Sparse Reconstruction of Space Target RCS Based on Spherical Gaussian Radial Basis

doi:10.3969/j.issn.1009-086x.2026.05.008

Abstract

Abstract:

Radar cross section （RCS） is a critical technical approach in the field of space target recognition， yet single-track RCS observations struggle to comprehensively characterize target properties due to limited viewing angles. To address the sparsity of multi-track RCS data acquired by a monostatic radar for unknown targets， this study draws inspiration from the idea of regionalized sparse reconstruction interpolation used for geographic information such as elevation and establishes a distribution model of target RCS using spherical radial basis functions （SRBFs）. The generalized cross-validation （GCV） criterion is adopted to optimize the bandwidth factor of Gaussian basis functions， achieving the reconstruction of target region RCS from sparse multi-track measurements. This research provides a theoretical foundation for feature-level fusion of multi-perspective RCS data， offering practical guidance for the construction of space target signature databases and their applications in target recognition.

Key words: radar cross section （RCS）, sparse reconstruction, spherical radial basis functions （SRBFs）, generalized cross-validation （GCV） criterion, kernel function

摘要：

雷达散射截面RCS是当前空间目标识别领域的重要技术手段，但单一航迹RCS观测因视角受限难以全面表征目标特性。针对单站雷达获取的未知目标多航迹RCS数据稀疏性问题，借鉴高程等地理信息区域化稀疏重构插值思想，用球面径向基函数建立了目标RCS的分布模型，通过广义交叉验证准则进行了高斯基函数带宽因子选择，实现了多航迹稀疏测量下的目标区域RCS重构。研究为多视角RCS数据的特征级融合提供了理论基础，对空间目标特性库构建及识别应用具有实践指导价值。

关键词: 雷达目标散射截面, 稀疏重构, 球面径向基函数, 广义交叉验证准则, 核函数

CLC Number:

TN959.6

Mingshan WEI, Qing LÜ, Gang QUAN, Guanghua LIU. Sparse Reconstruction of Space Target RCS Based on Spherical Gaussian Radial Basis[J]. Modern Defense Technology, 2026, 54(5): 102-112.

魏明山, 吕青, 全刚, 刘光花. 球面高斯径向基的空间目标RCS稀疏重构[J]. 现代防御技术, 2026, 54(5): 102-112.

Figures/Tables 15

Table 1 List of commonly used kernel functions

核函数名称	数学公式
高斯核（Gaussian）	$φ r = e - (ε r) 2$
多二次核（Multiple quadratic）	$φ r = ε 2 + r 2$
逆二次核（Inverse quadratic）	$φ r = 1 ε 2 + r 2$
薄板样条核（Thin-plate spline）	$φ r = r 2 l g (ε r 2 + 1)$
三次样条核（Cubic spline）	$φ r = (r + ε) 2$
泊松核（Poisson）	$φ r = 1 - r 2 (1 + r 2) 32$

Table 1 List of commonly used kernel functions

核函数名称	数学公式
高斯核（Gaussian）	$φ r = e - (ε r) 2$
多二次核（Multiple quadratic）	$φ r = ε 2 + r 2$
逆二次核（Inverse quadratic）	$φ r = 1 ε 2 + r 2$
薄板样条核（Thin-plate spline）	$φ r = r 2 l g (ε r 2 + 1)$
三次样条核（Cubic spline）	$φ r = (r + ε) 2$
泊松核（Poisson）	$φ r = 1 - r 2 (1 + r 2) 32$

Fig. 1 Simulation results of kernel functions

Fig. 2 Flowchart of sparse reconstruction-based RCS simulation verification

Fig. 3 Target outline schematic

Fig.4 Target 3D electromagnetic simulation

Fig. 5 Electromagnetic simulation of space targets

Fig. 6 Simulated track and sparse RCS plot

Fig. 7 Reconstruction with different bandwidth factors and kernel functions

Fig. 8 Initial bandwidth factor configuration

Fig. 9 Comparative analysis of sparse data reconstruction

Fig. 10 Reconstructed RCS of Target

Fig. 11 RCS reconstruction effectiveness visualization for space targets

Fig. 12 Comparative analysis of simulated vs. reconstructed RCS

Fig. 13 Sparse data reconstruction

Fig. 14 Comparative analysis of sparse data reconstruction

References 18

[1]	王鹏达，曲卫. 基于RCS序列的空间目标识别技术综述［J］. 兵器装备工程学报， 2021， 42（10）： 8-14.
	WANG Pengda， QU Wei. Overview of Space Targets Recognition Technology Based on RCS Sequence［J］. Journal of Ordnance Equipment Engineering， 2021， 42（10）： 8-14.
[2]	张军，马君国，朱江，等. 基于RCS序列的空间目标分类识别方法［J］. 火力与指挥控制， 2006， 31（12）： 98-100， 104.
	ZHANG Jun， MA Junguo， ZHU Jiang， et al. Classification and Recognition Based on RCS Sequence of Space Targets［J］. Fire Control & Command Control， 2006， 31（12）： 98-100， 104.
[3]	张江辉，陈翠华. 基于RCS的空间目标运动状态估计［J］. 雷达科学与技术， 2020， 18（5）： 557-561.
	ZHANG Jianghui， CHEN Cuihua. Motion Status Estimation of Space Object Based on RCS［J］. Radar Science and Technology， 2020， 18（5）： 557-561.
[4]	段新桥. 地形曲面上测地距离的插值研究［J］. 武汉大学学报（信息科学版）， 2025， 50（5）： 1006-1016.
	DUAN Xinqiao. Topographic Surface Interpolation with Geodesic Distance［J］. Geomatics and Information Science of Wuhan University， 2025， 50（5）： 1006-1016.
[5]	高帅，管兴胤，卢毅，等. 基于粒子飞行动态径向基代理模型的辐射屏蔽优化设计［J］. 核技术， 2025， 48（2）： 133-143.
	GAO Shuai， GUAN Xingyin， LU Yi， et al. Radiation Shielding Optimization Based on Dynamic Radial Basis Surrogate Model of Particle Flight［J］. Nuclear Techniques， 2025， 48（2）： 133-143.
[6]	HUBBERT S， BRAD B. Radial Basis Functions for the Sphere［J］. Advances in Computational Mathematics， 2001， 14（4）： 379-396.
[7]	马志伟，边少锋，徐如一，等. 复杂地区局部重力场带限SRBF二次逼近法［J］. 测绘学报， 2024， 53（5）： 900-916.
	MA Zhiwei， BIAN Shaofeng， XU Ruyi， et al. Band-Limited SRBF Quadratic Approximation Method for Local Gravity Fields in Complex Regions［J］. Acta Geodaetica et Cartographica Sinica， 2024， 53（5）： 900-916.
[8]	STONE M. Cross-Validatory Choice and Assessment of Statistical Predictions［J］. Journal of the Royal Statistical Society： Series B （Methodological）， 1974， 36（2）： 111-133.
[9]	ARLOT S， CELISSE A. A Survey of Cross-Validation Procedures for Model Selection［J］. Statistics Surveys， 2010， 4： 40-79.
[10]	CHAVES L M， CARVALHO L D， REIS C J， et al. Explaining the Generalized Cross-Validation on Linear Models［J］. Journal of Statistical Computation and Simulation， 2019， 89（16）： 3040-3058.
[11]	GOLUB G H， HEATH M， WAHBA G. Generalized Cross-Validation as a Method for Choosing a Good Ridge Parameter［J］. Technometrics， 1979， 21（2）： 215-223.
[12]	束蝉方，李斐. 几种满足重力调和性质的径向基核函数及其空间和频域特性［J］. 地球物理学进展， 2016， 31（6）： 2389-2396.
	SHU Chanfang， LI Fei. Four Types of Radial Basis Kernel Functions Fulfilling Gravity Harmonic Properties and Their Behaviour in the Spatial and Spectral Domain［J］. Progress in Geophysics， 2016， 31（6）： 2389-2396.
[13]	LI Ziyao. Kolmogorov-Arnold Networks are Radial Basis Function Networks［EB/OL］. （2024-05-10）［2024-10-10］. .
[14]	梁静远，李希文，柯程虎，等. Zernike多项式曲面表征［J］. 光电工程， 2024， 51（11）： 102-114.
	LIANG Jingyuan， LI Xiwen， KE Chenghu， et al. Surface Characterization Using Zernike Polynomials［J］. Opto-Electronic Engineering， 2024， 51（11）： 102-114.
[15]	胡怀青. 部分线性模型的高斯径向基函数估计［J］. 运筹与模糊学， 2023， 13（5）： 5266-5274.
	HU Huaiqing. Gaussian Radial Basis Function Estimation of Partially Linear Model［J］. Operations Research and Fuzziology， 2023， 13（5）： 5266-5274.
[16]	魏明山，张强，张振标，等. 基于天平一号A星的雷达RCS快速标定方法研究［J］. 现代雷达， 2022， 44（1）： 33-38.
	WEI Mingshan， ZHANG Qiang， ZHANG Zhenbiao， et al. A Study on Rapid Radar RCS Calibration Method Based on TianPing-lA Satellite［J］. Modern Radar， 2022， 44（1）： 33-38.
[17]	李明洋，刘敏. HFSS电磁仿真设计从入门到精通［M］. 北京：人民邮电出版社， 2013： 307-320.
	LI Mingyang， LIU Min. The Entry to the Master of HFSS Electromagnetic Simulation［M］. Beijing： Posts & Telecom Press， 2013： 307-320.
[18]	魏明山，刘光花，张强. 火箭RCS仿真和修正方法研究［J］. 弹箭与制导学报， 2023， 43（2）： 119-126.
	WEI Mingshan， LIU Guanghua， ZHANG Qiang. Research on RCS Simulation and Correction method of Rocket［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2023， 43（2）： 119-126.