点击蓝色“雷达学报”关注

电脑端视频播放地址（雷达学报b站学习平台）：

论文短视频 | 自动目标识别的工程视角述评

自动目标识别（Automatic Target Recognition, ATR）伴随着传感器探测能力与数据处理技术的进步，得到越来越广泛的重视和发展，已成为无人系统智能化、自主化的核心。本文从工程应用的角度来理解自动目标识别，认为ATR 是一个面向应用任务的感知与决策过程，其功能贯穿于目标搜索、定位、跟踪、鉴别与决策、引导等任务链的每个环节，其系统包含了一系列自动化、智能化的目标信号和信息处理算法以及相应的软硬件，以实现目标种类和类型等属性的高置信度辨识。

从识别的基本原理来看，ATR可归于模式识别范畴，关注的是目标特征问题，这是从特征识别的视角来认知ATR。ATR系统的性能与任务需求、探测器及平台特性、目标环境状态以及整个探测体系支持等都直接相关，其能力是系统各相关功能的集成，因此需要从任务驱动、系统资源优化调度以及整个探测体系支撑等视角来分析与理解。ATR系统具有固有的不确定性，需要从不确定性的视角来认知ATR。学习能力是任何识别系统的核心支撑，因此要从开放环境动态学习的视角来认知ATR系统自组织、自生长的内在需求。

图 1 ATR在线学习自演进架构

近年来，上海交通大学郁文贤教授团队对复杂场景雷达目标特性与场景化信号分析、高精度目标特征参数联合估计、SAR图像目标检测识别、三维快速成像等开展了深入研究。

图 2 上海交通大学郁文贤教授团队

在基于雷达目标识别及成像方面，提出了复杂场景SAR图像目标检测识别系列方法，将电磁散射参数化模型、极化/空间/幅度多维度特征、场景/目标语义知识等有机结合，成功将传统CFAR类算法检测率由80%逐步提升到90%，建立了国际首个SAR图像深度学习公开数据集OpenSAR，被德国、英国、意大利、芬兰、日本、印度等国内外30余家单位采用，研发的SAR图像高精度检测识别与智能解译软件在十余个部门得到应用；在三维快速成像与参数估计方面，提出利用酉变换将复数域模型变换到实数域而不损失精度的方法，利用无网格压缩感知技术解决采样率不足问题，将成像速度提升了10倍；在工程化应用方面，提出了目标识别工程化核心技术体系与智能化场景自适应目标识别任务调度方法，相关技术在我国新一代多波段对海探测雷达、新型空间雷达、机载对地观测与目标识别系统中得到广泛应用。 

图 3 课题组在SAR识别与成像的相关研究成果

该文从工程视角出发，从特征识别、任务驱动、优化调度、体系支撑、不确定性和动态学习6个不同视角来认知ATR的内涵与特点。

图 4  ATR的认知视角

接下来该文从整体的技术发展特点并结合ATR试验验证技术来对ATR领域的发展做一个概略性分析，并从ATR系统核心能力的构成来梳理ATR核心技术体系，将ATR系统的核心能力归纳为任务链中与ATR密切相关且有机衔接的3个能力：数据信息能力、信息认知能力和感知通信计算支撑能力。

紧接着从基于迭代和增量开发过程的迭代演进模式和基于开放平台和环境的开放生态模式来阐述ATR工程应用系统的开发重点。