中国科学技术大学开展了双基地雷达在近程防空领域中的应用研究，并构建了宽带多基地雷达实验系统，研究了各站高分辨一维距离像。各站独立成一维距离像，根据多基地雷达系统中多接收站可同时得到目标在不同方向上的双基地一维距离像。利用多视角下散射中心分布情况，根据投影原理，得到散射中心的真实位置关系，即目标的三维像。用三维像描述目标的结构具有较好的稳定性，可作为目标识别的特征量，从而能为利用高分辨距离像进行目标识别提供新的方法。西安电子科技大学的学者通过双基地MIMO雷达系统研究了多目标识别和定位方法，并分析了多目标定位参数的克拉美罗界，艾小锋等人通过T/R-R双基地配置，实现了目标二维长度的有效估计。空军预警学院雷腾等人通过三站一维距离像提取弹道目标散射中心的三维位置，同时，通过建立高速机动目标宽带双基地雷达回波模型，分析了高速运动对双基地一维距离像的影响。军械工程学院尚朝轩等人针对双基地雷达的距离分辨率低于相同带宽的单基地雷达的问题，提出了利用目标基带回波信号稀疏分解系数生成一维距离像的方法。基于目标高分辨距离像，Masahiko Nishimoto等人利用隐马尔可夫模型研究了多视角下地面目标识别方法，Jon Gudnason等人研究了隐马尔可夫模型的目标识别融合技术；Seung Jae Lee则利用双基地目标高分辨率距离像，提出了基于四维参数组的目标识别方案。

在目标二维成像特征提取方面，通过双基地SAR系统，很多研究团队已经开展了飞行实验，取得了满意结果。2002年，G.Yates阐述了双基地SAR系统的基本原理、关键技术、根本问题及其解决方法。Amit Kumar Mishra及其团队基于双基地SAR图像，研究了目标分类方法。在此基础上，他们还系统归纳了双基地SAR系统自动目标识别技术的研究现状，指出外场实验所得双基地SAR图像数据对于目标识别仍然不足，采用电磁仿真模型获取双基地SAR图像数据用于目标识别是一种较好的替代方式。此外，该团队还研究了基于主成分分析和多极化方法的双基地SAR目标识别方法。不同极化方式双基地SAR图像如图1.9所示。

Ellen Laubie等人采用目标图像与模板的归一化互相关结果，分析了双基地SAR目标识别性能。Julie Ann Jackson等人对经典形状建立了双基地SAR散射中心参数化模型，用于提高目标识别的性能，如图1.10所示。Cecile Titin-Schnaider将Huynen和Cameron提出的目标全极化散射模型一般化到双基地模式下，并深入讨论了全极化双基地SAR图像的机制。

国内学者对双基地SAR系统的研究也日趋丰富。空军工程大学张群教授所在的研究团队针对振动目标，研究了固定接收机条件下的双基地SAR系统特征提取方法。电子科技大学武俊杰教授所在团队通过图像域联合杂波对消技术，研究了双基地前视SAR运动目标检测方法；黄钰林教授所在团队采用电磁仿真产生足够的双基地SAR图像数据，用于网络训练，进一步基于卷积神经网络研究了双基地SAR目标识别方法。3D模型及其对应的双基地SAR图像如图1.11所示。

在双基地ISAR方面，1995年NASA艾姆斯研究中心采用时域分析方法获得双基地雷达目标ISAR像；俄亥俄州立大学J.T.Johson等人对比了单基地和双基地雷达成像，所用成像方法一致，成像结果差异较大；昆士兰大学的James Palmer研究了单基地雷达中的多径效应构成伪多基地雷达的ISAR成像技术。Marco Martorella教授等人研究了双基地雷达目标ISAR成像问题，归纳总结了双基地ISAR成像研究现状，理论上分析了现有单基地ISAR成像算法用于双基地ISAR成像的适应性和限制条件，还进一步研究了双基地角变化，以及存在相位同步误差时的双基地ISAR成像问题，分析了同步误差约束条件，并通过基于图像对比度的相位自聚焦方法获得了稳定的双基地ISAR成像，为多基地ISAR、被动ISAR、伪多基地ISAR成像提供了技术支撑，目前已经在考虑多基地ISAR成像雷达的布站问题。意大利Debora Pastina等人提出采用多基地雷达对旋转目标同时进行观测，在短时间内获得高分辨ISAR成像，虽然目前只研究了转台目标，但是开辟了多基地ISAR的应用新场景。日本Kei Suwa提出利用多基地ISAR序列提取目标的运动信息和三维结构信息。Victor C.Chen分析了双基地距离—多普勒ISAR像的分辨率，并得到舰船目标双基地ISAR成像结果，如图1.12所示。

2011年，日本Shohei等人公布了利用电视信号获得的飞机目标的被动双基地ISAR成像结果，但是对目标运动先验信息要求很高。美国Nasser M.Nasrabadi等人研究了多视角下联合稀疏表示的目标识别方法，可以在未知目标姿态的条件下获得不同视角目标的相关性。澳大利亚An Phan等学者基于多基地ISAR系统，研究了目标存在平动时旋转速度的估计问题。德国Stefan Brisken等构建了多基地ISAR雷达系统，开展了目标运动参数估计和成像方法的实验验证。波兰Marcin Kamil Baczyk等学者利用多基地被动雷达系统，研究了运动目标成像方法并进行了实验验证，其得到的目标二维图像可以用于非合作目标识别等领域。多基地被动雷达成像实验场景及ISAR结果如图1.13所示。

国内对双基地ISAR研究与单基地ISAR几乎同时起步，北京理工大学赵亦工在20世纪80年代曾较系统地研究了双基地ISAR的基本理论，而后国内双基地ISAR研究成果较少，直到2005年双基地ISAR才重新得到重视。近年来，国内研究人员在双基地ISAR成像原理、成像分辨率、运动补偿、多基地融合成像等领域，取得了丰硕研究成果。

总体而言，目前关于双基地雷达成像研究的共同问题在于采用了与单基地雷达相同的理想散射模型，却忽略了双基地散射特性对成像结果的影响；将双基地雷达中的几何配置等特殊问题进行等效简化，可以将现有单基地雷达的成像方法用于双基地ISAR成像。对于自旋和进动的高速弹道目标，双基地一维距离像的展宽与补偿需要研究，而基于微动的双基地ISAR成像也需要进一步分析和讨论。

1.4.3　基于微动特征的雷达目标识别技术

近年来，利用双/多基地雷达系统对目标微动特征进行提取进而实现目标识别已逐渐成为研究热点。虽然目标的微运动特性本质没有变化，但是双基地雷达回波信号中包含的参数与单基地雷达相比却更多，可以通过双基地雷达接收站回波信号进行特征提取。同时，直接通过单个双基地雷达回波信号获取的微动特征受多个角度的调制，通过两个以上接收站信息融合求解，能够得到更为精确的目标特征。

1.双/多基地雷达目标微动建模与特征分析

1）旋转目标与振动目标的微动建模与特征分析

对于旋转目标、振动目标的双/多基地雷达微动特征，国内外学者展开了丰富的研究和分析。Victor C.Chen指出双基地微多普勒值等于角平分线上单基地微多普勒值的半双基地角的余弦倍。挪威国防研究院Terje Johnsen用双基地连续波雷达测量了多个角度下的悬停直升机，在微多普勒时频图上观测到了旋翼和尾翼闪烁效应。伦敦工学院Graeme E.Smith等人利用Ku波段的Thales MSTAR雷达和2.4GHz多基地雷达系统NetRAD分别获取轮式车辆、步行和骑车的人体的雷达回波数据，说明了多基地观测的人体回波数据所含微多普勒信息比单基地更加丰富，有利于微动探测和识别。张群教授所在团队分析了双基地雷达观测振动点目标的微动特性，建立了SIMO雷达观测振动和旋转部件的微多普勒模型。英国思克莱德大学Carmine Clemente研究了固定接收站的双基地SAR中振动目标的微多普勒特性，如图1.14所示。

2）弹道中段目标的微动建模与特征分析

为了有效地对姿态进行控制以保证安全再入，弹头的质量分布通常被设计成近似旋转对称。尾翼和天线窗的存在会破坏这种旋转对称特性，但是由于尾翼质量和天线质量与弹头总质量相比几乎可以忽略不计，因此从质量分布角度上看，弹头仍可近似看作旋转对称刚体，其微动特性与自由空间中陀螺运动非常相似。在忽略扰动力的情况下，中段弹头仅受到地球引力作用，做自由规则的欧拉运动。由刚体运动知识可知，弹头的进动角速度ϖ、自转角速度n和进动角γ存在如下关系：

其中，Iz为弹头沿旋转对称轴的惯量矩，Ix为沿过弹头质心且平行于弹头底边的直线的惯量矩。弹头的进动角γ是弹头姿态控制中非常重要的一个特征量，它决定弹头是否能够安全地再入大气层。为了保证弹头以较小的攻角再入大气层，进动角γ通常控制在几度到十几度，进动轴的指向通常被设计为再入时的零攻角方向。

在弹道中段目标微动特征研究方面，国内外学者对目标进动、章动、摆动等特性分别建立了数学模型，通过理论推导、仿真分析与实验验证，揭示了目标的微动特征本质。在双基地雷达弹头目标微动建模方面，空军工程大学建立了双基地雷达弹头进动的数学模型，并推导了弹头进动产生的微多普勒频率的理论公式，分析了弹头进动产生的微多普勒频率的特点。国防科技大学等机构的研究团队采用几何绕射理论求解了圆锥弹头目标底面边缘双基地散射中心的位置，建立了宽带双基地雷达目标回波模型，获得了双基地一维距离像；对进动圆锥弹头双基地微多普勒模型简化，进一步分析了尾翼弹头的双基地尾翼散射中心及其可视性，验证了双基地尾翼散射中心微多普勒可简化为类似双基地角平分线上单基地模型，并利用电磁散射数据进行了验证，发现其微多普勒时频图同样存在闪烁效应。尾翼弹头双基地进动模型和微多普勒时频图分别如图1.15和图1.16所示。

2.双/多基地雷达目标微动特征提取与识别

美国自20世纪60年代已开展了对再入目标的微动现象研究，为进一步验证利用弹头进动特性识别真假目标的可行性，于1990年3月29日和10月20日进行了两次Firefly实验。一枚装有可膨胀锥形气球诱饵的北极犬探测火箭，从位于弗吉尼亚的NASA沃罗普飞行研究所发射后，装在霰弹筒内的诱饵自旋弹出，然后充气膨胀成2米的锥体，在目标做一系列进动运动时，同时利用L波段雷达、X波段雷达和Firepond激光雷达进行观测，实验结果表明进动特征可以作为有效的中段识别途径。

针对旋转目标双/多基地雷达目标特征提取，国内学者取得了丰硕的研究成果。艾小锋等人建立了单个旋转点散射中心的双基地微动模型，简化后与双基地角平分线上单基地模型类似，仿真了其微多普勒时频图，估计了旋转轴与雷达视线夹角和旋转半径。张群教授团队致力于双/多基地雷达目标微动特征提取研究，取得了丰硕的成果，团队成员罗迎推导了多载频MIMO雷达旋转部件的微多普勒模型，并利用MIMO雷达的多视角特性求解了旋转半径和旋转角速度矢量，分析了双基地ISAR中主体和旋转部件回波模型，提出用扩展Hough变换提取双基地HRRP序列中旋转部件的信息，剔除后再进行主体回波成像。

针对弹道中段目标双/多基地微动特征提取与目标识别，艾小锋基于宽带T/R-R双基地雷达联合观测，提出了基于两个接收站观测的一维距离像序列估计进动与结构参数的方法，选择最佳时间实现了进动目标双基地微动ISAR成像，并通过电磁计算数据动态仿真进行了验证。同时，基于多视角观测一维距离像序列提出了弹道目标的进动角度和真实长度特征联合提取的新方法。邹小海建立了进动弹头的双基地雷达微动模型，研究了利用其窄带双基地雷达相参回波序列和双基地HRRP序列估计全部进动和结构参数的问题。罗迎基于分布式组网雷达，利用组网雷达的多视角特性，基于有翼弹道目标的HRRP序列提出了三维进动特征提取方法，但未考虑实际情况中散射中心强度变化和可视性变化。

随着对目标微多普勒特征的认识逐渐深入，利用微多普勒进行人体特征分析和识别日益受到重视。2007年，G.E.Smith基于多基地组网雷达系统，分析了人体目标微动特性，指出了多基地雷达系统在提取目标微多普勒信息时具有更好的性能。英国学者Francesco Fioranelli系统研究了人体目标的多基地雷达微动特性，分析了携带武器与不携带武器条件下的人体微多普勒差异，可作为目标识别的判断依据。人体目标微多普勒识别结果如图1.17所示。在此基础上，进一步对比了双基地雷达系统下鸟类与无人机旋翼的微动特性，指出两者具有明显不同的微多普勒特性，为目标识别提供了有效途径。

针对无人机目标，Carmine Clemente等人基于被动双基地雷达系统，利用卫星信号实现了直升机旋翼的微动特征提取与识别，其实验场景与微多普勒识别结果如图1.18所示。Folker Hoffmann等人针对无人机目标旋翼，研究了多基地雷达的目标微动特征，实现了无人机目标的检测与跟踪。