地面目标HRRP识别的稳健性特征选择方法

doi:10.12305/j.issn.1001-506X.2023.12.02

系统工程与电子技术 ›› 2023, Vol. 45 ›› Issue (12): 3726-3733.doi: 10.12305/j.issn.1001-506X.2023.12.02

• 电子技术 • 上一篇

地面目标HRRP识别的稳健性特征选择方法

刘丹阳¹^,*, 吴堃², 朱永锋¹, 张永杰², 周剑雄¹

1. 国防科技大学电子科学学院, 湖南长沙 410073
2. 北京遥感设备研究所, 北京 100854

收稿日期:2022-08-09 出版日期:2023-11-25 发布日期:2023-12-05
通讯作者: 刘丹阳
作者简介:刘丹阳 (1998—), 女, 硕士研究生, 主要研究方向为高分辨雷达成像、目标特性分析与识别
吴堃 (1986—), 男, 高级工程师, 硕士, 主要研究方向为雷达系统、雷达信号处理
朱永锋 (1979—), 男, 副研究员, 博士, 主要研究方向为雷达波形设计、雷达信号处理、雷达抗干扰与目标识别
张永杰 (1980—), 男, 研究员, 博士, 主要研究方向为高分辨雷达系统与目标检测识别
周剑雄 (1977—), 女, 教授, 博士, 主要研究方向为高分辨雷达成像、目标特性分析与识别

Robust feature selection method for ground target HRRP recognition

Danyang LIU¹^,*, Kun WU², Yongfeng ZHU¹, Yongjie ZHANG², Jianxiong ZHOU¹

1. College of Electronics Science and Technology, National University of Defense Technology, Changsha 410073, China
2. Beijing Institute of Remote Sensing Device, Beijing 100854, China

Received:2022-08-09 Online:2023-11-25 Published:2023-12-05
Contact: Danyang LIU

摘要/Abstract

摘要：

特征选择是雷达高分辨一维距离像目标识别的关键步骤, 可降低特征维度, 提高特征稳健性。提出一种基于散度的特征选择方法, 采用该方法对适用于距离像地面目标识别的特征集合进行特征选择, 得到优选的特征子集后再进入分类器网络进行识别。采用地面目标仿真数据和实测数据进行神经网络分类器识别实验。实验结果表明: 在距离像信噪比、俯仰角和距离分辨力参数变化的情况下, 基于散度的特征选择方法在基本保持或提升特征集的识别性能的前提下, 能保持甚至提升识别的稳健性, 具有较好的应用价值。

关键词: 雷达目标识别, 高分辨一维距离像, 特征提取, 特征选择, 地面目标

Abstract:

Feature selection is a key step in radar high resolution range profile (HRRP) target recognition, which can reduce the features dimension and improve the features robustness. A feature selection method based on divergence is proposed. This method is used to select feature subset from the feature set which is suitable for the recognition of ground targets range profile. Then the well-selected feature subset is sent to the classifier network for recognition. The ground target simulation data and filed data are used to conduct neural network classifier recognition experiments. The experimental results show that when the signal to noise ratio, elevation angle, and resolution of range profile change, the feature selection method based on divergence can not only maintain or improve the recognition ability of the feature set, but also maintain or even improve the robustness of the recognition, which has good practical value.

Key words: radar target recognition, high resolution range profile, feature extraction, feature selection, ground target

中图分类号:

TN951

刘丹阳, 吴堃, 朱永锋, 张永杰, 周剑雄. 地面目标HRRP识别的稳健性特征选择方法[J]. 系统工程与电子技术, 2023, 45(12): 3726-3733.

Danyang LIU, Kun WU, Yongfeng ZHU, Yongjie ZHANG, Jianxiong ZHOU. Robust feature selection method for ground target HRRP recognition[J]. Systems Engineering and Electronics, 2023, 45(12): 3726-3733.

图/表 12

图1

图2

表1

图3

表2

图4

图5

图6

图7

图8

表3

表4

参考文献 17

1	庄钊文, 王雪松, 付强, 等. 雷达目标识别[M]. 北京: 高等教育出版社, 2015.
	ZHUANG Z W , WANG X S , FU Q , et al. Radar target recognition[M]. Beijing: Press of Advanced Education, 2015.
2	杜兰. 雷达高分辨距离像目标识别方法研究[D]. 西安: 西安电子科技大学, 2007.
	DU L. Study on radar HRRP target recognition[D]. Xi'an: Xidian University, 2007.
3	SONG J , WANG Y H , CHEN W , et al. Radar HRRP recognition based on CNN[J]. The Journal of Engineering, 2019, doi: 10.1049/joe.2019.0725
4	李龙. 基于高分辨距离像的雷达地面目标识别技术[D]. 西安: 西安电子科技大学, 2017.
	LI L. Radar ground target recognition technology based on high resolution range profile[D]. Xi'an: Xidian University, 2017.
5	CHEN J , DU L , GUO G B , et al. Target-attentional CNN for radar automatic target recognition with HRRP[J]. Signal Processing, 2022, 196, 108497. doi: 10.1016/j.sigpro.2022.108497
6	SHEN L M . The study on radar HRRP feature extraction[J]. Electronics Optics and Control, 2014, 21 (5): 50-52, 87.
7	DING B C, CHEN P H. HRRP feature extraction and recognition method of radar ground target using convolutional neural network[C]// Proc. of the International Conference on Electromagnetics in Advanced Applications, 2019: 658-661.
8	LI H J , YANG S H . Using range profiles as feature vectors to identify aerospace objects[J]. IEEE Trans.on Antennas and Propagation, 1993, 41 (3): 261- 268. doi: 10.1109/8.233138
9	LI H J , WANG Y D , WANG L H . Matching score properties between range profiles of high-resolution radar targets[J]. IEEE Trans.on Antennas and Propagation, 1996, 44 (4): 444- 452. doi: 10.1109/8.489295
10	XING M D , WU R B , LAN J Q , et al. Migration through re-solution cell compensation in ISAR imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2004, 1 (2): 141- 144. doi: 10.1109/LGRS.2004.824766
11	BLUM A L , LANGLEY P . Selection of relevant features and examples in machine learning[J]. Artificial Intelligence, 1997, 97 (1/2): 245- 271.
12	施启军, 潘峰, 龙福海, 等. 特征选择方法研究综述[J]. 微电子学与计算机, 2022, 39 (3): 1- 8.
	SHI Q J , PAN F , LONG F H , et al. A review of feature selection methods[J]. Microelectronics and Computer, 2022, 39 (3): 1- 8.
13	姚旭, 王晓丹, 张玉玺, 等. 特征选择方法综述[J]. 控制与决策, 2012, 27 (2): 161- 166.
	YAO X , WANG X D , ZHANG Y X , et al. Summary of feature selection algorithms[J]. Control and Decision, 2012, 27 (2): 161- 166.
14	DASH M , LIU H . Feature selection for classification[J]. Intelligent Data Analysis, 1997, 1 (3): 131- 156. doi: 10.3233/IDA-1997-1302
15	刘宏伟, 保铮. 基于复合特征及分层特征选择的雷达HRRP识别[J]. 系统工程与电子技术, 2005, 27 (4): 596- 599. doi: 10.3321/j.issn:1001-506X.2005.04.007
	LIU H W , BAO Z . Radar HRRP recognition based on hybrid features and multi-stage feature selection scheme[J]. Systems Engineering and Electronics, 2005, 27 (4): 596- 599. doi: 10.3321/j.issn:1001-506X.2005.04.007
16	KULLBACK S , LEIBLER R A . On information and sufficiency[J]. Annals of Mathematical Statistics, 1951, 22 (1): 79- 86. doi: 10.1214/aoms/1177729694
17	CAPLAN P , SHIMIZU H , KOBAYSHI S , et al. Cataloging internet resources[J]. The Public Access Computer Systems Review, 1993, 4 (2): 61- 66.

参数	取值
参数	起始值	终止值	间隔
俯仰角/(°)	30	40	1.0
方位角/(°)	0	66	0.1
频率/MHz	4 500	5 500	7.5

变量	数据
变量	数据1	数据2	数据3
SNR/dB	20~35, 间隔1	23	23
俯仰角/(°)	30~40	30~40, 间隔1	30~40
带宽/MHz	1 000	1 000	200~1 000, 间隔100

待识别目标	识别结果
待识别目标	目标A	目标B	目标C
目标A	99.67	0.00	0.33
目标B	0.71	95.03	4.26
目标C	9.00	8.74	82.26

待识别目标	识别结果
待识别目标	目标A	目标B	目标C
目标A	97.33	0.34	2.33
目标B	2.84	90.76	6.40
目标C	7.71	9.26	83.03

[1]	赵晓枫, 牛家辉, 刘春桐, 夏玉婷. 基于三维注意力与混合卷积的高光谱图像分类[J]. 系统工程与电子技术, 2023, 45(9): 2673-2680.
[2]	李庚松, 刘艺, 郑奇斌, 秦伟, 李红梅, 任小广, 宋明武. 基于蚁狮算法的元特征选择方法[J]. 系统工程与电子技术, 2023, 45(9): 2831-2842.
[3]	方伟, 梁静雯, 陆恒杨. 基于聚类锦标赛与父代匹配的遗传规划算法[J]. 系统工程与电子技术, 2023, 45(8): 2405-2414.
[4]	王湖升, 陈伯孝, 叶倾知. 基于箔条干扰实测数据的对抗方法研究[J]. 系统工程与电子技术, 2023, 45(7): 2010-2021.
[5]	杨帆, 马萍, 李伟, 杨明. 基于孪生网络的仿真模型智能排序评估方法[J]. 系统工程与电子技术, 2023, 45(7): 2060-2068.
[6]	李波, 胡哿郗, 石剑钧, 刘恒畅, 洪涛. 基于多惩罚因子优化VMD的滚动轴承故障特征提取方法[J]. 系统工程与电子技术, 2023, 45(11): 3690-3698.
[7]	刘佳, 徐群玉, 陈唯实. 无人机雷达航迹运动特征提取及组合分类方法[J]. 系统工程与电子技术, 2023, 45(10): 3122-3131.
[8]	吴梦蝶, 程龙生, 陈闻鹤. 基于自适应马氏空间与深度学习的滚动轴承退化趋势预测[J]. 系统工程与电子技术, 2023, 45(10): 3338-3349.
[9]	王彩云, 吴钇达, 王佳宁, 马璐, 赵焕玥. 基于改进的CNN和数据增强的SAR目标识别[J]. 系统工程与电子技术, 2022, 44(8): 2483-2487.
[10]	马泽煊, 李进, 路艳丽, 陈晨. 融合WaveNet和BiGRU的网络入侵检测方法[J]. 系统工程与电子技术, 2022, 44(8): 2652-2660.
[11]	李郝亮, 陈思伟, 王雪松. 海面角反射器的极化旋转域特性研究[J]. 系统工程与电子技术, 2022, 44(7): 2065-2073.
[12]	李波, 周家豪, 刘民岷, 朱品朝. 基于改进NSGA3的焊接缺陷评估特征选择[J]. 系统工程与电子技术, 2022, 44(7): 2211-2218.
[13]	孙晶明, 虞盛康, 孙俊. 基于元学习的雷达小样本目标识别方法及改进[J]. 系统工程与电子技术, 2022, 44(6): 1839-1845.
[14]	孙晶明, 虞盛康, 孙俊. 基于深度学习的HRRP识别姿态敏感性分析[J]. 系统工程与电子技术, 2022, 44(3): 802-807.
[15]	刘旗, 张新禹, 刘永祥. 基于门控多尺度匹配网络的小样本SAR目标识别[J]. 系统工程与电子技术, 2022, 44(11): 3346-3356.

地面目标HRRP识别的稳健性特征选择方法

Robust feature selection method for ground target HRRP recognition

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价