雷达识别技术研究3篇

篇(1)

　　摘要:针对低信噪比下雷达目标一维距离像质量不高、影响目标识别率的问题。将小波阈值降噪的方法应用到雷达目标一维距离像识别研究中。设计了一种新的小波阈值函数。提出了基于小波阈值降噪的雷达一维距离像识别的方法.利用仿真数据进行实验验证。以LVQ(LearningVectorQuantization)神经网络作为分类识别器。进行目标的分类识别研究.结果表明。将小波阈值降噪用于雷达目标一维距离像识别。在低信噪比时能够有效地降低噪声。提高距离像的质量。从而提高目标一维距离像识别率。同时实验也验证了所提出的新阈值函数相较于原阈值函数能更加有效地降低噪声。提高识别率.

　　关键词:小波;阈值函数;一维距离像;目标识别;LVQ神经网络

　　0引言

　　随着科技的发展进步。战争的形势也在不断地发生变化.早期的雷达主要用于检测发现目标并提供目标的位置。随着战争的高科技化和信息化。需要雷达提供更加精确、更加详细的目标信息。比如目标的形状、类别。甚至是型号。雷达目标识别的工作就随之展开.雷达发射电磁波。当电磁波遇到目标就会发生后向散射。由于目标的自身的几何结构、材料属性等各方面的不同。会对电磁波产生不同的调制.雷达目标识别技术就是利用雷达接收机接收到的目标的后向电磁散射回波信号来对目标的属性进行识别分类.高分辨一维距离像(HighResolutionRangeProfile。HRRP)是实现宽带雷达目标识别的一种形式。

　　目标的高分辨一维距离像是目标的雷达回波沿距离维的分布。可以反映出目标的结构信息。包含丰富的目标特征信息可以对目标进行有效的识别[1]。基于一维距离像的雷达目标识别技术得到了很好的应用.在接收目标回波的同时。无法避免地会将非目标回波一起接收。产生含噪回波信号。实际过程中常常会遇到低信噪比的情况。容易导致一维距离像的质量降低。影响目标识别的结果。所以需要对低信噪比的回波进行降噪处理.小波阈值去噪方法是由Donoho提出[2]。分为软阈值法和硬阈值法。小波变换在雷达信号处理中得到不少的应用[3G5]。本文针对雷达目标一维距离像回波低信噪比的情况。提出了利用小波降噪方法。设计了一种改进的阈值函数。对低信噪比的回波信号进行预处理再成像作识别研究。提高了信噪比和识别率.

　　1基于改进阈值的小波降噪预处理

　　通常来说。雷达回波中的噪声主要是由外界事物的噪声以及接收机内部的热噪声组成的。可以看作是加性高斯白噪声.

　　2雷达目标一维距离像识别

　　在利用小波阈值降噪方法的基础上。提出了基于阈值降噪的一维距离像识别的方法。主要分为降噪预处理、一维成像和距离像敏感性预处理。以及分类识别三部分.通常获取雷达目标一维距离像是通过距离窗的方法.目标在空间中的位置事先是没法预知的。当使用距离窗方法的时候。距离像出现在窗中的位置也是没法估计的.目标在距离窗中的位置发生变化的时候。距离像的位置也会发生变化。造成距离像的平移敏感性.傅里叶变换(FFT)[8]法在频域具有平移不变性。对目标的一维距离像作傅里叶变换。在时域里的平移对频域没有产生影响。这样就能克服雷达目标一维距离像的平移敏感性.

　　3实验及分析

　　在降噪及一维成像后。对一维距离像进行如下敏感性预处理:第一步:归一化。将每一幅图像用其总能量归一化;第二步:距离对准。利用Fourier变换的平移不变性。将一维距离像作Fourier变换即可对齐.每种目标选取100个样本组成训练集。剩余51个样本组成测试集。利用LVQ神经网络进行分类识别。隐含层神经元数设为20.

　　实验分别验证分析了小波阈值降噪方法应用于雷达目标一维距离像降噪识别的可行性。新旧阈值算法的对比分析。以及不同信噪比下小波阈值降噪方法对雷达目标一维距离像目标识别率的影响.经过降噪的距离像比含噪的距离像更加平滑。在整体上降噪后的距离像也更加接近原始的距离像。明显地减低了噪声含量。相对提高了一维距离像的质量.也由此说明。小波阈值降噪的方法对雷达目标一维距离像回波进行降噪处理取得了很好的效果.

　　在不同信噪比情况下分别用原阈值降噪方法和新阈值降噪方法进行降噪处理的效果.在不同信噪比的情况下。比较新阈值方法和原阈值方法降噪后的信噪比。前者的效果相较于后者好很多。进一步验证了小波阈值降噪方法能有效地降低雷达回波中的噪声。并提高一维距离像的质量。同时也验证了本文提出的新阈值降噪方法比原阈值方法要好.随着信噪比的逐渐增大。采用小波阈值降噪处理的效果增幅开始下降。新阈值方法和原阈值方法降噪效果的差别开始缩小靠近.

　　为不同的信噪比之下在利用小波阈值降噪和没有进行阈值降噪处理前后所得到的分类识别率的变化图.经过小波降噪处理之后能很好地提高一维距离像的质量。进而提高目标识别率。新阈值降噪方法相较于原来的阈值函数降噪方法有更好的识别率.在当随着信噪比的提高。识别率的增幅开始下降。说明降噪处理随着信噪比的增大对识别率的影响开始减弱。没有在低信噪比时效果显著.

　　4结束语

　　分析了小波阈值降噪的原理和方法。提出了利用小波阈值降噪处理来进行一维距离像。同时。针对原阈值函数存在的问题和缺点对其进行改进提出了一种新的阈值函数。取得了更好的效果.通过实验比较分析。结果表明小波阈值降噪的方法能够有效地降低噪声从而提高一维距离像的质量。并且本文所提出的新的阈值函数在低信噪比时降低噪声的效果较原阈值方法得到了大大的提高.又通过实验分析不同信噪比条件下降噪前后对分类识别率的影响。降噪处理相较于未降噪识别率得到了显著提升。且这种提升效果随着信噪比的增加开始减弱.

　　参考文献:

　　[1]HESonghua。ZHANGWei。GUOGuirong.TargetDiscriminationandRecognitionUsingHighResolutionRangeFeatures[C]∥IEEE1992NationalAerospaceandElectronicsConference。Dayton。OH:IEEE。1992:280G283.

　　[2]DONOHODL.DeGNoisingbySoftGThresholding[J].IEEETransonInformationTheory。1995。41(3):613G627.

　　[3]章琴。刘以安.基于改进的Morlet小波变换的雷达信号特征提取[J].微型机与应用。2015。34(10):70G73.

　　[4]李文鹏.小波理论在探地雷达信号处理中的应用[J].城市建设理论研究(电子版)。2015(30):1352G1353.

　　[5]陈文会。刘芹。刘小民。等.小波阈值去噪在FMCW雷达信号处理中的应用[J].计算机工程与应用。2015。51(8):195G199

　　计算机论文投稿刊物：计算机工程与应用是一本面向计算机全行业的综合性学术刊物，覆盖面宽、信息量大、报道及时是本刊的服务宗旨。多年来，本刊坚持走学术与实践相结合的道路，在内容上既注重理论的先进性又兼顾实用技术的广泛性，在促进学术交流的同时，推进了科技成果的转化。

篇(2)

　　摘要：近年来，随着智能电网的发展，电力电缆在各类配电网中的应用比例大幅增加，电缆输电已成为配电网中的主要电能传输途径。由于电力电缆常年埋设于地下，在电网发展过程中对地下电缆网络的改造较大，相关资料出现部分遗失或未及时更新，导致在出现电缆故障及日常检修时无法实现对电缆的精确识别与定位。本文以，探地霄达法为基础，分析了地下带电电缆在其周围齒间辐射的电磁场的特性，研究了在外界电磁波辐射下地下不同属性介质对电磁波的反射特点，以期实现对地下电缆的精确探测与准确识别，对维护电缆的安全运行具有实际意义。

　　关键词：地下电缆;探地雷达;图像特征;识别技术;分析

　　1探地雷达检测原理

　　探地方法雷达探测是一种利用宽带高频无线电磁波发射信号实地探测常用方法。它主要属于一种运用电磁波的感应信号对地底层传输时的电磁波的路径变化来进行检测的技术，同时可以说是根据电磁雷达探测信号在地下介质中运动传输的微波路径运动变化对地下运动介质物体进行运动探测[1]。

　　电力论文范例：电力电缆的故障检测技术分析

　　雷达探测工作方法原理及其应用探测工作方法概述如下：探地雷达根据利用电磁波发射感应信号在地下快速传输的运动力学原理进行运行的。发射器的天线将高频的无线电磁波以高频宽带短波和脉冲波的形式直接送入地下，当地下固体介质间仍然存在强的电性阻抗差异时，这样的电性阻抗差异将自动变成了电性阻抗强的平面，电磁波发射感应信息这种电性组阻抗强平面的时候就可能会自动出现很强的无线杂波信号，同时接收器的天线把反射信号送入至备用的专用电脑且依据系统设置计算数据进行分析存储，再根据这种专用电脑软件对无无线雷达感应信号接受器受到的无线反射杂波信号数据来分析，摒除一些原本没用的无线杂波信号及其干扰信号，最后利用对探测的目标真实的反射信号进行处理能够起到对地面下方介质的直接探测的作用。

　　2常用图像判别法

　　2.1直接解释

　　直接解释法就是指对雷达的探测原始材料进行如放大滤波之类的预处理，随后根据资料的基本特征例如相位和反射强度等内容，结合钻探的资料进行佐证，进而进行定量定性解释。这一方式实际应用的过程中，获取的资料相对更加形象直观，因而可以有效的分析地质环境单一或者介质层面十分明显的地质异常体。但是这一技术实际应用的过程中，如果是在复杂的地质环境下，就很容易出现资料特征复杂的问题，进而导致资料存在多解性。与此同时，这一方式的应用对于相关工作人员的经验水平以及资料的精确性有着很高的要求和依赖性，复杂的条件下进行探测的话，不同的人经常会得出不同的结论，这样的主观性也限制了解释结果的准确性。

　　2.2间接解释

　　间接解释方法相对直接解释方法来说，是使用数学物理的方法，深入的分析雷达探测资料的结构和资料，进而找出能够充分体验出差异的参数和特征，进而在目标识别中作为有力的依据。资料解释的过程中，抑郁是能够充分的反映出目标属性的相关参数内容，这一解释方法可以有效的解决直接解释方法应用时的多解性和主观性问题，针对环境复杂条件下的判别和勘测有着直观的应用效果。但是这也仅仅停留在理论层面，实际应用的过程中周圍的环境有着多边性，因而也需要根据条件的不同找出更加合适的分析方式。综合来看，地下的探测目标有着十分复杂的特性，实际进行解释的过程中局限性十分显著，主流解释都存在了特定的条件。而要有效的提高资料解决的可靠性，还是需要结合钻探工作和物探工作，综合进行解释，进而尽量降低探测资料解释的不确定性。

　　3地下管道探测中探地雷达技术的应用对策

　　3.1完善技术方案及技术准备

　　从客观的角度来看，地下管道探测中探地雷达技术的应用，能够对固有探测工作的不足，开展妥善的弥补，在相关工作的安排上，基本不会出现新的挑战，很多工作的前进，都能够由此来创造出较高的价值，未来的发展空间是比较大的。日后，应继续在地下管道探测中探地雷达技术方面，进行体系上的不断完善，从而在系列问题的处置过程中，按照正确的理念和标准来完善。第一，地下管道探测中探地雷达技术的应用，需要对不同的内容，开展合理化的安排。例如，技术设备的选购，以及技术团队的组建，包括技术方案的设定，都要对客观上的限制性条件，开展深入的把握，这样才能在各项不足的解决上，不断的取得更好的成绩。第二，地下管道探测中探地雷达技术的实施，还要在特殊问题的处置上，选用正确的理念和标准来完成，尤其是对技术的创新力度，应做出大幅度的提升，推动地方的工作水平进步。

　　3.2加强探测质量的把控

　　就地下管道探测中探地雷达技术本身而言，其在实施的层面上，必须对具体工作开展差异性的对待，不能总是按照固定的思路和方法来完成，这样不仅无法取得预期效果，还会在很多工作的实施过程中，造成非常严峻的缺失和疏漏。探测质量的巩固，直接关系到未来的综合发展，而且在系列不足的弥补上，将会产生非常大的影响。以实际工程为例，在东莞市水生态建设五期石排镇管线排查项目中，为了能够更准确的计算该给排水混凝土管的管顶埋深，我们通过附近一条排水混凝土管上进行相应的测定，经过相应的计算可得其波速，通过波速我们就可以推算出其排水管的直径，同时，再进一步通过图像分法来进行分辨，结合以上两种方法，我们就可以知道，在给排水管线探测中，可以利用介质在传播过程中，衰减系数α和传播距离之间作为幂进行衰减，电场强度分量的振幅值来进行推算，再综合图像分法得出结果。通过在探测质量上科学的提升，能够对技术的综合效用良好的提升，在未来的发展上，可以做出更加卓越的贡献。

　　3.3加强技术管理

　　现阶段的地下管道探测中探地雷达技术应用，能够按照正确的操作方法和规范标准来完成，各方面的工作实施，并没有造成严重的不足，整体上拥有的发展空間是比较大的。未来，应在加强管理的力度上提升技术的开发，这样可以在诸多环节的处置上，取得更好的效果。在技术管理的落实，可尝试从以下几个方面来出：第一，地下管道探测中探地雷达技术的执行，一定要在各项特殊情况的处置上，选用正确的方式来应对。例如，某些地方表现出老城区的特点，地下管道的复杂程度较高，积累的杂物较多，而且容易发生物理反应、化学反应。此时，在地下管道探测中探地雷达技术的实施层面上，必须针对各类干扰条件良好的清除，从而减少对结果造成的负面影响。第二，技术的管理工作开展，必须进行良好的革新，结合国际上的趋势和国内的工作需求，对技术的可靠性、可行性做出更好的提升，由此来获得更好的发展成就。

　　4结语

　　1)在地下电缆埋深固定时，带电电缆向周围空间中辐射的磁场强度随着与电缆距离的增加而逐渐减小，且在同一高度平面内，磁场强度随着偏移中心距离的增加而呈衰减趋势。2)在探地雷达高频电磁波辐射下，由于高频电磁波与电缆产生的工频磁场的相互作用，导致电缆的反射波信号与高频磁场相互叠加震荡而形成了一种极为特殊的反射波形，该反射波形与金属和非金属的反射波形间区别明显、辨识度高。3)将电缆在探地雷达高频电磁波辐射下的特殊波形作为对地下带电电缆探测与识别的判据具有可靠的理论依据与现实意义，利用该判据能够达到快速、有效探测与识别地下电缆的目的，具有较高的准确性与直观性。但目前利用该依据只能实现识别电缆与其他金属与非金属介质，无法判断出电缆的数量及电压等级，需要作进一步研究。

　　参考文献

　　[1]胡艳杰,余湘娟,高磊,韩学武,邢欢欢.探地雷达在道路结构层厚度检测中的应用[J].河北工程大学学报(自然科学版),2017,34(04):37-41+56.

　　[2]张小博,白大为,高保屯,何梅兴,仇根根.一种低频探地雷达天线屏蔽装置实验研究[J].物探与化探,2017,41(06):1255-1261.

　　[3]李奇,吴霞,温世儒,刘芳.探地雷达在村镇规划地质调查中的应用研究[J].山西建筑,2017,43(34):46-47.

　　[4]韩健.浅析探地雷达在隧道超前地质预报检测中的应用[J].山西建筑,2017,43(33):169-170.

　　作者：肖峰

篇(3)

　　摘要：为了在机载光子雷达条件下实现远距离舰船类型精确识别的目标，首先对场景点云进行平面拟合、点云聚类、目标提取等处理，获得舰船点云;然后对船体点云提取体量、表面法向量直方图、甲板目标分布等三维特征，获得特征数组;最后利用随机森林对抽取的特征进行判别分类，实现船体类型精确识别。实验表明：通过对13种类型船只的多次分类实验，平均正确识别率在95%以上，有效实现了舰船的类型识别。

　　关键词：光子;聚类算法;舰船;远距离;识别;随机森林

　　0引言

　　近年来，随着社会的发展，海上的活动日益增多，海洋安全关系着国家的安全与稳定。加强对海上舰船的实时识别对于海上救援、船只管理等领域具有重要意义[1，2]，目前多个国家和单位正在研究不同的方法去实现舰船的分类识别。使用舰船图像作为研究对象具有获取简单、来源广、样本量大的特点，同时神经网络算法在大样本训练时具有其他算法无法比拟的高精度优势，因此很多研究人员对传统神经网络算法进行改进[3-5]，通过舰船图像提取特征实现多种舰船的类型识别。此外部分研究人员使用支持向量机[6]、相似度匹配[7]、粒子群算法[8]等传统分类算法对舰船图像进行识别，通过二维特征提取、相似度计算也实现了舰船分类。

　　依靠图像识别舰船在实际应用中存在受不良天气影响较大的缺点，而雷达具有全天候工作的能力，因此部分科学家研究如何通过雷达回波信号实现舰船识别。科学家提取雷达回波信号[9，10]中的一维特征和二维特征、路线变化、速度变化对目标进行分类识别，完成模糊逻辑分类。此外从舰船的高分辨距离像[11，12]可以提取时域特征和频域特征，这些特征与传统分类器的契合度较好，获得了较好的识别结果。

　　从雷达回波信号中提取的特征大部分都是一维特征、二维特征，对目标描述性不强，或者需要长时间监测目标动态，实时性较差。为解决这个问题，人们使用三维激光雷达[13，14]建立目标模型，提取目标的三维特征，有效的提高了分类精度。船舶自动识别系统(AutomaticIdentificationSystem，AIS)包含船只静态数据和动态数据，NATALIAD[15]等提取AIS数据中载重吨位(DeadweightTonnage，DWT)、宽度、长度作为分类特征，实现目标分类。

　　目前无人机载测绘雷达最大的探测距离在1500m左右，基于激光雷达回波的舰船分类方法受限于雷达工作距离的限制，无法对2km以外远距离的舰船进行识别，并且提取的特征是在点云较为密集的基础上，不适合远距离稀疏点云的特征提取与识别。光子雷达[16，17]是近年来迅猛发展的新型探测手段，通过盖革模式下的雪崩光电二极管和时间相关单光子计数技术可以接收远距离目标反射的微弱回波信号，从中提取目标的三维特征，在目标识别领域具有独特的优势。

　　综上可知，依靠舰船图像、雷达回波信号和激光雷达进行舰船分类均存在不同的问题。本文研究机载光子雷达在海上远距离舰船识别中的应用，通过平面拟合、点云聚类将探测区域中的舰船目标提取出来，研究不同类型船只在不同方位的三维特征，在稀疏点云条件下选取具有代表性的三维特征用于类型识别，提高远距离舰船识别的精度，推进光子雷达在实际中的应用。

　　1数据预处理

　　1.1点云去噪

　　相比于常规激光雷达，光子雷达具有极高的灵敏度，因此在光子雷达工作时会探测到极多的噪声，需要的信号点云混杂在噪声点云中难以区分，需要预先进行点云去噪，才可以进行下一步的目标识别。

　　1.2去除海面点云

　　经过1.1步骤后，场景中仅剩下海面点云和舰船点云，机载光子雷达在正右方向探测到的海面场景，海面上分布3艘舰船(左边部分船体和甲板被遮掩，没有点云数据)。为了提取舰船点云，首先需要将海面点云去除，让舰船点云成为一个个独立的点云集合。

　　海面点云在空间分布上近似一个平面，在正常的天气情况下，海浪的起伏在1.25~2.5m之间，可以得到海面点云分布在一个高度为5m的包围盒范围内，因此设距离阈值为5m，利用经典的平面拟合算法对海面进行拟合，将拟合的平面点云除去，剩余的就是船只点云。

　　2点云聚类

　　经过预处理之后，背景噪声点云、海面点云基本全部去除，场景中只剩下一艘或者多艘舰船点云，但是对于机器视觉来说，场景中的点云是一个整体，在提取特征之前需要聚类，将同一艘舰船点云归为一类，然后逐步提取特征。

　　2.1密度聚类算法

　　基于密度的空间聚类算法(Density-BasedSpatialClusteringofApplicationswithNoise，DBSCAN)是一种经典的聚类算法，该算法以点云密度为依据进行区域增长，直至没有符合条件的点云为止，是一种简洁有效的算法。DBSCAN算法的缺点是参数依靠人工选取，在应用于不同的数据集时会出现过度分割或者欠分割的结果。

　　2.2聚类结果

　　为测试改进后的自适应DBSCAN算法的聚类效果，本文将采用2个分别包含军舰点云模型和民船点云模型的场景。可以看出2个场景均被分成3个聚类结果，其中舰船的整体点云几乎都被归为一类，与我们的预期结果一致，极少数比较离散的点云被判定为噪声，不过考虑到舰船的体量以及该离散点云包含的特征极少，不会影响舰船的主要特征提取，因此改进后的聚类算法对于舰船的聚类效果较好，达到预期目标。

　　3舰船型号识别

　　3.1特征分析

　　经过聚类后，不同类型的船只点云已经归为一个点云集合，因此聚类后的结果可以直接用于特征提取。在远距离探测的条件下，获得的目标点云较为稀疏，长度小于100m的舰船模型点云数量极少，且容易淹没在噪声中，因此本文研究舰船长度在100m之内。在图像识别中，很多算法都采用舰船面积作为识别依据之一，由此可以看出目标的维度特征是一个有效的分类特征。

　　随着划分环数的增加，6种舰船的正确识别率也随之上升并且趋于稳定，其中3环划分在实验中出现不稳定的情况，从4环开始实验结果基本稳定且处于较高的水准，在兼顾数据维度与识别正确率的考量下，本文采取4环划分表示目标的几何特征。在上文提到在机载光子雷达照射的情况下，除了上层建筑物之外，甲板也是可以完全探测到。甲板的大小特征与上文特征有所重复，因此本文提取甲板形状特征中的夹角特征，即船头夹角。

　　不同类型的船只的船头角度往往不同，相比于民船，军舰的船头角度更小。在雷达探测中，在人工不参与的情况下，雷达无法分辨出船头和船尾，因此本文沿着舰船的长度提取出目标最前端和最后端的点云(首先默认距离雷达较近的一端为船头)，计算出相应的角度，其中较小的角度作为船头角度。

　　通常的法向量直方图是对探测到的目标整体进行统计获得的，但在稀疏点云条件下，舰船的很多细节特征被模糊化，通过常规的法向量直方图很难对目标进行区分。和上文研究过程类似，本文选取巡洋舰、航空母舰、护卫舰、货船、集装箱船、邮轮6个目标为实验对象，使用随机森林分类器研究稀疏点云条件下常规法向量直方图的分类能力。

　　由于绝大多数舰船目标关于本身长轴对称，因此本文选取长轴方向的向量作为起始线，计算每一个点的法向量与起始线的夹角，夹角分布在0°~80°之间。为了选取最优维度的直方图特征，本文分别以20°、30°、45°、60°为间隔，计算不同间隔情况下的正确识别率。

　　3.2分类算法

　　由于目前还没有公开的机载光子雷达对舰船的点云数据集，本文仿真的舰船模型达不到神经网络算法训练量的要求，因此本文选择随机森林算法对抽取的特征进行训练分类，验证分类结果。随机森林算法[21]可以看作是简化的神经网络算法，它是由多颗决策树组成，每一棵决策树都是一个弱分类器，都会对输入的数据输出一个结果，随机森林会对所有输出的结果进行分析，选择可能性最高的结果作为输出，算法步骤为：

　　1)从样本集中有放回随机采样n个样本;2)从所有特征随机选择k个特征，利用这些特征建立决策树;3)上述步骤重复m次，形成由m棵决策树组成的随机森林;4)对于新数据，经过每棵树决策，最后投票确认分到哪一类。

　　4实验结果

　　4.1舰船数据

　　鉴于目前没有公开的机载光子雷达对舰船的探测点云数据集，以及部分舰船属于国家机密，因此本文利用公开的舰船模型生成舰船点云数据，舰船点云数据部分说明如下。

　　1)舰船类别：本文采用巡洋舰、航空母舰、护卫舰、驱逐舰、中型航母、医疗船、登陆舰、起重船、货船、集装箱船、科考船、邮轮、渔船共13种舰船建立模型，上述舰船是包含人们常见的舰船类型，样本具有代表性。

　　2)点云密度：本文模拟机载光子雷达在5km之外对舰船模型进行扫描，光子雷达的水平分辨率和垂直分辨率均为0.5mrad，因此舰船模型的相邻点云间距均值M均大于等于2.5m。

　　4.2分类结果

　　本文中随机森林算法中的决策树数量设为40，其中正前、右前、正右、右后、正后这5个方位的样本作为训练集，正左、左后方位的样本作为测试集。每一个样本提取的特征组成一组12维的数组，其中维度特征是3维数据，法向量直方图是4维数据，几何特征是4维数据，船头夹角是1维数据。对每个样本增加一维标签后，样本与13维特征数组建立一对一的关系，特征数组输入随机森林进行训练或者测试。

　　5结论

　　针对目前舰船识别算法训练复杂、工作距离近、识别率较低、实时性较差的问题，本文以推进光子雷达的实际应用的目的出发，研究了机载光子雷达在远距离条件下对海面上舰船识别的问题。通过点云去噪、平面拟合、点云聚类等步骤提取舰船点云，研究了稀疏点云条件下的三维特征抽取，完成了经典分类算法的舰船识别，通过比较前人的工作，成功实现了远距离条件下的舰船类型精确识别，对光子雷达的实际应用具有指导意义。

　　参考文献

　　[1]WANGWenlong，HANBaojun，ZHANGHongping.Anewalgorithmofsmalltargetdetectionforifraredimageinbackgroundofseaandsky[J].ActaPhotonicaSinica，2009，38(3)：725-728.王文龙，韩保君，张红萍.一种海空背景下红外小目标检测新算法[J].光子学报，2009，38(3)：725-728.

　　[2]SHIWenxu，JIANGJinghong，BAOShengli.Shipdetectionmethodinremotesensingimagebasedonfeaturefusion[J].ActaPhotonicaSinica，2020，49(7)：0710004.史文旭，江金洪，鲍胜利.基于特征融合的遥感图像舰船目标检测方法[J].光子学报，2020，49(7)：0710004

　　作者：魏硕1，2，赵楠翔1，2，胡以华1，2，孙万顺1，2，刘彪1，2