基于集成学习的角反射体目标雷达识别理论与方法

本书总结了基于集成学习的角反射体雷达目标识别方法的研究成果，共由6章构成。第1章：介绍了角反射体目标的发展和应用现状，分析了角反射体的雷达目标特性及其RCS快速预估方法。第2章：介绍了全极化高分辨率距离像的特征提取与优选，构建起角反射体与舰船目标混合分类识别数据集。第3章：介绍了集成学习的基本理论。第4章：介绍了两种基于静态分类器集成的角反射体目标雷达识别方法。第5章：介绍了两种基于动态分类器集成的角反射体目标雷达识别方法。第6章：对四种分类器集成算法进行了对比研究。

胡生亮，男，安徽池州人，海军工程大学教授、博士研究生导师，主要从事雷达制导与无源对抗技术方面的教学研究工作，出版《信息战》《精确制导技术》等著作，获军队科技进步二等奖3项、国防发明专利授权10余项。

第1章 角反射体目标概况 1 1.1 引言 1 1.2 角反射体的发展与应用现状 1 1.3 角反射体的雷达目标特性 5 1.3.1 角反射体的RCS经典公式 5 1.3.2 电磁仿真软件 5 1.3.3 角反射体的RCS频率特性 7 1.3.4 角反射体的RCS极化特性 7 1.3.5 角反射体的高分辨率距离像 9 1.3.6 异型角反射体的雷达目标特性 10 1.4 角反射体RCS快速预估 14 1.4.1 基于改进GO/AP法的三面角反射体RCS预估 15 1.4.2 角切除和角度公差对三面角反射体RCS的影响 24 1.4.3 角反射体群和异型角反射体的RCS快速预估 29 1.5 小结 35 参考文献 36 第2章 全极化高分辨率距离像的特征提取与优选 38 2.1 引言 38 2.2 异型角反射体布放阵列寻优 39 2.2.1 基于RCS幅值特性的异型角反射体阵列寻优 39 2.2.2 基于HRRP的异型角反射体阵列寻优 43 2.3 全极化HRRP的特征提取 45 2.3.1 全极化HRRP数据集建立 46 2.3.2 特征提取 51 2.4 全极化HRRP的特征优选 61 2.4.1 全极化HRRP特征的有效性分析 61 2.4.2 基于归一化互信息的特征选择算法 69 2.4.3 特征优选 79 2.5 小结 83 参考文献 83 第3章 集成学习的基本理论 87 3.1 引言 87 3.2 集成学习的框架 87 3.3 分类器输出的类型 90 3.4 集成学习的有效性分析 92 3.4.1 有效性的内部条件 92 3.4.2 有效性的外部原因 93 3.4.3 一个分类器集成的例子 95 3.4.4 集成学习在雷达目标识别中的适应性分析 97 3.5 集成学习的多样性 98 3.5.1 多样性的重要性 98 3.5.2 多样性度量方法 100 3.5.3 多样性度量方法的集成间隔解释 104 3.6 集成学习的主要类别 106 3.6.1 静态分类器集成 107 3.6.2 动态选择集成 111 3.7 小结 112 参考文献 112 第4章 基于静态分类器集成的角反射体目标雷达识别方法 116 4.1 引言 116 4.2 基于元学习的角反射体目标雷达识别算法 116 4.2.1 基分类算法的选择 117 4.2.2 基于元学习的目标识别算法 123 4.2.3 元学习系统的参数寻优 127 4.3 基于集成间隔优化的角反射体目标雷达识别算法 135 4.3.1 集成间隔定义 135 4.3.2 分类器权值和样本权值计算 137 4.3.3 基于集成间隔优化的静态选择集成算法 139 4.3.4 SSE-MO的参数寻优 140 4.4 小结 144 参考文献 145 第5章 基于动态分类器集成的角反射体目标雷达识别方法 146 5.1 引言 146 5.2 基于聚类和随机参考分类器的角反射体目标雷达识别算法 147 5.2.1 基于多样性度量的k-medoids聚类 148 5.2.2 基于RRC的分类器竞争力度量 149 5.2.3 KMRRC动态集成选择算法 156 5.2.4 KMRRC的参数寻优 157 5.3 基于混合集成选择的角反射体目标雷达识别算法 160 5.3.1 基于NSGAⅡ的集成分类器静态优选 160 5.3.2 元分类器的训练与动态选择 165 5.3.3 ODS混合分类器集成选择算法 169 5.3.4 ODS的参数寻优 169 5.4 小结 178 参考文献 178 第6章 4种分类器集成算法的对比研究 180 6.1 引言 180 6.2 理想情况下的对比研究 180 6.3 复杂条件下的对比研究 184 6.3.1 类别噪声的影响 184 6.3.2 小样本集的影响 186 6.3.3 库外目标的影响 189 6.3.4 3种因素的共同影响 196 6.4 小结 201 参考文献 201

"角反射体能够在较大的范围对入射雷达波形成强反射，是构成军舰、战车等目标的基本反射单元，是一类重要的军用雷达目标。同时，角反射体也是一种历史悠久、应用广泛的无源对抗器材，早在第二次世界大战期间，就曾出现盟军采用金属角反射体模拟大型军舰进行佯攻登陆，成功欺骗德军的战例。马岛海战后，英国根据“谢菲尔德”号等舰艇遭受反舰导弹重创的深刻教训，紧急研制了由舰艇携带使用的充气式角反射体。至此，充气式角反射体作为新型的舰载反导雷达对抗器材正式登上了历史舞台。 充气式角反射体是一种柔性反射体，多以柔性充气柱为框架，以金属织物作为反射面，离舰后自动充气展开成型，以假目标的形式对预警探测、导弹末制导等雷达进行欺骗。经过几十年的发展，舰载角反射体已由早期的简单结构体，发展到由几个甚至几十个反射体单元构成的复杂异型体结构。多个异型角反射体联合使用时，在RCS起伏特性、频率特性、极化特性等方面表现出与舰船目标极强的相似性，这给雷达的目标识别与分选造成了极大困难。如何对海上角反射体目标进行有效识别，是摆在对海雷达技术人员面前的重要任务。 本书利用全极化HRRP刻画目标本质属性，提高角反射体与舰船目标之间的可分性，并通过集成学习突破传统单一分类器的性能瓶颈，进一步提升雷达对角反射体目标的识别率。 本书内容由6章组成，具体安排如下： 第1章，角反射体目标概况。本章概述了角反射体的发展与应用现状，分析了角反射体的雷达目标特性，介绍了一种角反射体RCS的快速预估算法。 第2章，全极化高分辨率距离像的特征提取与优选。本章首先基于RCS幅值特性和HRRP，确定一种与某一典型舰船逼近度较高的异型角反射体阵列，用作目标识别的研究对象之一。然后，将全极化HRRP用于雷达目标识别，仿真建立包括舰船和角反射体在内的全极化HRRP数据库。最后，从中提取并优选出一个最小冗余、最大相关的特征集，作为后续目标识别的分类数据集。 第3章，集成学习的基本理论。本章首先介绍了集成学习的基本框架；然后，阐述了集成学习有效性的内部和外部原因，进而分析了集成学习在雷达全极化HRRP目标识别中的可行性；进一步，分析了基分类器的多样性对集成系统性能的重要影响，总结了常用的多样性度量方法，并利用集成间隔解释了集成学习中的多样性；最后，介绍了集成学习的主要类别。 第4章，基于静态分类器集成的角反射体目标雷达识别方法。本章从分类器融合和静态集成选择两方面入手，介绍了两种静态集成算法，用于角反射体目标的雷达识别，基于全极化HRRP数据集寻优确定了两种静态集成算法的主要参数。 第5章，基于动态分类器集成的角反射体目标雷达识别方法。本章为进一步提高分类精度，将动态集成选择用于角反射体目标的雷达识别，介绍了两种可以兼顾分类精度和集成多样性的动态集成选择算法，基于全极化HRRP数据集寻优确定了两种动态集成算法的主要参数。 第6章，4种分类器集成算法的对比研究。本章首先在理想条件下对第4章和第5章提出的4种集成学习算法进行横向对比。然后，针对实际应用中雷达目标识别通常会面临类别噪声、小样本集以及存在库外目标的情况，进一步分析了4种集成学习算法在上述3个因素单独作用以及共同作用时的鲁棒性。 本书是作者团队长期从事海上角反射体装备设计研制、特性分析、对抗使用、识别研究等相关工作成果与经验的总结。在编著过程中，参考了国内外广大同仁的相关文献和著作，并得到了电子工业出版社的大力支持与帮助，在此一并表示感谢。"