３．２波形问的特征分析方法
对多个波形间的变化规律、多个波形提取的特征变化规律进行描述和特征提取，可以获得波形的变迁规律。它包括：（１）多波形间的变化趋势，包括多波形间峰值的变化、峰值的生成和消灭；（２）多波形间特征量的变化趋势，包括对单个波形提取的特征量进行统计分析，获得目标波形在该时间内特征
DSP的低分辨率红外目标特征提取及识别
罗来邦等：基于ＤＳＰ的低分辨率红外目标特征提取及识别
变化趋势。
３．３波形组的总体特征分析方法ｉ１
对一组波形（给定目标小方位角变化范围内的测量数据）分析，可构造为测量矩阵，对该矩阵进行分析和变换可获得目标在小方位角变化下的总体特性，包括目标的大小、形状，方位等。
４目标识别
在提取了不同高度下的不同目标的标准特征量之后，就可
以设计分类器对未知目标进行分类判决识别了。在本系统中，
我们既要考虑识别方法的抗噪性、有效性．又要尽量减少计算
量，满足实时性要求。本文采用的是一种直接的分类方法。为
去除冗余信息，首先对红外目标波形数据进行预处理，去除过
大和过小目标（对一定高度），利用上面提出的特征参量，构造出
众多已知目标的特征模板，将未知目标波形特征向量与目标库
内已知目标的特征模板进行相关匹配，取所有相关值中最小值
对应的类为目标所属类别。图ｌ系统对待识别目标的处理流程图
５实验结果
试验数据来源于末敏子弹试验样机对红外目标扫描所得的实测数据，录取方式为样机边扫描边录取，数据采样率为５ｋ，样机对不同高度，不同方位的目标；（由于坦克目标本身所具有结构对称性，可在９０。范围内，按１５０分档进行划分。１５０ｍ到８０ｍ范围内，按５ｍ分档进行划分）进行扫描得到多组波形，把不同高度不同方位的目标波形进行组合、分析，提取有效的特征量，可得到不同高度不同方位的目标模板。图２是试验样机对距１４０ｍ，方位角为１５。的目标扫描所得的波形图，方波是识别信号，旁边是面积比目标大的假目标。图３是样机对距１００ｍ，方位角为ｏ。的目标扫描波形图，未识别的是假目标。图２距离为１４０ｍ．方位角为ｌ５。的目标扫描波形图及识别图图
由图２、图３可知目标在１４０ｍ方位角为１５。和目标在１００ｍ处方位角为ｏ。的波形图是有区别的，这种显著特征和变迁特征在波形参数上也可以较好地描述，是目标识别的依据。利用上面提出的特征选取和模板构造方法，按不同的高度，不同方位情况放置目标，样机对此进行扫描获职５０组波形数据作为训练样本，构造了目标的特征模板，另选取４０组目标波形数据作为测试样本，用样机对真实目标进行检｛顶！ｌ，识别结果见表Ｉ。
DSP的低分辨率红外目标特征提取及识别
！！
识别结果表明：利用目标波形特
征所构造的目标模板可有效地识别
目标。堡型皇苎塑兰垫表１：样机对目标波形组进行分类识别的结果
６结论
不同高度，不同方位的目标的波
形组是有区别的，这种显著特征和变
迁特征在波形参数上也可以较好的
描述，是目标识别的依据。在常规实
测目标波形分析的基础上，从大量实
测数据中抽取一些特征量（主要是目标大小，形状及辐射特性）作为目标特征，构造了目标模板，并用大量的已知目标作为训练样本对其进行测试．均得到了好的识别结果。试验表明基于以上分析的目标分类，识别方法是合理的。
参考文献：
［１】＿千儒策，刘荣忠．灵巧弹药的构造及作用ＩＭ］．北京：兵器工业出版社，２００１．
【２】王伟，邱兆坤．一种基于低分辨雷达的目标识别方法［Ｊ］系统工程与电子技术，２００３，２５（３）：３７９－－３８２．
【３１董新庆．罗来邦光学系统设计报告【Ｒ】．西安：Ｔ１２１２所内部资料，２０００．
【４】丁１．ＴＭ￥３２０Ｃ２ＸＸＵｓｅｒ’ｓＧｕｉｄｅ［Ｚ］．１９９７．
Ｌｏｗ－ｒｅｓｏｌｕｔｉｏｎＩＲＴａｒｇｅｔＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎａｎｄＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄＬＵＯＬａｉ—ｂａｎ９１，ＣＨＡＮＧＢｅｎ—ｋａｎ９１，ＺＨＡＮＧ
（１ＣｏｌｌｅｇｅｏｎＤＳＰＬｉ２，、似ＮＧｏｆＳｃｉｅｎｃｅＳｈｕ—ｑｉ２，ＹＡＮＧ１ｎｌ—ｗｅｉ２２１００９４，Ｃｈｉｎａ；ｏｆＰｈｏｔｏ ｅｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａＭｉｎｇ
２Ｘｉ’ａｎＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ
Ａｂｓｔｒａｃｔ：Ｔｈｅａｐｐｒｏａｃｈｏｆｔａｒｇｅｔｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ７１００６５，Ｃｈｉｎａ）ａｎｄｒｅｅｏｇａｌｔｉｏｎｆｏｒｆｈｃｌｏｗ－ｒｅｓｏｌｕｔｉｏｎＩＲｔａｒｇｅｔｉｎａａｇｎｉｓｓｔｕｄｉｅｄｉｎｔｈｉｓ
ａｒｅｐａｐｅｒ．Ｔｈｅｍｅｔｈｏｄｓｏｆｔａｒｇｅｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎ
ｆｅａｔｕｒｅｅｘｔｒａｃｔｅｄｂｙｔａｒｇｅｔｗａｖｅｆｏｒｍｓｉｓ
ｓｅｖｅｒａｌｐｒｏｐｏｓｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｎｔｂｒｍａｔｉｏｎｏｆｔａｒｇｅｔａｓｗａｖｅｆｏｒｍｓＴｈｅｕｓｅａｎａｌｙｚｅｄａｎｄａｃｔｅｄｔａｒｇｅｔｍｏｄｕｌｅｓｔｈｅｆｅａｔｕｒｅｍｅｔｈｏｄｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎ．Ｂｙｈａｓｂｅｅｎａｐｐｌｉｅｄｉｎｔｈｅ
ｉｓｔｅｓｔｔｏｔｈｅｓｅｗｉｔｈｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓ，ｗｅｃｏｎｓｔｒｕｃｔＡｎｄｔｈｉｓｐｒｏｔｏｔｙｐｅＴＭＳ３２０Ｆ２４０ａｓｉｔｓｍｉｃｒｏｐｒｏｃｅｓｓｏｔＴｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｉｎｄｉｃａｔｅｓｔｈａｔｔｈｉｓｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｆｉｎｅｒｅｃｏｇｎｉｚｅ
ｌｏｗ ｒｅｓｏｌｕｔｉｏｎＩＲｔａｒｇｅｔｉｍａｇｅ．
Ｋｅｙｗｏｌｄｓ：ＤＳＰ；ｗａｖｅｆｏｒｍ；ｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ｓｍａｒｔａｍｍｕｎｉｔｉｏｎ