雷达微弱目标智能化处理技术与应用

作     者：陈小龙 何肖阳 邓振华 关键 杜晓林 薛伟 苏宁远 王金豪 CHEN Xiaolong;HE Xiaoyang;DENG Zhenhua;GUAN Jian;DU Xiaolin;XUE Wei;SU Ningyuan;WANG Jinhao

作者机构：海军航空大学烟台264001 烟台大学烟台264005 哈尔滨工程大学烟台研究院烟台264001 

出 版 物：《雷达学报（中英文）》 (Journal of Radars)

年 卷 期：2024年第13卷第3期

页      面：501-524页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(62222120,61931021) 山东省自然科学基金(ZR2021YQ43) 

主　　题：微弱目标 深度学习 雷达信号处理 雷达图像处理 特征学习 小样本检测 特征融合 可解释性 

摘      要：雷达微弱目标处理是实现优异探测性能的基础和前提,在复杂的实际环境应用过程中,由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题,导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准,导致通用性不强。近年来,深度学习在雷达智能信息处理领域取得了显著进展,深度学习算法通过构建深层神经网络,可以自动地从大量雷达数据中学习特征表示,提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展,具体包括噪声与杂波抑制、微弱目标信号增强;低、高分辨雷达图像和特征图处理;特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题,从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。