王 放,韓曉磊,張延鑫

(北京跟蹤與通信技術(shù)研究所,北京 100094)

0 引 言

隨著人類航天技術(shù)的發(fā)展進(jìn)步,爭奪進(jìn)出空間、利用空間和控制空間的自由權(quán)已成為世界大國實現(xiàn)國家安全和利益拓展的基本戰(zhàn)略,而空間態(tài)勢感知能力則是遂行此戰(zhàn)略的基礎(chǔ)和保證?？臻g目標(biāo)是指分布于軌道高度100 km以上空間的、長期在軌的人造目標(biāo),包括工作衛(wèi)星、空間站等工作航天器和失效衛(wèi)星、箭體、碎片等太空垃圾。對空間目標(biāo)尤其是在軌航天器的準(zhǔn)確識別,是太空態(tài)勢感知的重要內(nèi)容和基礎(chǔ),受到了廣泛關(guān)注[1-8]。通常情況下,對空間目標(biāo)身份的識別主要依靠目標(biāo)軌道匹配,但當(dāng)目標(biāo)變軌或新目標(biāo)發(fā)現(xiàn)等軌道匹配失效的情況下,需要根據(jù)目標(biāo)光、電特性實現(xiàn)對目標(biāo)身份的準(zhǔn)確識別。目標(biāo)高分辨一維距離像(High Resolution Range Profile,HRRP)是一種相對易于獲取和處理的目標(biāo)寬帶雷達(dá)特性數(shù)據(jù),其中包含了豐富的目標(biāo)尺寸、結(jié)構(gòu)等物理特征,已在各類雷達(dá)目標(biāo)識別中得到了較好的應(yīng)用。研究發(fā)現(xiàn),目標(biāo)的HRRP在空間目標(biāo)個體自動識別中有著良好的應(yīng)用前景。然而,前期的相關(guān)研究多集中于基于HRRP的目標(biāo)識別算法[7-12],相關(guān)結(jié)論多是基于仿真數(shù)據(jù)或少量類別(幾類)的前提下得到的,與工程應(yīng)用的實際情況有較大差距,缺乏對HRRP在空間目標(biāo)個體識別中工程效果的可靠分析。為解決這一問題,本文在對空間目標(biāo)識別問題特點分析的基礎(chǔ)上,基于地基雷達(dá)獲取的大量實測HRRP數(shù)據(jù),對HRRP及其特征(組合)的可分性和在空間目標(biāo)個體識別中的應(yīng)用效果進(jìn)行了量化分析,分析結(jié)果可為后續(xù)基于HRRP的空間目標(biāo)個體識別技術(shù)研究和工程應(yīng)用提供可靠依據(jù)。

1 空間目標(biāo)識別問題分析

目標(biāo)識別的本質(zhì)是利用所獲取的目標(biāo)特征信息,通過一定的數(shù)學(xué)方法,建立待識別目標(biāo)與已知目標(biāo)間的關(guān)聯(lián)性,包括學(xué)習(xí)和識別兩個基本過程,其關(guān)鍵在于已知目標(biāo)特征描述的建立、待識別目標(biāo)特征的提取,以及識別算法和判決規(guī)則的建立?？臻g目標(biāo)識別作為目標(biāo)識別的一個分支,雖然在基本原理、方法和關(guān)鍵問題等方面與一般目標(biāo)識別是相通的,然而由于待識別對象和應(yīng)用需求的特殊性,空間目標(biāo)識別又有其自身的鮮明特點和獨特解決思路。

1.1 空間目標(biāo)識別的內(nèi)涵

空間目標(biāo)識別是太空態(tài)勢感知的重要內(nèi)容,其具體內(nèi)涵是:綜合利用所獲取的反映空間目標(biāo)本質(zhì)的各種特征和信息,如目標(biāo)軌道、幾何及結(jié)構(gòu)特征、光學(xué)散射/輻射特性、電磁散射輻射特性等,實現(xiàn)對空間目標(biāo)類別、身份、屬性及威脅的判別,以確定目標(biāo)是什么、是誰、干什么和重要性。因此,空間目標(biāo)識別可分為以下3個不同層次:

1)空間目標(biāo)分類,即將在軌姿控正常航天器與姿控失效航天器、箭體、碎片等太空垃圾區(qū)分開來。

2)空間目標(biāo)身份識別,即主要針對姿控正常航天器,識別其身份屬性,確定其具體是哪一顆衛(wèi)星。

3)空間目標(biāo)精細(xì)特征刻畫,即利用測得的目標(biāo)多源數(shù)據(jù)和情報信息,得到目標(biāo)幾何尺寸、結(jié)構(gòu)布局、材質(zhì)分布、載荷類型及能力等精細(xì)物理特征。

1.2 空間目標(biāo)識別的特點

根據(jù)前述對空間目標(biāo)特性的分析可知,與飛機、艦船等常規(guī)目標(biāo)識別相比,空間目標(biāo)識別問題具有以下特點:

1) 待識別目標(biāo)運動符合軌道運動規(guī)律,其軌道特征具有較好的穩(wěn)定性和時空可分性,是完成絕大多數(shù)空間目標(biāo)識別的基礎(chǔ)。

2)與飛機、艦船等目標(biāo)相比,空間目標(biāo)位置具有較強的長期可預(yù)測性,對同一目標(biāo)可多次重復(fù)探測,且探測數(shù)據(jù)在時間和空間上易關(guān)聯(lián)。因而,一方面可通過重復(fù)觀測獲取已知空間目標(biāo)建庫所需的目標(biāo)特征模板;另一方面可重復(fù)多次獲取待識別目標(biāo)的特征信息,進(jìn)行多次識別和基于多源信息的融合識別,提高識別結(jié)果的正確性和可靠性。

3)相比于地面、海面等環(huán)境,空間目標(biāo)所處的太空環(huán)境背景相對簡單、純凈,有利于目標(biāo)識別處理。

4)與飛機、艦船、車輛等常規(guī)目標(biāo)識別相比,待識別目標(biāo)數(shù)量和類別巨大,給識別帶來困難。

5)由于不斷發(fā)生進(jìn)入、變軌、隕落、解體及爆炸、碰撞等空間事件,空間目標(biāo)的數(shù)量、狀態(tài)、特征屬性等有可能發(fā)生較大變化,因此對空間目標(biāo)尤其是航天器的識別需在一個較長時間內(nèi)定期重復(fù)進(jìn)行,以確保對目標(biāo)情況的及時、準(zhǔn)確掌握。

2 基于HRRP的空間目標(biāo)個體識別效果分析

空間目標(biāo)的HRRP是目標(biāo)強散射中心在雷達(dá)視線上的投影(圖1),與目標(biāo)窄帶雷達(dá)散射截面(Radar Cross Section,RCS)序列相比,包含更多的目標(biāo)信息,可直接用于空間目標(biāo)個體識別。為研究HRRP直接用于空間目標(biāo)識別的效果,本文利用實測獲取的30類在軌衛(wèi)星目標(biāo)的寬帶雷達(dá)回波數(shù)據(jù),構(gòu)建了目標(biāo)識別模板庫,基于模板匹配[13]方法進(jìn)行了識別處理,并對處理結(jié)果進(jìn)行了統(tǒng)計分析。

2.1 模板庫構(gòu)建

在相同的待識別目標(biāo)數(shù)據(jù)質(zhì)量條件下,庫內(nèi)模板數(shù)據(jù)的質(zhì)量越高、覆蓋越全面,最終識別結(jié)果的正確率和置信度將越高;與此同時,庫內(nèi)模板規(guī)模的大小將大大影響模板匹配識別算法效率的高低。因此,從空間目標(biāo)HRRP特點出發(fā),綜合考慮算法效率等因素,采用以下策略建立了識別模板庫:綜合考慮現(xiàn)有寬帶數(shù)據(jù)采樣頻率、空間目標(biāo)與雷達(dá)視線相對轉(zhuǎn)速以及HRRP的姿態(tài)敏感特性等因素,每隔30個回波抽取1個HRRP作為模板;對于相同觀測條件的目標(biāo)數(shù)據(jù),選取信噪比(Signal-to-Noise Ratio,SNR)最高的數(shù)據(jù)構(gòu)建識別模板。

新教材的改變對教師角色的自身定位是一項巨大的挑戰(zhàn)。知識的易接觸性意味著教師將不再是其唯一持有者，在單獨的字音教學(xué)環(huán)節(jié)，教師與學(xué)生只是資源共享關(guān)系。因此如何發(fā)揮教師的引導(dǎo)作用才是值得深思的問題。教師應(yīng)首先明確自身優(yōu)勢，引導(dǎo)學(xué)生將社會經(jīng)驗回歸書本，將生活實際抽象概括，得出最終結(jié)論。

2.2 基于HRRP的空間目標(biāo)個體識別效果

為驗證HRRP在空間目標(biāo)個體識別的效果,利用采集的30類在軌衛(wèi)星目標(biāo)的實測寬帶雷達(dá)數(shù)據(jù),對測試數(shù)據(jù)與模板數(shù)據(jù)段相同且回波編號相同、測試數(shù)據(jù)與模板數(shù)據(jù)段相同但回波編號不同,以及測試數(shù)據(jù)與模板數(shù)據(jù)段不同等3種情況進(jìn)行了測試,并對識別結(jié)果正確率進(jìn)行了統(tǒng)計分析,如表1所示。其中,測試數(shù)據(jù)與模板數(shù)據(jù)段相同且回波編號不同條件下的測試主要用于測試識別方法的正確性;測試數(shù)據(jù)與模板數(shù)據(jù)段相同但回波編號不同情況下,測試數(shù)據(jù)與模板數(shù)據(jù)有相似的目標(biāo)姿態(tài)角,模板數(shù)據(jù)對測試數(shù)據(jù)具有很好的角度覆蓋性,此種情況下的測試結(jié)果可以最大程度消除模板的不完備性給識別帶來的影響,客觀反映不同類別目標(biāo)HRRP的可分性;測試數(shù)據(jù)與模板數(shù)據(jù)段不同條件下的測試,主要用于檢驗?zāi)０宀煌陚鋵ψR別效果帶來的影響。

表1 基于HRRP的空間目標(biāo)個體識別結(jié)果Tab.1 Space target recognition result based on HRRP

從表1中給出的識別結(jié)果統(tǒng)計情況可以看出:

1)在測試數(shù)據(jù)與模板數(shù)據(jù)段相同且回波編號相同條件下,識別結(jié)果正確率為100%,說明了分類器的正確性和有效性,但部分識別結(jié)果的隸屬度不高,說明部分庫內(nèi)不同目標(biāo)識別模板間存在相似度較高的情況。

2)在測試數(shù)據(jù)與模板數(shù)據(jù)段相同但回波編號不同條件下,識別結(jié)果正確率可達(dá)85.19%,識別效果較好,說明不同衛(wèi)星目標(biāo)的HRRP具有較好的可分性。

3)在測試數(shù)據(jù)與模板數(shù)據(jù)段不同的條件下,識別正確率僅有24.40%,說明模板完備性對識別效果影響較大。

3 基于HRRP特征(組合)的空間目標(biāo)個體識別效果分析

3.1 空間目標(biāo)HRRP特征分析及篩選

可提取的目標(biāo)HRRP特征主要包括距離像結(jié)構(gòu)特征、傅里葉-梅林(Fowrier-Mellin)變換特征、高階譜特征、中心矩特征和統(tǒng)計量特征等。下面對空間目標(biāo)HRRP的不同特征量的特點進(jìn)行分析。

從空間目標(biāo)HRRP中可提取的結(jié)構(gòu)特征包括目標(biāo)徑向長度、距離域結(jié)構(gòu)特性、散射對稱性、散射中心數(shù)目、分散程度等。其中,目標(biāo)徑向長度為目標(biāo)所占分辨單元的總長,是識別目標(biāo)時最直觀的幾何形狀特征;目標(biāo)距離域結(jié)構(gòu)特性主要指目標(biāo)強散射中心位置之間的相對關(guān)系,反映了目標(biāo)主要散射部位之間相對距離比例關(guān)系;散射對稱性反映了目標(biāo)散射截面分布的對稱程度;分散程度則反映了目標(biāo)的強散射部位在目標(biāo)物體表面的分布關(guān)系。

3.1.2 傅里葉-梅林變換特征

對于空間目標(biāo)這種非合作機動目標(biāo)來說,距離像敏感于時間平移和方位角的變化,因此,在利用HRRP進(jìn)行目標(biāo)識別時,需要消除時間平移、尺度變化和幅度變化帶來的影響。幅度變化帶來的影響可以通過歸一化消除,而傅里葉變換的模具有平移不變性,梅林變換的模具有的尺度不變性,因此可以通過傅里葉變換消除時移的影響,通過梅林變換消除尺度變化的影響。

3.1.3 高階譜特征

高階譜即信號的高階累積量或高階相關(guān)的多維Fourier變換。高階譜可以克服直接對信號做傅里葉變換后取幅值來提取平移不變特征而造成的相位丟失的缺點,在得到平移不變特征的同時保留HRRP頻譜相位信息,進(jìn)而反映出蘊含于傅里葉變換相位信息中的信號形狀信息。目前,在雷達(dá)目標(biāo)目標(biāo)識別中最常用到的還是高階累積量的第一和第二個特性,即幅度和相位信息的平移不變性,在高階譜域(而非時域或距離域)充分利用高階譜的位移不變性去挖掘距離像中的相位信息。雙譜是階數(shù)最低的高階譜,處理方法最簡單,同時包含功率譜里沒有的相位信息,與其他高階譜相比,它的應(yīng)用相對更為廣泛,理論和方法也比較成熟。基于雙譜的目標(biāo)識別也是一個研究的熱點。

3.1.4 中心矩特征

中心矩是一種簡單的平移不變特征,表征了距離像波形的特征,可以反映目標(biāo)的形狀信息和粗略描述頻譜的分布特性,常用于提取圖像的平移不變特征,廣泛用于HRRP自動目標(biāo)識別。根據(jù)中心矩的定義可知,一階矩是與平移有關(guān)的,二階及高階中心矩是以一階矩為參考點來補償平移量的,與平移無關(guān)。二階中心矩描述了波形相對于均值的分布,三階中心矩描述了波形相對于均值的對稱性,四階中心矩描述了波形的相對平坦性。更高階矩的物理意義不直接,但也定量描述了波形的分布特性。實際用于識別時,隨著階數(shù)的增加,中心矩的數(shù)值會迅速增大,過大的數(shù)值對識別沒有意義,因此文獻(xiàn)[8]中提到了“相對幅度歸一化”的特征處理方法。但是,通過實測數(shù)據(jù)檢驗發(fā)現(xiàn),在利用中心矩特征進(jìn)行空間目標(biāo)識別時,歸一化反而會使得兩類目標(biāo)的特征差異降低(特征維的所有值均分布在0～1之間),進(jìn)而導(dǎo)致識別效果變差。此外,隨著中心矩階數(shù)的增加,信息成分與冗余成分的比值降低,說明高階中心矩中包含的信息已經(jīng)在低階中心矩中給出,階數(shù)越高,冗余度越大,可通過主成分分析法有效去除中心矩中的冗余,降低特征維數(shù),同時保留數(shù)據(jù)的大部分本質(zhì)信息。但考慮到工程應(yīng)用對算法的高穩(wěn)定性與低復(fù)雜度的要求,對于中心矩數(shù)值隨階數(shù)增加而急劇增大的問題,采取只取低維值的方法。通過對實測數(shù)據(jù)處理分析可知,中心矩的最高維數(shù)取5～8即可滿足需求。

3.1.5 統(tǒng)計量特征

HRRP統(tǒng)計量特征主要包括均值、方差、偏度和峰度等。其中,偏度和峰度分別為三階和四階累積量零滯后時的值。偏度是衡量隨機信號的概率分布偏離對稱分布的程度,其值為零意味著此分布服從對稱分布,否則服從非對稱分布。峰度是衡量隨機信號的概率分布偏離高斯分布的程度,也反映了概率分布尖峭的程度,其值為零表明此分布服從正態(tài)分布(高斯信號),其值為正表明此分布比正態(tài)分布陡峭(超高斯信號),其值為負(fù)則比正態(tài)分布要平坦(亞高斯信號)。在實際信號處理中,涉及到累積量階數(shù)的選取問題。一般來講,階數(shù)越高,計算量越大,計算過程相對越復(fù)雜,因此如果能夠滿足要求應(yīng)盡量選用階數(shù)小的累積量。理論證明,對稱分布相應(yīng)的三階累積量為零,需要采用四階累積量;而非對稱分布相應(yīng)的三階累積量不為零,因此可以采用三階累積量。另外,某些隨機過程的三階累積量的值過小,也需要采用四階累積量?？紤]到空間目標(biāo)識別問題的復(fù)雜性,采用三階、四階累積量這兩個統(tǒng)計特征量。

3.2 基于HRRP特征(組合)的空間目標(biāo)個體識別效果

通過對各種HRRP特征的特點和基于實測數(shù)據(jù)的初步分析,并考慮工程中的高穩(wěn)定性和低復(fù)雜度要求,篩選出徑向長度、散射對稱性、散射中心數(shù)據(jù)、分散程度等距離像結(jié)構(gòu)特征,傅里葉-梅林變換特征,雙譜特征,5～8階中心距特征,以及中心矩(5～8階)和統(tǒng)計量特征的組合特征作為空間目標(biāo)個體識別的備選特征?；谀０迤ヅ渌惴?利用獲取的30類衛(wèi)星目標(biāo)的實測HRRP序列數(shù)據(jù),對上述特征在空間目標(biāo)個體識別中的效果進(jìn)行了仿真分析,結(jié)果如圖2所示?？梢钥吹?基于中心矩和統(tǒng)計量的組合特征的識別結(jié)果最優(yōu),平均識別率可達(dá)76.1%;基于距離像結(jié)構(gòu)特征的識別效果次之,平均識別率為72.5%;而基于傅里葉-梅林變換特征的識別效果最差,平均識別率僅有67.5%。由此可知,中心距和統(tǒng)計量的組合特征在工程應(yīng)用中具有更好的效果。此外,與基于HRRP的空間目標(biāo)個體識別效果相比,基于HRRP特征(組合)的空間目標(biāo)個體識別效果有不同程度降低,分析可能原因為,一方面是由于HRRP特征本質(zhì)上是對目標(biāo)HRRP的維數(shù)壓縮和變換,特征提取過程中勢必會損失部分目標(biāo)特征信息從而導(dǎo)致特征的可分性降低;另一方是部分HRRP特征提取方法魯棒性不高,受數(shù)據(jù)質(zhì)量等因素影響提取的特征精度及穩(wěn)定性不高,影響了識別效果。

圖2 基于HRRP特征的空間目標(biāo)識別結(jié)果Fig.2 Space target recognition result based on HRRP features

4 結(jié)束語

本文利用地基雷達(dá)獲取的多圈次、多類型衛(wèi)星HRRP序列,對基于HRRP和其特征的空間目標(biāo)識別效果進(jìn)行了分析。結(jié)果表明,基于HRRP的識別效果遠(yuǎn)優(yōu)于基于HRRP特征的識別效果,可能由特征提取過程中的信息損失和提取特征精度有限造成;基于HRRP特征的識別效率要遠(yuǎn)高于基于HRRP的識別效率,且中心距和統(tǒng)計量的組合特征識別效果最好;隨著目標(biāo)類別的進(jìn)一步增多,基于HRRP的空間目標(biāo)個體識別效果將進(jìn)一步下降,因此后續(xù)需進(jìn)一步優(yōu)化模板庫構(gòu)建方法,并引入深度學(xué)習(xí)網(wǎng)絡(luò)等新型分類器提升識別效果和處理效率。