学号：22021110334
姓名：曹卓为
【嵌牛导读】综述基于参数化统计模型进行雷达高分辨距离像目标识别方法。
【嵌牛鼻子】雷达目标识别
【嵌牛正文】
原文作者：陈健，杜兰
原文链接：https://mp.weixin.qq.com/s/pZH6ZZSCqDR3BCY6zopV4Qhttps://mp.weixin.qq.com/s/u-omFFhaTNWYZbZjnsUMoQ
引言
雷达自动目标识别技术能够实现对目标属性、类别或型号的判定，可以为目标用途、威胁等级的研判以及保障后续作战指挥的正确决策提供可靠的情报信息，是现代战场态势感知的迫切需求。
宽带雷达探测目标的高分辨距离像（HRRP）是目标散射点子回波沿雷达视线方向投影后叠加形成的一维向量，包含了目标形状、结构、尺寸、散射中心分布等较为精细的信息，且较二维合成孔径雷达/逆合成孔径雷达图像更易获取和处理、对雷达系统要求低。因此，研究基于雷达HRRP回波信号的目标识别对目标身份的快速可靠确认、进一步实现目标特性和事件的准确感知具有重要意义。
参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性，是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上，直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活以及能结合贝叶斯理论实现自动定阶等优势，基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法，是目前HRRP识别的重点研究方向。
论文概述
论文首先将雷达HRRP目标识别方法归纳为包含非参数化特征提取和非参数化概率密度估计的非参数化方法以及包含基于非统计模型特征提取和基于统计模型概率密度估计的参数化方法两大类。在分析统计建模概率密度估计方法优势的基础上，进一步将基于参数化统计模型的雷达HRRP目标识别方法归纳为浅层统计建模识别方法和深层统计建模识别方法，并对不同参数化统计建模方法的定义、识别方式进行了总结。
接下来针对浅层HRRP参数化统计建模，该文根据是否能够描述HRRP不同距离单元回波之间的相关性将此类方法划分为独立统计模型和联合统计模型两类，进一步将统计模型细分为单模分布、多模分布和半参数化模型，将联合统计模型细分为自回归模型、子空间学习模型、时序模型和散射点模型，并分别对独立统计模型和联合统计模型中不同方法的优缺点进行了比较分析。
然后在分析深层统计建模较浅层统计建模优势、表明深层统计建模方法为发展趋势的基础上，从变分自编码器及其改进模型和深层时序模型两方面，介绍了现有深层HRRP参数化统计模型的特点以及典型方法，并分别对两类深层统计建模方法中具体模型的优缺点进行了对比分析。
最后对该文进行了总结，并对基于HRRP参数化统计建模的雷达目标识别面临的挑战和未来的发展方向进行了展望。
