论文部分内容阅读
基于合成孔径雷达(Synthetic Aperture Radar,简称SAR)的自动目标识别(Automatic Target Recognition,简称ATR)技术在战场感知方而非常重要,已成为国内外研究的热门课题。近些年来,雷达目标识别在特征提取、目标模式分类、目标识别算法的实现等技术领域取得了不同程度的进步,已成功应用于星载和机载合成孔径雷达地面侦察、精确制导等领域。本文综述了自动目标识别技术的发展现状,深入研究了基于SAR的自动目标识别及其相关技术,在此基础上,将SAR雷达目标识别系统分为原始图像预处理、图像增强、目标姿态角识别和目标类型识别四个部分,对上述四个部分分别提出了一些新方法,具体如下:1.对合成孔径雷达目标识别中原始数据经过幂变换后的正态性进行了研究,从理论上讨论了符合gamma分布、瑞利分布等分布的数据经过幂变换后转换为符合正态分布的可行性。利用MatLab进行仿真,使用偏度、峰值检验法和皮尔逊卡方检验法对仿真结果进行正态性检验,检验结果验证了理论分析的正确性。2.提出了一种基于图像域的势函数正则化SAR图像增强算法。该方法通过设计SAR图像目标函数,将图像增强问题转化为图像目标函数的最优化问题,引入势函数作为目标函数的代价函数,然后利用单位矩阵代替SAR图像成像模型中的历史相位矩阵,通过MSTAR数据库数据进行仿真试验,取得了良好的效果。3.将Radon变换和二维连续小波变换应用到目标姿态角识别技术中,利用二维连续小波变换引入角能量密度函数的概念,提出了一种Radon变换和角能量密度相结合的姿态角识别算法。利用MSTAR公共目标数据库中的目标样本,通过实验验证该种方法能够准确的估计目标的姿态角。4.针对合成孔径雷达目标成像的特点,提出了几种基于图像像素分布模型的SAR目标识别改进算法,分别是单参数高斯模型识别算法、单参数gamma模型识别算法和单参数对数模型识别算法。上述算法直接利用SAR图像像素的分布特点,通过计算概率模型参数来构造SAR目标统计模型,可获得正确的识别结果,利用正则化增强技术和目标姿态角估计有效的节省了目标识别算法的计算资源和时间。给出了应用该方法的具体步骤,通过仿真试验证明该算法的有效性。