论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar，SAR)通过飞行载体的运动来形成雷达的巨大虚拟天线，是一种新型的微波成像雷达。它具有高分辨率和全天候、全天时、大测绘带的数据获取能力，在国民经济和国防建设中有着十分广泛的应用，已经成为世界各国积极发展的高分辨率对地观测传感器。在航天侦察情报获取、海洋目标监视、战场精确打击效果评估等SAR数据应用领域中，SAR自动目标识别(Automatic Target Recognition，ATR)都是核心关键技术之一。本文首先介绍了SAR目标识别的研究现状，阐述了高分辨率SAR目标识别面临着诸多挑战和难点。其中之一是：由于低信噪比、非合作目标运动等多种因素导致的SAR图像质量下降、模糊、散焦甚至失真使得基于图像域的SAR目标特征提取和识别面临严峻的挑战。基于SAR目标一维高分辨距离像(High ResolutionRange Profile，HRRP)的目标识别可以克服SAR图像散焦或失真带来的图像域识别困难。虽然SAR目标的电磁散射机理十分复杂，但是在时频域中却可以很好的揭示和提取SAR目标的复杂散射特征。本文将多种时频分析方法进行对比分析发现基于Gabor原子匹配追踪的时频分析法能够自适应表示目标距离像中的各种散射信息，并且具有较高的时频分辨率、无交叉项干扰、抑制噪声等优点。研究发现，基于匹配追踪的目标距离像时频图具有稀疏性、局部性的特点。鉴于距离像散射特征信息在时频图中具有稀疏分布特点，本文采用稀疏表示的原理建模和表征SAR目标距离像时频图，阐述了稀疏表示目标识别的原理和字典学习算法，详细分析了固定字典学习和自适应字典学习两类算法。深入研究了标签一致的鉴别字典学习算法（Label Consistent K-SVD，LC-KSVD），并在此基础上，提出了基于距离像时频图LC-KSVD的SAR目标识别新方法。最后采用美国国防部高级研究计划局(Defense Advanced Research Projects Agency，DARPA)资助的运动和静止目标获取与识别(Moving and Stationary Target Acquisition andRecognition，MSTAR)研究计划公开发布的SAR目标数据库进行了目标识别实验。实验结果表明所提出方法具有良好的目标识别性能，并且在低信噪比和图像散焦等情况下优于采用二维SAR图像的目标识别性能。