李玉璽，許 丹

（1.空軍工程大學(xué)防空反導(dǎo)學(xué)院，西安 710051；2.解放軍32147 部隊，陜西 寶雞 721000）

0 引言

目前，彈道導(dǎo)彈防御主要分3 個階段：助推段防御、中段防御和末端防御。在中段防御中，導(dǎo)彈飛行時間長，約為整個飛行時間的70%左右，與助推段和末端相比，有充足的防御時間，且作戰(zhàn)位置不受限，可以部署多級中段攔截系統(tǒng)。下頁圖1為彈道導(dǎo)彈多段攔截示意圖。

圖1 彈道導(dǎo)彈多段攔截示意圖

近年來，彈道導(dǎo)彈的突防技術(shù)得到了長足的發(fā)展。在彈道導(dǎo)彈飛行過程中，母艙會釋放與彈頭形狀近似的誘餌、箔條、碎片等具有電磁干擾的物質(zhì)，同時有些導(dǎo)彈還具有攜帶多枚彈頭的能力，這些突防技術(shù)的運(yùn)用使得基于表面材料特征和結(jié)構(gòu)特征的識別效果很難滿足要求。2000 年，V.C.Chen教授將微動拓展到雷達(dá)觀測領(lǐng)域中，指出目標(biāo)的微動特征是目標(biāo)的固有屬性，因此，可以利用該特性對彈道導(dǎo)彈進(jìn)行識別。

彈道目標(biāo)的微動具有多樣性，包括旋轉(zhuǎn)、錐旋、擺動、振動等簡單微運(yùn)動和進(jìn)動、章動等復(fù)雜微運(yùn)動。在高頻散射條件下，目標(biāo)可以等效為幾個強(qiáng)散射中心，其在雷達(dá)回波中表現(xiàn)為復(fù)雜調(diào)制的多分量信號。不同的微動方式對雷達(dá)回波產(chǎn)生不同的調(diào)制作用，得到不同的微多普勒信息，通過對這些微多普勒信息進(jìn)行提取可實現(xiàn)彈道目標(biāo)的真假識別。

基于上述分析，從微動信號補(bǔ)償與分離、微動目標(biāo)識別以及組網(wǎng)雷達(dá)中彈道目標(biāo)微動信息，提取3 個部分對彈道中段目標(biāo)的微動特性進(jìn)行了分析。

1 微動信號的補(bǔ)償與分離

彈道中段存在著大量的目標(biāo)，包括彈頭、誘餌和碎片等。這些目標(biāo)具有近似的平動速度，同時還具有不同的微運(yùn)動。其中平動分量會使目標(biāo)多普勒結(jié)構(gòu)出現(xiàn)折疊、傾斜，影響微動信號分離與提取。為了有效地提取出目標(biāo)的微動信息，需要對平動分量進(jìn)行補(bǔ)償。同時為了研究目標(biāo)的特性，還需對群目標(biāo)回波信號進(jìn)行分離，單獨提取出子目標(biāo)的微動信號。

目前，國內(nèi)學(xué)者對彈道目標(biāo)平動補(bǔ)償進(jìn)行了一系列研究，所提算法主要有分解法、投影變換法。

圖2 彈道中段目標(biāo)群

1）分解法，主要指小波分解、經(jīng)驗?zāi)Ｊ椒纸獾取＠顝┍鴮喪胶吐膸杰囕v目標(biāo)進(jìn)行了微多普勒分析，利用小波分解分離出了車輛目標(biāo)的平動分量和微動分量。許旭光利用了高階模糊函數(shù)的平動補(bǔ)償算法，搜索回波模糊函數(shù)的峰值，實現(xiàn)了平動補(bǔ)償。

2）投影變換，主要指Hough 變換，Radon 變換等。楊有春利用多級延遲共軛相乘的方法在時域中對回波信號進(jìn)行處理，用Hough 變換將能量不同的各個分量進(jìn)行了提取，實現(xiàn)了平動分量和微動分量的提取。胡曉偉運(yùn)用Radon 變換和熵值確定法，得到了平動分量的參數(shù)估計值。

多分量微動信號分離方法主要有Viterbi 算法、EMD 分解法。

1）Viterbi 算法：韓立粦采用分段Viterbi 算法對補(bǔ)償后的時頻曲線進(jìn)行了分離。李靖卿將Viterbi算法與自適應(yīng)視野聚類匹配相結(jié)合，得到了目標(biāo)微多普勒曲線最優(yōu)匹配路徑，實現(xiàn)了信號分離。

2）EMD 分解：EMD 分解法具有表征不同頻率分量的能力。趙盟盟利用滑動窗軌跡與EMD 相結(jié)合的方法實現(xiàn)了多目標(biāo)的分辨。李陽利用EMD算法對飛機(jī)的微多普勒特性進(jìn)行分解，實現(xiàn)了目標(biāo)的分辨。

2 微動目標(biāo)識別

目標(biāo)的微動會對雷達(dá)發(fā)射信號的頻率進(jìn)行調(diào)制，在載頻中心附近產(chǎn)生邊帶多普勒頻移，被稱為微多普勒。這種調(diào)制含有目標(biāo)微動信息、結(jié)構(gòu)尺寸信息和雷達(dá)信息，因此，可以通過對其微多普勒進(jìn)行處理來獲得目標(biāo)的相關(guān)信息，進(jìn)而達(dá)到目標(biāo)識別。

2006 年，美國海軍實驗室的V.C.Chen 教授在前人的基礎(chǔ)上通過理論分析，對微動的運(yùn)動模型進(jìn)行了統(tǒng)一描述，奠定了利用微動信息進(jìn)行雷達(dá)目標(biāo)識別的理論基礎(chǔ)。目前，關(guān)于利用微動進(jìn)行目標(biāo)識別的研究，國外有許多研究機(jī)構(gòu)，如美國海軍實驗室、美國Towson 大學(xué)、加拿大Montenegro 大學(xué)、英國倫敦大學(xué)學(xué)院、法國航空實驗室等。

國內(nèi)的主要研究機(jī)構(gòu)有：國防科學(xué)技術(shù)大學(xué)、北京航空航天大學(xué)、西安電子科技大學(xué)、空軍工程大學(xué)、航空二院等。2016 年，李靖卿構(gòu)建出了目標(biāo)最強(qiáng)散射中心對應(yīng)的微動信息矩陣，提出了一種基于寬/窄帶混合體制雷達(dá)的彈道目標(biāo)特征提取算法，滿足反導(dǎo)作戰(zhàn)的現(xiàn)實需求，同時解決了在強(qiáng)噪聲環(huán)境下彈道目標(biāo)特征的提取問題。2017 年，南京航空航天大學(xué)的孫善麗研究了一維距離像序列的周期性以及彈頭徑向長度，對彈道導(dǎo)彈的微動特征參數(shù)進(jìn)行了提取。后續(xù)研究學(xué)者在彈道目標(biāo)的種類、雷達(dá)信號的體制和雷達(dá)構(gòu)成上均進(jìn)行了微動特性分析與識別，并取得了豐碩的成果。

窄帶雷達(dá)和寬帶雷達(dá)獲取的微多普勒信息形式是不同的。窄帶雷達(dá)獲得的是目標(biāo)微多普勒頻率信息，通過在時域、頻域和時頻域中對其進(jìn)行處理可得到相應(yīng)的微動信息；寬帶雷達(dá)獲得的是目標(biāo)距離像信息或者距離-多普勒信息，刻畫的是目標(biāo)精細(xì)的微運(yùn)動特征。通過對距離值信息提取，不僅可以得到微動特征，甚至可以得到目標(biāo)結(jié)構(gòu)特征。

2.1 窄帶雷達(dá)微動目標(biāo)識別

V.C.Chen 指出，目標(biāo)的微多普勒特征不受限于雷達(dá)的距離分辨能力。因此，窄帶雷達(dá)也具有獲取目標(biāo)微動信息的能力，一般為強(qiáng)散射中心的微多普勒特征。梁復(fù)臺提出了深度遷移學(xué)習(xí)模型Inception-v3，應(yīng)用到群目標(biāo)回波上，從而實現(xiàn)窄帶雷達(dá)對群目標(biāo)的識別。魏文博提出一種支持向量機(jī)分類的算法，從回波數(shù)據(jù)中提取出群目標(biāo)特征，實現(xiàn)了群目標(biāo)的初步分類識別。

2.2 寬帶雷達(dá)微動目標(biāo)識別

寬帶雷達(dá)距離分辨率一般小于目標(biāo)尺寸，具有目標(biāo)成像的能力，典型的寬帶雷達(dá)成像包括一維距離像，二維ISAR 像，三維高分辨像。其中，一維距離像較二維ISAR 像和三維高分辨像更容易獲取，且與目標(biāo)結(jié)構(gòu)參數(shù)和微動參數(shù)有直接的關(guān)系。張鈞淞利用循環(huán)神經(jīng)網(wǎng)絡(luò)RNN，將神經(jīng)網(wǎng)絡(luò)與寬帶雷達(dá)的一維距離像結(jié)合起來，對目標(biāo)進(jìn)行識別。雷剛提出了一種結(jié)合S 變換和改進(jìn)人工蜂群算法的目標(biāo)探測識別技術(shù)，可以快速地識別目標(biāo)。

3 組網(wǎng)雷達(dá)微動信號提取

隨著戰(zhàn)場環(huán)境的日趨復(fù)雜，單部雷達(dá)暴露出了對目標(biāo)姿態(tài)敏感、由于遮擋效應(yīng)不能獲取目標(biāo)完整微動信息、部分參數(shù)無法解耦等缺點。組網(wǎng)雷達(dá)不僅能夠避免單一視角帶來的上述缺點，而且可以得到不同視角下的目標(biāo)微動信息，在抗干擾、區(qū)域搜索等方面具有較大的優(yōu)勢，還可以為彈道目標(biāo)識別提供一個較好的解決途徑。因此，利用組網(wǎng)雷達(dá)進(jìn)行目標(biāo)識別，更有利于微動特征的提取和防御系統(tǒng)性能的提升。

雷達(dá)觀測得到的信號與距離分辨率沒有必然的關(guān)系，分辨率有限的窄帶雷達(dá)也具有獲取目標(biāo)微動特征的能力，而寬帶雷達(dá)在獲取目標(biāo)距離像的基礎(chǔ)上還可以進(jìn)行成像。關(guān)于利用雷達(dá)網(wǎng)進(jìn)行彈道目標(biāo)識別的研究，美國一直處于領(lǐng)先的水平，已經(jīng)建立了由PAVE.PAWS 雷達(dá)、BMEWAS 雷達(dá)、GBR-N雷達(dá)和?；鵛 波段（SBX）雷達(dá)構(gòu)成的中段預(yù)警雷達(dá)網(wǎng)，如下頁圖3 所示。目前，除美國外，俄羅斯和一些歐洲強(qiáng)國也開展了關(guān)于雷達(dá)網(wǎng)的研究，國內(nèi)雖然起步晚，但也取得了部分研究成果。

圖3 中段預(yù)警雷達(dá)網(wǎng)

3.1 基于窄帶組網(wǎng)雷達(dá)微動信息提取

肖金國采用參數(shù)化時頻分析的方法研究了錐體目標(biāo)的微多普勒曲線提取問題。朱健東從回波時頻圖的角度出發(fā)，利用圖像處理的相關(guān)算法求解微動參數(shù)。由于窄帶雷達(dá)分辨率不高，當(dāng)誘餌的尺寸結(jié)構(gòu)與真彈頭接近時，窄帶雷達(dá)獲取的誘餌微多普勒與真彈頭微多普勒接近，難以區(qū)分，且易受信噪比的影響。因此，需要引入寬帶雷達(dá)對彈道目標(biāo)特征提取分析。

3.2 基于寬帶組網(wǎng)雷達(dá)微動信息提取

寬帶高分辨雷達(dá)可以實現(xiàn)目標(biāo)的精分辨?，F(xiàn)有的研究大多基于一維高分辨距離像和二維ISAR像，目標(biāo)三維微動成像由于空間運(yùn)動的復(fù)雜性，目前相關(guān)的研究較少。

3.2.1 基于一維距離像的微動信息提取

寬帶組網(wǎng)雷達(dá)微動信息提取的方法，主要分為兩類：一類是利用多視角一維距離像聯(lián)立方程組進(jìn)行微動參數(shù)求解，此時將多視角一維距離像信息作為參數(shù)求解的已知條件，可以提高參數(shù)提取精度；一類是利用多視角一維距離像與彈道目標(biāo)散射中心空間位置之間的關(guān)系，將散射中心空間位置重構(gòu)出來。周毅采用深度神經(jīng)網(wǎng)絡(luò)，提取一維距離像的特征，并使用經(jīng)典子空間方法，對一維距離像的子空間特征進(jìn)行了提取。趙振沖提出了基于差分算法的目標(biāo)投影長度提取方法，利用峰值效應(yīng)準(zhǔn)確地對散射中心進(jìn)行了提取。

彈道目標(biāo)一維距離像與雷達(dá)觀測視角有關(guān)。當(dāng)雷達(dá)觀測視角變化0.2°時，一維距離像就不再相同，需要用新的距離像來描述目標(biāo)。彈道目標(biāo)在中段高速飛行，雷達(dá)觀測視角變化快，需要對目標(biāo)一維距離像進(jìn)行及時更新，這就意味著需要很大的計算量。同時雷達(dá)網(wǎng)之間還需要對觀測信息進(jìn)行同步，因此，利用寬帶雷達(dá)網(wǎng)觀測的一維距離像進(jìn)行參數(shù)提取，對計算機(jī)的存儲和計算能力要求很高。

3.2.2 基于二維ISAR 像的微動信息提取

與基于微多普勒譜和基于一維距離像的微動信息識別方法相比，二維ISAR 像對姿態(tài)角的敏感程度不強(qiáng)，可以獲得目標(biāo)更為精細(xì)的結(jié)構(gòu)和方位向信息，一段時間內(nèi)的連續(xù)ISAR 像能直觀地反映目標(biāo)的運(yùn)動規(guī)律?；诙SISAR 像提取目標(biāo)的結(jié)構(gòu)特征，首先需要獲得微動目標(biāo)聚焦的ISAR 像。董會旭提出一種相同距離單元橫向聚焦的成像方法，最后實現(xiàn)了橫向聚焦。劉記紅采用基于壓縮感知的進(jìn)動目標(biāo)成像方法，進(jìn)行二維聯(lián)合處理和分頻處理，實現(xiàn)了進(jìn)動目標(biāo)的高分辨成像。

關(guān)于三維成像，目前國內(nèi)外的研究還比較少。胡曉偉在寬帶雷達(dá)體制下，分析了成像所需的4 個微動參數(shù)并給出了相應(yīng)的參數(shù)估計方法，通過構(gòu)建相位補(bǔ)償因子，使得時間-距離像上的所有數(shù)據(jù)同相疊加，實現(xiàn)有翼目標(biāo)三維成像。

以上分析驗證了寬帶組網(wǎng)雷達(dá)進(jìn)行目標(biāo)觀測識別的可行性。

3.3 基于混合組網(wǎng)雷達(dá)微動信息提取

反導(dǎo)預(yù)警雷達(dá)網(wǎng)是集預(yù)警、分辨識別、反導(dǎo)打擊于一體的雷達(dá)網(wǎng)。雷達(dá)網(wǎng)中不僅包括數(shù)量較多的窄帶雷達(dá)，還包括數(shù)量較少的寬帶雷達(dá)。下頁圖4 為利用寬窄帶雷達(dá)組建的反導(dǎo)預(yù)警雷達(dá)網(wǎng)示意圖。

圖4 反導(dǎo)預(yù)警雷達(dá)網(wǎng)示意圖

文獻(xiàn)［6］指出對于同一散射中心，其時頻曲線是距離像序列的導(dǎo)函數(shù)，這就給綜合利用反導(dǎo)預(yù)警雷達(dá)網(wǎng)中寬窄帶雷達(dá)信息提供了理論依據(jù)。關(guān)于混合體制雷達(dá)網(wǎng)的組建，國外很早就進(jìn)行了研究，且部分成果已經(jīng)應(yīng)用到了實際裝備中。美國林肯實驗室就利用窄帶雷達(dá)獲取的RCS 特征，去評估寬帶雷達(dá)對目標(biāo)形成的ISAR 像，實現(xiàn)了寬窄雷達(dá)的融合識別。俄羅斯裝備的C-400 武器系統(tǒng)中就將多種不同型號的雷達(dá)進(jìn)行組網(wǎng)聯(lián)合，同時對觀測數(shù)據(jù)進(jìn)行融合處理。目前，國內(nèi)對寬窄帶混合體制雷達(dá)進(jìn)行組網(wǎng)的研究還較少，其中，利用微動信息進(jìn)行彈道目標(biāo)識別的研究還處在理論階段?？哲姽こ檀髮W(xué)的李靖卿利用寬窄雷達(dá)對彈頭目標(biāo)進(jìn)行聯(lián)合觀測，通過對散射中心進(jìn)行關(guān)聯(lián)與分類，實現(xiàn)了不同雷達(dá)體制下同一散射中心微動信息的融合處理，得到了精確的目標(biāo)參數(shù)。

通過上述分析可以看出，窄帶雷達(dá)和寬帶雷達(dá)具有不同的優(yōu)勢，組建混合體制雷達(dá)網(wǎng)能夠更有效地發(fā)揮各自優(yōu)勢，獲取目標(biāo)更多的微動信息，提升反導(dǎo)預(yù)警雷達(dá)網(wǎng)的性能。

4 需解決的問題和發(fā)展趨勢

4.1 需解決的問題

1）彈道群目標(biāo)平動補(bǔ)償問題?，F(xiàn)有的平動補(bǔ)償大多基于單一目標(biāo)且假定其在短時間內(nèi)做二階勻加速運(yùn)動，考慮的較為理想。如何在群目標(biāo)中實現(xiàn)目標(biāo)平動的精確補(bǔ)償，是下階段亟需解決的問題。

2）復(fù)雜目標(biāo)和多目標(biāo)微動信號分離問題。目前彈道群目標(biāo)研究多為兩個目標(biāo)，實際群目標(biāo)數(shù)量遠(yuǎn)遠(yuǎn)多于兩個子目標(biāo)，而且彈頭存在有翼和錐柱體等復(fù)雜結(jié)構(gòu)，其雷達(dá)回波中的微多普勒分量更為復(fù)雜。如何在多子目標(biāo)和復(fù)雜目標(biāo)中進(jìn)行微動信號分離是下階段深入解決的問題。

3）不同性能雷達(dá)組網(wǎng)與優(yōu)化問題。組網(wǎng)雷達(dá)在微動特征提取上較單部雷達(dá)具有明顯優(yōu)勢，目前組網(wǎng)雷達(dá)研究多基于單一體制和寬窄帶體制，然而實際雷達(dá)網(wǎng)中各雷達(dá)在帶寬、載頻、重頻、脈沖形式等方面存在著差異。如何對性能不一的雷達(dá)進(jìn)行組網(wǎng)聯(lián)合，是下階段重點研究的問題。

4.2 發(fā)展趨勢

結(jié)合國內(nèi)外研究現(xiàn)狀和新技術(shù)的發(fā)展，未來彈道目標(biāo)微動特征提取呈現(xiàn)如下發(fā)展趨勢：

1）微動特征作為識別特征融入彈道目標(biāo)識別特征層。目前僅僅依靠目標(biāo)單一特征很難達(dá)到準(zhǔn)確識別，在未來彈道導(dǎo)彈防御體系中必然是聯(lián)合體系下的多特征融合，是集目標(biāo)RCS 特征、微動特征、紅外特征、運(yùn)動特征、質(zhì)阻比等為一體的目標(biāo)識別體系。

2）人工智能技術(shù)運(yùn)用到彈道導(dǎo)彈識別中。主要體現(xiàn)在3 個方面：一是數(shù)據(jù)融合。利用人工智能技術(shù)對雷達(dá)不同時刻獲取的同一特征數(shù)據(jù)進(jìn)行融合處理?？紤]到雷達(dá)之間同步和信號差異等原因，對某一雷達(dá)不同時刻獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)層融合；對不同雷達(dá)提取得到的特征進(jìn)行特征層融合，并與前一階段得到的特征信息比對驗證。二是目標(biāo)擇優(yōu)。利用人工智能技術(shù)對不同目標(biāo)不同特征進(jìn)行加權(quán)處理，剔除不可信特征，得到不同目標(biāo)的可信度值，可信度大的可確定為彈頭。三是對比學(xué)習(xí)。對不同彈道導(dǎo)彈整個飛行階段不同特征數(shù)據(jù)進(jìn)行存儲，建立數(shù)據(jù)庫。利用人工智能技術(shù)對比學(xué)習(xí)，可做到盡早識別目標(biāo)。

5 結(jié)論

本文對彈道目標(biāo)微動信號分離與特征提取技術(shù)進(jìn)行了研究，重點分析了信號補(bǔ)償與分離、微動目標(biāo)識別以及組網(wǎng)雷達(dá)中彈道目標(biāo)微動特征提取，總結(jié)了現(xiàn)有的國內(nèi)外研究成果和存在的不足并分析了下階段的發(fā)展趨勢，為后續(xù)彈道目標(biāo)特征提取研究提供了新的方向。