RCS理论之于目标识别

RCS理论之于目标识别RCS对于观测方向非常敏感，同一目标在微小的观测方向改变下就可能引起RCS的极大变化。因此对于目标识别的任务来说是间距的。但可以考虑建立目标的RCS库，保存目标在不同观测角（方位角，俯仰角，偏航角），不同的极化方式，不同的频率下的不同RCS。RCS可以用dBm2表示，也可以用m2表示，参见《雷达目标特征信号》P321。可惜的是这样的数据库实在是太大了，不但建库需要的存储量惊人，而且用于目标识别的时间也将因此不可想象。如何用较少的数据量而尽可能完备地表示目标的RCS呢？因为复杂目标RCS是随观测角和入射频率以及极化迅速改变的，如果入射频率固定，极化也固定，则对于机动目标，观测角是不断改变的，我们要的就是RCS的起伏特征，利用RCS的起伏来区分不同的目标。因为这种起伏是变化很快的，初步设想通过遗传算法来进行目标的自动分类效果会更好。（在分类之前对目标的RCS进行特征提取，如起伏范围—最大截面积和最小截面积，变化快慢等）。进行目标识别的一种思想是希望目标特征具有姿态不变性，那样就可以一个目标对应于一个特征。而利用RCS进行目标识别，RCS本身不具有姿态不变性，并且是剧烈变化，但这一变化的特征正又能够从另一个方面反映事物的本质。RCS既可以通过计算机计算，也可以通过实验测定。利用缩比模型测RCS，同时要改变频率，按照同样的比例进行变换。在X波段，汽车的RCS通常比飞机和船只要大，而且截面积随测量频率上升而增大（测量频率上限为60GHz时得到的结论，是否总是增大？）雷达方程为：用的原因：观察雷达方程，当用代入方程时，发现RCS和波长平方的比值可以做为一个整体，而其他因子为发射和接收功率以及距离。因此可以把做为一个整体作图。起到了归一化的作用（RCS是和雷达工作频率有关的）。