基于多核NSVDD的雷达/红外特征级融合目标识别

郭哲源, 马 亮, 贾春宁, 张 雪, 许倩倩

(1.上海无线电设备研究所,上海 201109;2.陆军装备部驻上海地区军事代表室,上海 209109)

0 引言

随着现代战场环境复杂度的不断提升,对精确制导系统的目标识别性能提出了越来越高的要求。传统的单模制导方式已经不能满足作战需求,多模制导将逐渐成为未来主流的制导方式[1]。雷达/红外复合制导模式存在诸多优势,是多模复合制导体制的重要发展方向。雷达单模制导方式探测距离较远,能在各种气候条件下工作,但易受到敌方电子干扰。红外单模制导方式具有较强的抗电子干扰能力,但无法获取目标距离信息,且探测距离近,易受气候条件影响。将上述两种单模方式进行复合,可以实现优势互补,有效提升导弹的作战性能[2]。

雷达探测器和红外探测器属于异类探测器,采用特征级信息融合目标识别技术可以实现雷达信息和红外信息的融合,显著提升复合导引头的识别性能。特征级融合目标识别是指从原始数据中提取特征信息,并将特征信息融合后送入分类器,从而实现更好的分类识别性能[3]。文献[4]研究了一种特征级融合算法,采用有序加权平均(ordered weighted average,OWA)算子对雷达和红外特征进行融合,利用支持向量数据描述(support vector data description,SVDD)分类模型实现目标识别。文献[5]研究了基于毫米波雷达和红外探测器的特征级和决策级融合方案,其中特征级融合采用核线性判别分析(kernel linear discriminant analysis,KFDA)算法实现,目标识别采用K近邻分类器实现。文献[6]研究了雷达一维距离像和逆合成孔径雷达(ISAR)图像特征级融合问题,采用度量学习的特征融合方式,与雷达/红外特征级融合问题相似。……