基于双雷达HRRP相似度的舰船和角反阵列可分性研究

doi:10.3969/j.issn.1009-086x.2026.03.001

摘要/Abstract

摘要：

角反阵列能形成与舰船目标相似的高分辨一维距离像（high resolution range profile, HRRP），给现有雷达识别提出了严峻挑战，但角反阵列和舰船目标随着观测角度变化的规律有差异，据此提出了双雷达HRRP相似度特征，用于鉴别角反阵列和舰船目标。电磁仿真结果表明，该特征有效刻画了角反阵列和舰船目标HRRP随视角变化的稳定性差异，在双雷达视线夹角大于60°和-2 dB信杂比条件下，基于双雷达HRRP相似度特征的角反阵列和舰船目标识别正确率可以达到99.07%。

关键词: 协同探测, HRRP相似度, 舰船, 角反, 识别

Abstract:

Corner reflector arrays can generate high resolution range profiles （HRRPs） similar to those of ship targets， posing significant challenges to existing radar recognition systems. However， the variation patterns of HRRPs for corner reflector arrays and ship targets differ with observation angles. Leveraging this distinction， this paper proposes a dual-radar HRRP similarity feature to discriminate between corner reflector arrays and ship targets. Electromagnetic simulation results demonstrate that this feature effectively captures the differences in HRRP stability under varying viewing angles for the two target types. When the line-of-sight angle between two radars exceeds 60°and the signal-to-clutter ratio （SCR） is -2 dB， the recognition accuracy for distinguishing corner reflector arrays from ships reaches 99.07% using the dual-radar HRRP similarity feature.

Key words: cooperation detection, high resolution range profiles（HRRP） similarity, ships, corner reflectors, target recognition

中图分类号:

TN955

艾小锋, 胡旖航, 龚力. 基于双雷达HRRP相似度的舰船和角反阵列可分性研究[J]. 现代防御技术, 2026, 54(3): 1-10.

Xiaofeng AI, Yihang HU, Li GONG. Study on the Discriminability Between Ships and Corner Reflector Arrays Based on Dual-Radar HRRP Similarity[J]. Modern Defense Technology, 2026, 54(3): 1-10.

图/表 20

图1 舰船模型与观测角定义示意图

Fig. 1 Schematic diagram of ship model and observation angle definitions

表1 舰船模型电磁仿真参数

Table1 Electromagnetic simulation parameters for ship models

参数	取值
频段	9.9~10.1 GHz（带宽200 MHz，间隔0.8 MHz）
观测俯仰角	45°~90°（间隔1°）
观测方位角	0~180°（间隔1°）
极化方式	HH极化
材料	PEC

图2 单个二十面体角反模型

Fig. 2 Single icosahedral vertex corner reflector

图3 六角反阵列模型

Fig. 3 Hexagonal corner reflector arrays

图4 含杂波的舰船目标HRRP(俯仰为45°，方位为0°)

Fig. 4 HRRP for a ship with noise (elevation 45°, azimuth 0°)

图5 含杂波的角反阵列HRRP(俯仰为45°，方位为0°)

Fig. 5 HRRP for corner reflector arrays with noise (elevation 45°, azimuth 0°)

图6 不同视角下舰船、角反余弦相似度(俯仰45°,方位0°)

Fig. 6 Cosine similarity between ships and corner reflector arrays at different viewing angles(elevation 45°, azimuth 0°)

图7 不同视角下舰船、角反余弦相似度(俯仰75°,方位37°)

Fig. 7 Cosine similarity between ships and corner reflector arrays at different viewing angles(elevation 75°, azimuth 37°)

图8 不同视角下舰船、角反余弦相似度(俯仰60°,方位150°)

Fig. 8 Cosine similarity between ships and corner reflector arrays at different viewing angles (elevation 60°, azimuth 150°)

图9 舰船、角反不同视角下曼哈顿距离(俯仰45°,方位0°)

Fig. 9 Manhattan distance between ships and corner reflector arrays at different viewing angles (elevation 45°, azimuth 0°)

图10 舰船、角反不同视角下曼哈顿距离(俯仰75°,方位37°)

Fig. 10 Manhattan distance between ships and corner reflector arrays at different viewing angles (elevation 75°, azimuth 37°)

图11 舰船、角反不同视角下曼哈顿距离(俯仰60°,方位150°)

Fig. 11 Manhattan distance between ships and corner reflector arrays at different viewing angles (elevation 16°, azimuth 150°)

图12 舰船、角反余弦相似度可分性(俯仰45°,方位0°)corner reflector arrays (elevation 45°， azimuth 0°)

Fig. 12 Cosine similarity discriminability of ship and

图13 舰船、角反余弦相似度可分性(俯仰75°,方位37°)

Fig. 13 Cosine similarity discriminability of ship and corner reflector arrays (elevation 75°，azimuth 37°)

图14 舰船、角反余弦相似度可分性(俯仰60°,方位150°)corner reflector arrays (elevation 60°,azimuth 150°)

Fig. 14 Cosine similarity discriminability of ship and

图15 舰船、角反曼哈顿距离可分性(俯仰45,°方位0°)

Fig. 15 Manhattan distance discriminability of ship and corner reflector arrays (elevation 45°, azimuth 0°)

图16 舰船、角反曼哈顿距离可分性(俯仰75°，方位37°)

Fig. 16 Manhattan distance discriminability of ship and corner reflector arrays (elevation 75°， azimuth 37°)

图17 舰船、角反曼哈顿距离可分性(俯仰60°，方位150°)

Fig. 17 Manhattan distance discriminability of ship and corner reflector arrays (elevation 60°， azimuth 150°)

图18 SVM识别流程

Fig. 18 SVM recognition process

图19 不同夹角下相似度特征目标识别正确率

Fig. 19 Target recognition accuracy of similarity features at different angles

参考文献 20

[1]	吴林罡，胡生亮，刘忠，等. 舰载射频角反射器装备现状与发展趋势［J］. 现代防御技术， 2023， 51（6）： 36-44.
	WU Lingang， HU Shengliang， LIU Zhong， et al. Present Situation and Development Trend of Shipborne RF Corner Reflector Equipment［J］. Modern Defence Technology， 2023， 51（6）： 36-44.
[2]	CUI Kaibo， WANG Wei， CHEN Xi， et al. A Kind of Method of Anti-corner Reflector Interference for Millimeter Wave High Resolution Radar System［C］∥2016 Progress in Electromagnetic Research Symposium （PIERS）. Piscataway： IEEE， 2016： 1900-1906.
[3]	TAO Zhiyu， GUO Yu， FU Qiang. Discrimination Method of Ship and Corner Reflector Based on SVM［C］∥2016 Sixth International Conference on Instrumentation & Measurement， Computer， Communication and Control （IMCCC）. Piscataway： IEEE， 2016： 699-702.
[4]	吕方方. 海面目标动态回波仿真与特性分析［D］. 西安：西安电子科技大学， 2019.
	Fangfang LÜ. Dynamic Echo Simulation and Characteristic Analysis of Sea Surface Targets［D］. Xi'an： Xidan University， 2019.
[5]	范学满，胡生亮，陈鹏，等. 基于分类器联合的反舰导弹HRRP目标识别与拒判研究［J］. 海军工程大学学报， 2017， 29（4）： 14-20.
	FAN Xueman， HU Shengliang， CHEN Peng， et al. HRRP Recognition and Rejection of Anti-ship Missile Based on Classifier Combination［J］. Journal of Naval University of Engineering， 2017， 29（4）： 14-20.
[6]	袁伟. 基于一维距离像稀疏表达的无源假目标识别［J］. 电讯技术， 2018， 58（7）： 798-804.
	YUAN Wei. Passive Fake Target Recognition Based on One-Dimensional Distance Image Sparse Representation［J］. Telecommunication Engineering， 2018， 58（7）： 798-804.
[7]	韩静雯，杨勇，连静，等. 基于极化与距离像特征融合的雷达导引头角反射器鉴别方法［J］. 系统工程与电子技术， 2024， 46（11）： 3658-3670.
	HAN Jingwen， YANG Yong， LIAN Jing， et al. Identification Method of Corner Reflector Based on Polarization and HRRP Feature Fusion for Radar Seeker［J］. Systems Engineering and Electronics， 2024， 46（11）： 3658-3670.
[8]	李郝亮，陈思伟. 海面角反射体电磁散射特性与雷达鉴别研究进展与展望［J］. 雷达学报， 2023， 12（4）： 738-761.
	LI Haoliang， CHEN Siwei. Electromagnetic Scattering Characteristics and Radar Identification of Sea Corner Reflectors： Advances and Prospects［J］. Journal of Radars， 2023， 12（4）： 738-761.
[9]	MA Jiazhi， SHI Longfei， LI Yongzhen， et al. Angle Estimation of Extended Targets in Main-Lobe Interference with Polarization Filtering［J］. IEEE Transactions on Aerospace and Electronic Systems， 2017， 53（1）： 169-189.
[10]	ZHANG Zhaojian， XIE Junwei， SHENG Chuan， et al. Deceptive Jamming Discrimination Based on Range-Angle Localization of a Frequency Diverse Array［J］. Frontiers of Information Technology & Electronic Engineering， 2017， 18（9）： 1437-1446.
[11]	杨书宁，杨仲平，张剑云，等. 基于稀疏重构的空域-极化域联合抗主瓣干扰方法［J］. 信号处理， 2022， 38（2）： 401-409.
	YANG Shuning， YANG Zhongping， ZHANG Jianyun， et al. Space-Polarization Domain Combined Anti-mainlobe Jamming Method Based on Sparse Reconstruction［J］. Journal of Signal Processing， 2022， 38（2）： 401-409.
[12]	陈焱，王占领，肖科，等. 新型变极化角反射器设计及散射特性分析［J］. 电波科学学报， 2023， 38（6）： 913-920.
	CHEN Yan， WANG Zhanling， XIAO Ke， et al. Design and Analysis of a Novel Variable Polarization Corner Reflector［J］. Chinese Journal of Radio Science， 2023， 38（6）： 913-920.
[13]	周梓萌，王俊杰，庞晨，等. 电磁调控角反射器的散射特性研究［J］. 电波科学学报， 2023， 38（6）： 921-928， 996.
	ZHOU Zimeng， WANG Junjie， PANG Chen， et al. Research on Scattering Characteristics of Electromagnetically Modulated Corner Reflectors［J］. Chinese Journal of Radio Science， 2023， 38（6）： 921-928， 996.
[14]	夏德平. 机载双基地极化雷达系统研究［D］. 西安：西安电子科技大学， 2022.
	XIA Deping. Research on Airborne Bistatic Polarization Radar System［D］. Xi'an： Xidian University， 2022.
[15]	刘双喜，徐小平，黄伟，等. 国外多弹协同项目发展及关键技术展望［J］. 航空兵器， 2024， 31（6）： 1-13.
	LIU Shuangxi， XU Xiaoping， HUANG Wei， et al. Development and Key Technologies Outlook of Foreign Multi-missile Collaborative Projects［J］. Aero Weaponry， 2024， 31（6）： 1-13.
[16]	PEI Jifang， LU Yuchun， HUO Weibo， et al. Aerial Target Classification Using an LFL-Net with Multiview HRRPs［J］. Remote Sensing Letters， 2022， 13（5）： 492-502.
[17]	WANG Zhihao， ZHANG Yuanpeng， SU Linghua， et al. Multidomain Feature-Level Fusion for Space Micromotion Target Recognition Based on Networked Radar Systems［J］. IEEE Sensors Journal， 2025， 25（12）： 22250-22263.
[18]	ZHANG Rongzheng， WANG Yong， YEH C， et al. Precession Parameter Estimation of Warhead with Fins Based on Micro-Doppler Effect and Radar Network［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（1）： 443-459.
[19]	DING Baiyuan， WEN Gongjian. Exploiting Multi-view SAR Images for Robust Target Recognition［J］. Remote Sensing， 2017， 9（11）： 1150.
[20]	PEI Jifang， HUANG Yulin， HUO Weibo， et al. SAR Automatic Target Recognition Based on Multiview Deep Learning Framework［J］. IEEE Transactions on Geoscience and Remote Sensing， 2018， 56（4）： 2196-2210.