基于目标极点特征的波形综合技术研究+Fortran仿真(4)
2)基于ISAR像的空间目标识别
宽带波形导致的径向高距离分辨力和目标相对于雷达视线的旋转运动获得的横向高分辨力相结合是逆合成孔径雷达成像的基础，ISAR像反映了目标的形状和结构特征，而且ISAR像可以将径向上同一个距离单元内的多个散射中心分开，ISAR像对于姿态角是不敏感的，基于ISAR像的空间目标识别是非常具有发展前景的目标识别方法之一。由于ISAR像的数据量比较大，直接用ISAR像作为特征模板是不现实的，通常从ISAR像中提取文数较少的特征矢量，可以从空间目标的ISAR二文像中提取奇异值特征，也可以对ISAR像进行二文小波变换，然后在各个尺度上提取能量特征。基于ISAR像的目标识别性能目前还没有明确的结论，今后在特征提取方面还有许多工作要做。
3)基于单脉冲三文像的空间目标识别
高距离分辨与单脉冲测角技术相结合的单脉冲三文成像技术的基本原理是：雷达通过发射宽带波形可以实现距离上的高分辨，孤立出每个强散射中心并求出其距离坐标；在角度(方位、俯仰)文，用高精度的单脉冲测角技术可以获得每个强散射中心的角坐标，从而确定出它们与雷达视线间的横向距离。单脉冲三文成像的速度很快，不需要目标相对于雷达视线转动一定的角度。基于单脉冲三文像的目标识别目前还处于探索之中。
1.3.3 结构特征识别
空间目标的结构差异是比较明显的，卫星的结构一般比较简单，具有对称性，通常卫星为方体或者圆柱体，卫星的尺寸较大，一般是大于1 m的，目前卫星主要有2种姿态控制措施：3轴稳定和自旋稳定。碎片的形状是不规则的，其尺寸较小，一般为厘米的数量级，极少数碎片的尺寸为几十厘米。从空间目标的一文距离像中提取径向长度序列，由于卫星的径向长度序列的均值比碎片的径向长度序列的均值大，3轴稳定卫星的径向长度序列的方差比自旋稳定卫星的径向长度序列的方差小，据此可以对3轴稳定卫星、自旋稳定卫星和碎片进行识别。在单脉冲3文像中，由卫星的强散射中心构成的凸多面体的体积要比由碎片的强散射中心构成的凸多面体的体积大，据此可以对卫星和碎片进行识别。
1.3.4 极化识别
作为目标电磁散射特性的基本要素之一，目标极化特征的利用为解决目标识别问题提供了新的途径，利用不同目标结构对电磁波具有的不同的变极化调制进行目标识别是未来空间目标识别的发展趋势。极化是与目标的物理特性和形状结构密切相关的特征量，极化散射矩阵是极化识别的基本依据，极化散射矩阵通常具有复数形式，它不仅随雷达工作频率与目标姿态的变化而变化，而且还与所选的收、发天线极化基有关，极化散射矩阵对目标识别的应用意义很有限，需要寻找具有一定不变性的特征参量。目前极化特征用于目标识别的研究主要集中在将极化信息与高分辨力雷达技术相结合上。
1.4 本文主要工作
本文主要开展了极点特征提取及基于E脉冲或S脉冲的雷达目标识别技术的研究，主要工作及内容如下:
第二章简要介绍了基于极点特征的目标识别方法的一些基本理论、基本概念，以及几种经典的极点提取算法:Prnoy法、KT法、矩阵束法。
第三章在第二章对极点提取算法的分析基础上，给出根据目标极点进行雷达识别目标的理论方法。
第四章给出利用此方法雷达识别目标的应用与算例的仿真。
2 基于目标极点特征的识别方法综述
目标极点的提取是一个非常复杂的矩阵求解问题，极点的精确提取有赖于实验系统的性能以及极点提取算法的精度。1975年，M.L.VnaBlarcium和Mirtta首先提出了用于提取极点的Prnoy法，之后很多人对这一方法作了改进，像最小二乘prony法、全最小二乘prony法、奇值分解prony法、第二prony法等。1982年，Kumaresna和D.w.TutfS提出的线性预测方法(一般称为KT法)，由于该方法采用了:对线性模型实行了超模估计；截断SVD的方法处理线性预测方程抑制噪声影响;后向预测多项式的估计方法，利用单位圆就可将真实极点与由噪声引起的虚假极点分开，因此其效果比上述改进的Prnoy法都要好。在KT法的基础上，对截断SVD处理后的线性预测矩阵进行Hnakel化，就得到一种改进的KT法(MKT法)。以上这些方法都可称为多项式方法。这类方法的特点是求解极点都需要两步，首先通过求解一个矩阵方程得到一个多项式的系数，然后再通过该多项式的根我们就可以得到所要求的极点。还有一类矩阵方法，像状态空间法、矩阵束法等，这类方法直接将极点提取问题转化为求取矩阵的广义特征值问题。还有一类将KT法与高阶统计性质相结合的提取极点的方法，像基于二阶统计性质的方法，以及基于三阶统计性质和四阶统计性质的方法。这类方法在色噪声条件下效果比较好。其中基于二阶统计性质的方法要优于其它的基于高阶统计性质的方法，表现在:不仅所要使用的数据采样点少一些，而且在高斯白噪声、非高斯白噪声，以及色噪声条件下效果都可以。对于非线性的迭代算法主要有极大似然估计法、基于遗传算法的估计法、快速极大似然估计法等极点提取算法。这类算法主要针对模型的最优求解是一个非线性的最小二乘问题，提出一些简化搜索方案，或者一些解决方案。