中文标题：面向分布式雷达目标识别的角度匹配波形与分类器联合优化

英文标题：Aspect-Matched Waveform-Classifier Joint Optimization for Distributed Radar Target Recognition

来源期刊：雷达学报

基金项目：国家自然科学基金(61471295, 62271403)，中国博士后科学基金(2024M764267)，电磁空间安全全国重点实验室开放基金

作  者：王佳行¹, 梁军利¹, 朱文韬¹, 陈梓浩², 顾铭^{1, 2}

作者单位：1. 西北工业大学电子信息学院 西安 710129
2. 中航工业雷华电子技术研究所 无锡 214000

摘  要：雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。本框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络,实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。

全文链接： https://radars.ac.cn/cn/article/doi/10.12000/JR25280