Page 167 - 当代控制理论及应用技术概论

第四章 智能识别与控制研究

（GRU）来提取 RCS 信号的时间特征。另外，传统的循环神经网络的隐藏状态
传递是从前往后的单向传递模式，在当前时刻只能利用先前的历史信息和当前的
输入信息，本部分使用双向门控循环单元则可以充分利用到 RCS 信号的上下文
依赖关系。

（二）RCS 信号空间特征分析
RCS 信号的空间特征从 RCS 信号的波形可以得到很好的体现，空间特征主

要表现为以下两个主要方面：
1.RCS 信号的强随机性
RCS 信号是基于目标散射具有各向同性假设的基础上，反映目标在雷达照
射下所产生回波强度的一种物理量。所以针对不同结构、性质和极化分布不同的

飞行目标，目标结构的各个部分对于电磁波的散射能力具有很大的差异，该性
质反映到 RCS 信号上则会表示为弱散射区域的 RCS 幅度较低，而强散射区域的

RCS 幅度较高。由于飞行目标存在机翼、机头等强散射点，在远场条件下，当雷
达的电磁波到达这些强散射点时，RCS 信号会突然出现大幅度震荡，因此，RCS
信号会随着雷达照射的角度变化而表现为剧烈的震荡和随机性，对 RCS 信号的
强随机性特征进行提取，则可以让模型捕捉到 RCS 信号对于飞行目标识别最关

键的局部特征。
2.RCS 信号的准周期特征

对于锥形和椭球这样的特殊飞行目标，除了目标自身的主体运动之外，其
部件相对于目标主体还会存在旋转和振动等较为复杂的运动方式，这种目标部件
相对于目标主体的运动方式称之为目标的微动特性，而目标旋转的频率称之为微
动频率。目标的微动特性使得 RCS 信号在维持整体变化趋势的同时会伴随着准

周期运动，不同飞行目标具有不同的材料密度和结构，因此不同的飞行目标准周
期波动的周期会存在一定的差异，因此提取到 RCS 信号的准周期性特征对于识

别飞行目标同样关键。
基于以上分析，RCS信号的空间特征可以概括为信号的强随机性和准周期性，
卷积神经网络在空间特征的提取上具有很好的优势，考虑到RCS信号是一维数据，
因此本部分提出的识别模型考虑引入一维卷积神经网络对 RCS 信号的空间特征

进行提取。

159
159