基于SAR图像散射中心先验融合的HRRP目标识别方法

《Remote Sensing》：HRRP Target Recognition Method Assisted by Scattering Center Prior Fusion from SAR Images

　　

摘要专业翻译 准确的目标先验信息是提升高分辨距离像（HRRP）检测与识别性能的重要基础。针对基于SAR图像散射中心辅助的HRRP目标识别中先验模板可靠性不足的问题——即从单幅图像中提取的散射中心易受噪声、旁瓣、局部散射起伏以及观测方位角变化的影响——本文提出了一种基于相邻方位角SAR图像散射中心先验融合的HRRP目标识别方法。通过将自适应点扩展函数（PSF）与二维CLEAN算法相结合，提取不同方位角下的二维散射中心；随后采用幅度加权聚类保留具有空间一致性的稳定散射结构，从而构建融合散射中心模型。进而，将该融合模型在不同方位偏移下投影至距离维，建立一维散射中心先验模板库。最终利用基于最大相关系数的滑动匹配实现目标分类。基于地面目标数据集的同频段、跨频段及对比实验表明，所提方法有效提升了先验模板的稳定性与目标识别性能，并对观测方位角变化、噪声水平及雷达工作频段变化表现出合理的适应性。

论文解读文章

一、研究背景与问题提出

高分辨距离像（High Resolution Range Profile, HRRP）是目标强散射中心沿雷达视线方向的一维投影分布，具有易于获取、实时性强、适用范围广等特点，在宽带雷达目标检测与识别中具有重要的应用价值。对于舰船、车辆、飞机等扩展目标而言，HRRP中主散射峰的位置和幅度分布与目标的几何结构、材料属性和局部散射特性密切相关，因此HRRP被广泛应用于目标识别领域。

然而，HRRP本质上是目标三维散射结构的一维投影，相较于二维合成孔径雷达（Synthetic Aperture Radar, SAR）图像，其信息损失更为显著，可解释性较低。此外，不同方位位置的散射中心可能投影到同一距离单元并发生相干叠加，使得HRRP对方位角、平动位移和工作频段等因素高度敏感。特别是在实际外场条件下，目标局部散射起伏、背景杂波、环境噪声以及雷达系统参数变化均可能改变HRRP的幅度分布，从而降低基于HRRP识别的先验信息获取与表征质量。

现有研究主要利用覆盖全方位角的模板库作为训练集，训练神经网络、支持向量机（Support Vector Machine, SVM）等高维分类器以实现目标识别。然而，当前研究中的训练样本与测试样本通常是同质的，即目标状态、环境背景和雷达频段等参数在训练集与测试集之间完全一致。在实际应用中，工作条件经常发生变化，难以保证可靠的识别性能。

SAR图像能够提供目标在成像平面内的二维散射分布，比HRRP具有更强的结构可解释性。为此，研究团队提出利用离线或在线SAR图像作为先验信息来源，通过提取散射中心特征并施加投影变换，生成适用于距离像识别的先验信息。但现有实现通常基于单幅SAR图像构建模板，在真实多目标场景中，单幅图像提取的散射中心易受成像旁瓣、噪声、强散射响应的局部起伏以及目标方位角的微小变化等因素影响，导致生成的一维散射中心模板稳定性不足。特别是当SAR先验信息与待识别HRRP在观测时间、工作频段或雷达系统上不一致时，单幅图像模板中存在的偶然散射点和幅度误差会进一步加剧匹配过程的不确定性。

二、研究内容与主要结论

针对上述问题，本文提出了一种利用相邻方位角SAR图像构建多帧散射先验的策略。在图像配准和局部平移对齐之后，从目标切片中提取的散射分量通过幅度加权空间聚类进行聚合，利用跨帧支持度进行分量筛选和幅度加权，同时设置参考帧强分量判据以防止强响应因跨帧支持不足而被丢弃。该融合表示结合了局部空间邻近性与重复观测支持，而非简单拼接各单幅图像提取的分量。

该方法的方法论贡献在于将单图像先验构建扩展为一致性约束的多视角表示。跨帧支持度作为相邻方位角配准观测中散射响应可重复性的指标，并不与物理散射中心建立一一对应关系，也不意味着跨频段不变性。融合表示随后被纳入已有的投影和滑动最大相关匹配框架中。

研究采用地面目标数据集进行评估，包括K波段SAR先验以及K和W波段的HRRP数据。同频段实验考察了融合窗口大小、融合参数、方位角变化和噪声对识别性能的影响；跨频段实验评估了所构建先验在工作频段变化下的适用性。研究还设置了单帧基线以评估多帧先验构建的贡献，并以基于统计特征的线性SVM作为传统监督分类参考，同时分析了计算复杂度、存储需求和耗时。

三、关键技术方法

研究人员采用的主要关键技术方法包括以下四个方面。第一，基于自适应点扩展函数（Point Spread Function, PSF）与二维CLEAN算法的散射中心提取方法，通过逐帧自适应估计PSF的3dB宽度以匹配实际成像响应，并利用CLEAN算法迭代估计和扣除主散射中心响应直至满足停止准则。第二，多帧聚类融合方法，将融合窗口内所有帧提取的散射中心汇聚为候选集，按幅度降序进行贪心聚类，以幅度加权平均更新簇中心，并通过支持度筛选（跨帧支持数≥2或参考帧强分量超过阈值τ）保留稳定散射结构。第三，一维模板生成方法，将融合后的二维散射中心模型在不同方位偏移θ下投影至距离维，并基于PSF响应重构进行能量归一化，建立覆盖不同方位偏移的一维散射中心模板库。第四，滑动最大相关匹配识别方法，对HRRP进行幂变换和能量归一化预处理后，以半距离分辨率为搜索间隔进行滑动匹配，选取最大匹配系数对应的目标类别作为识别结果。实验数据来源于包含六类地面目标（三/五角反射器构型、三种车型、电动三轮车）的K波段SAR图像及K/W波段HRRP数据集。

四、研究结果

同频段识别实验中多帧融合的有效性与融合窗口分析。 通过以10幅SAR图像帧分别作为参考帧构建融合模板并进行识别实验，研究发现识别性能不随融合帧数单调变化，融合窗口W₄取得了相对较优的识别结果。多帧空间一致性约束能够缓解散射中心提取误差和局部散射起伏对模板构建的影响。融合窗口过小时，抑制虚假散射点的信息不足；融合窗口过大时，散射结构随方位角的变化导致一致性下降。参数敏感性分析表明，聚类半径系数α_m=0.95在保持较高精度（96.27%）的同时获得更紧凑的模板（平均散射中心数8.50），保留阈值τ在0.45~0.85范围内对精度和散射中心数均无显著影响。

以第五帧为参考帧的融合散射中心模板识别结果。 采用第五帧为参考帧、融合窗口W₄构建融合模板时，六类目标的整体识别精度达到96.27%。匹配结果和混淆矩阵表明，该方法对具有突出且稳定强散射结构的目标具有较高的识别能力。

同频段实验的整体识别结果。 以10个帧分别作为参考帧构建融合模板（融合窗口W₄）时，所有参考帧的平均正确识别率为90.08%。中间参考帧的识别结果相对稳定，末端帧出现明显性能下降（第10帧为76.19%），这归因于边界效应——首末帧只能利用单侧相邻视角信息。混淆矩阵显示，目标1、2、6的类识别率均达100%，这三类目标均含金属角反射器，其强散射响应在较宽观测角范围内保持稳定，类间可分性高。误分类主要集中在三类车辆目标之间，因为不同车型在特定方位角下可能呈现相似的一维投影范围和主散射中心分布。

噪声鲁棒性分析。 向待识别HRRP中加入不同PSNR水平的复高斯白噪声后，整体识别率随PSNR增加而提高。当PSNR超过约14dB时，六类目标的平均正确识别率保持在80%以上，表明该方法对噪声具有合理的鲁棒性。

方位角鲁棒性分析。 固定SAR先验模板的中心方位角，选取不同角偏移下的HRRP进行匹配识别。当方位偏移在?2.6°至5.2°范围内时，平均正确识别率保持在80%以上，表明通过不同角偏移投影构建的一维散射中心模板库能够在特定范围内补偿SAR成像方位角与HRRP观测方位角之间的差异。含角反射器的目标对方位偏移相对不敏感，而复杂车辆目标的识别率随方位偏移变化更为显著。

跨频段识别实验的整体识别结果。 以第五帧为参考帧、融合窗口W₄构建K波段一维模板，与W波段HRRP进行匹配，整体识别精度达95.3%。目标1、2、6的类召回率分别为96.5%、91.9%和97.4%。K波段模板中的主散射中心与W波段HRRP中的显著峰在距离维上总体对应良好，表明散射中心的位置构型在跨频段条件下仍保留有效的类别判别能力。

多帧融合有效性的跨频段分析。 与未经过聚类融合的散射中心模型（W₁）相比，目标1和2的召回率分别从81.6%和81.7%提升至96.5%和91.9%，提升幅度达14.9和10.2个百分点。多帧聚类融合的作用并非简单增加散射中心数量，而是利用多视角观测的空间一致性增强稳定散射结构在模板中的贡献，同时抑制单帧中虚假散射点和提取误差的影响。

跨频段识别性能分析。 箱线图分析表明，每个W波段目标类别与对应同类别K波段模板的中位匹配分数均高于与其他类别模板的匹配分数。分数裕度（最高与次高匹配分数之差）分析显示，正确识别样本的分数裕度中位数约为0.075，而误分类样本的分数裕度中位数约为0.01，表明误分类主要发生在类别间竞争激烈、单次匹配结果置信度低的样本中。在匹配分数接近时引入场景先验进行联合决策，可进一步降低低置信度样本的误分类概率。

对比实验与计算成本分析。 研究设置了单帧散射模板匹配（SF-TM）和基于统计特征的线性SVM两个基线。单帧基线用于评估多帧先验构建的贡献，SVM提供传统监督分类参考。计算复杂度、存储需求和耗时分析表征了额外的离线构建成本和在线匹配开销。

五、讨论与结论

讨论部分指出，多帧融合策略通过空间一致性约束有效抑制了单帧SAR散射中心提取中的偶然误差和局部起伏影响，提升了先验模板的稳定性和可靠性。融合窗口大小的选择需要在信息积累与方位一致性之间取得平衡。跨频段实验结果表明，散射中心的空间位置构型在光学区具有一定的频段稳定性，主散射中心的位置配置能够为不同频段的HRRP识别提供有效先验，支持了SAR先验辅助跨频段雷达目标识别的可行性。分数裕度分析为识别决策的置信度评估提供了量化依据，低裕度样本可结合场景先验进行联合决策以提升整体性能。

研究结论表明，所提出的基于相邻方位角SAR图像散射中心先验融合的HRRP目标识别方法，通过多帧空间一致性约束有效提升了先验模板的稳定性，在同频段和跨频段条件下均取得了良好的识别性能，并对方位角变化、噪声水平和雷达工作频段变化表现出合理的适应性。该方法为SAR先验辅助的HRRP目标识别提供了一种有效的多帧先验构建途径，支持了跨模态和跨频段目标识别的可行性。