高次スペクトルに基づくレーダーHRRPターゲット認識

レーダー高解像度レンジプロファイル（HRRP）は、時間のシフトやターゲットのアスペクト変動に非常に敏感です。したがって、HRRPに基づくレーダー自動ターゲット認識（RATR）には、効率的な時間シフト不変特徴と堅牢な特徴テンプレートが必要です。高次スペクトルは一連のよく知られた時間シフト不変特徴ですが、（パワースペクトルを除いて）それらを直接使用するのはその複雑さから実用的ではありません。本論文では、高次スペクトル特徴空間におけるユークリッド距離を計算する方法を提案しており、高次スペクトルを計算することを避け、計算の複雑さとストレージの要件を効果的に削減します。さらに、広く使用されている散乱中心モデルに基づいて、本論文の理論的分析および実験結果は、小さなターゲットアスペクトセクターの平均プロファイルから抽出された特徴ベクトルが、HRRPに基づくRATRで特徴テンプレートとして使用される場合、同じセクターの平均特徴ベクトルよりも優れた一般化性能を持つことを示しています。提案されたユークリッド距離計算方法と平均プロファイルに基づくテンプレートデータベースは、テンプレートマッチング法（TMM）および放射基底関数ネットワーク（RBFN）という2つの分類アルゴリズムに適用され、高次スペクトル特徴の認識性能を評価します。測定データの実験結果は、パワースペクトルが高次スペクトルの中で最も優れた認識性能を持つことを示しています。