学术报告|基于深度学习的导弹多目标特征提取及参数估计方法

导弹突防采用隐身技术、无源假目标、有源假目标、碎片等多种反识别手段，因此，及时发现和准确识别来袭目标是防御系统实现有效拦截的前提和基础。空间目标识别技术直接决定了导弹防御系统能否有效识别和拦截来袭导弹，是导弹防御的基础和前提。但是，由于诱饵与目标的差异性小，因此雷达对于真、假目标的识别能力差，同时，由于雷达技术的限制以及资源饱和，难以实现对群目标的分离与识别。基于以上难题，主要解决的途径有三个：①利用雷达的极化、宽带等手段，提高雷达分辨能力；②对雷达进行组网，构建地面雷达网络系统，获得群目标的多视角、多频段回波信息，实现目标与诱饵的分离；③改变雷达探测体制，建立群目标电磁特性的时间序列库，增加信息量，通过数据挖掘的方法确定主目标的运动特点，从而实现精确打击。

为解决上述局限性，南京理工大学陈如山教授科研团队研究了一类具有旋转对称结构的目标群的电磁散射特性分析方法，充分利用物体的几何结构特性，采用等效球面区域分解算法，能够实现将三维问题降为一维问题来求解，大大降低计算量，提高了计算效率，从而能够快速提取目标的回波信息。将基于扫频扫角得到的回波数据通过傅里叶成像，能够清晰地分辨真假目标。实现了多频段、多角度融合成像。结合深度卷积网络，将回波信息进行时频转换，将得到的时频图作为神经网络的输入层，将目标的特征信息经输出层输出，与数据库的特征信息进行比对，从而快速预估目标的几何尺寸。

何姿副教授在“2020年中国电子学会青年科学家俱乐部年会雷达系统与信号处理专委会分论坛”上做了题为《基于深度学习的导弹多目标特征提取及参数估计方法》的报告，详细阐述了阶段性的研究成果及未来研究方向。

报告PPT内容如下。

专家简介

何姿，女，博士，南京理工大学副教授。2017年入选中国科协青年人才托举工程；2016年度首届中国电子学会优秀博士学位论文优秀奖获得者；2018年度荣获International Applied Computational Electromagnetics Society国际会议组颁发的“Young Scientist Award”；2019年度荣获PhotonIcs & Electromagnetics Research Symposium国际会议组颁发的“Young Scientist Award”。近五年发表SCI收录论文40余篇，申请、授权发明专利25项，主持、参与的科研项目20余项，包括国家自然科学基金重大项目、国家自然科学基金重点项目、预研项目、预研领域基金项目等。研究方向主要涉及计算电磁学及工程应用等。