基于幅相分离的属性散射中心参数估计新方法

根据目标先验信息数据库建立的方式，合成孔径雷达（SAR）目标识别可分为基于模板的目标识别和基于模型的目标识别两类，模板数量的有限性限制了第1种方法的应用。采用合适的模型并调整模型参数预测目标在各种姿态及环境下的图像和特征，并将待识别目标的已知图像或特征与其预测图像或特征作对比，从而识别目标可以避免这个问题，这就是基于模型的目标识别方法的主要思想。属性散射中心（ASC）模型参数可精确描述目标散射结构特征且灵活性高，因此被广泛应用在基于模型的SAR目标识别中。

ASC参数估计实际上是一个参数优化问题，但模型参数多(包含描述ASC几何物理特征的7个参数)，给参数估计的高速性和准确性都带来了极大的挑战，针对该问题，中科院电子所李王哲等提出基于幅度相位分离的ASC参数估计新方法。该工作拟发表在《雷达学报》2019年第4期“基于幅相分离的属性散射中心参数估计新方法”（蒋文，李王哲），现已网络优先出版。

该方法根据幅度数据估计幅度相关参数，根据相位数据估计相位相关参数，将算法时间复杂度降低了1个数量级，同时降低了累积误差并在保证相对带宽较大时参数估计的可行性。为了保证参数估计的准确度，引入迭代半阈值（IHT）算法估计参数值。通过依次估计各ASC的参数最终可识别目标上所有散射结构并判断其位置分布。使用所提方法对仿真数据和实测数据以及MSTAR数据集进行ASC参数估计，估计效率及精度较已有方法有明显提高，证实了所提方法的有效性。

图1 估计ASC参数并利用估计参数重构SAR图像

表1 ASC参数估计结果及对应散射结构判定结果

图2 各ASC对应散射结构位置分布

了解详细内容请点击下面阅读原文。