基于优化概率神经网络和红外多光谱融合的大气层外空间弹道目标识别

张国亮杨春玲王暕来

①(哈尔滨工业大学电气工程及自动化学院 哈尔滨 150001)②(中国运载火箭技术研究院 北京 100076)

1 引言

在自动目标识别(Automatic Target Recognition, ATR)研究领域，大气层外空间弹道目标的自动识别是一个挑战性的难题[1]。这主要是因为空间弹道目标的自动识别具有如下难点：(1)弹道目标存在多样性，包括弹头，导弹碎片以及诱饵(可能又包含重诱饵和轻诱饵)等；(2)弹道目标的辐射特性表现出动态时变性；(3)远距离探测时，获取目标的信息量非常有限。这些难点反应在实际应用中主要就是如何提取用于目标识别的有效特征以及如何设计有效的目标分类算法。针对空间目标识别的这些问题，很多学者进行了此方面的研究[24]-。文献[2-4]中的方法主要是利用雷达的时频域量测特征进行的目标识别，其中主要包括目标的雷达散射截面积(Radar Cross Section, RCS)，目标的运动轨迹，以及目标的多普勒特征等。但当有多个真假目标同时在中段飞行时，弹头并不存在区别其它诱饵的固有频率，而且弹头和诱饵的轨迹相近[5]，这给弹道目标的识别造成很大困难。光谱信息是由物体内在的物理性质决定的，所以通过分析物体光谱信息，可以获得其它方法不能获得的目标固有属性。因此目标的光谱差异信息可以作为识别目标的一种重要手段。另外，由于人工神经网络良好的并行性和自学习能力，近年来被广泛用于空间弹道目标识别。文献[6]设计了三波段的空间弹道目标识别算法，采用反向传播(Back Propagation, BP)神经网络对空间弹道目标进行了识别。……