原則上，極化信息可以與各種雷達(dá)系統(tǒng)相結(jié)合，以提高雷達(dá)在探測、跟蹤、抗干擾和目標(biāo)識別方面的能力。極化信息處理技術(shù)的應(yīng)用領(lǐng)域包括極化濾波、極化識別、極化檢測、極化跟蹤和目標(biāo)極化識別。

極化目標(biāo)分類與識別

通過處理機載和星載全極化遙感雷達(dá)獲得的極化信息，能夠?qū)ψ匀荒繕?biāo)（如孔徑特征、地貌、森林和植被等）進行分類和識別。根據(jù)特定的成像原理和成像環(huán)境的復(fù)雜性，提取盡可能多的目標(biāo)信息，其中有用的信息被進一步提取或通過反演推算獲得。如此獲得的自然環(huán)境的準(zhǔn)確信息在自然環(huán)境的利用、估計、勘探、制圖和探測中是有用的。 對全極化多普勒氣象雷達(dá)獲取的極化信息進行處理，可以獲得計量目標(biāo)(云、雨、霧、冰雹等)的極化參數(shù)，如正交極化波的反射率因子、交叉極化波的反射率因子、差分反射率因子、傳播的特定微分相移、零滯后相關(guān)系數(shù)和線性去極化率。各種計量目標(biāo)的物理屬性，如大小、密度、形狀、強度和厚度，可以通過參數(shù)反演獲得，為天氣預(yù)報和災(zāi)害預(yù)警提供高度準(zhǔn)確的標(biāo)準(zhǔn)信息。 戰(zhàn)場監(jiān)視全極化雷達(dá)能夠?qū)?zhàn)場環(huán)境中感興趣的各種人工軍事目標(biāo)進行分類、識別和標(biāo)記。它們可以為選擇有利的軍事用地形式和路徑提供便利；也可以為部隊的順利移動、戰(zhàn)略部署和快速攻擊提供保證；還可以為進一步的軍事攻擊提供基礎(chǔ)。

目前在目標(biāo)分類和識別方法中的極化特征大致分為兩種:基于測量數(shù)據(jù)簡單組合和轉(zhuǎn)換的極化特征識別方法，以及基于目標(biāo)分解的極化特征分類方法。第一種主要用于極化合成孔徑雷達(dá)圖像的分類，第二種用于散射特性的分類。 需要特別指出的是，目標(biāo)極化分解理論在極化合成孔徑雷達(dá)目標(biāo)分類識別中得到了廣泛的應(yīng)用。目標(biāo)極化分解的基本思想是將目標(biāo)極化散射分解成幾種基本散射原理的組合，這些組合可用于表征目標(biāo)散射特征或幾何信息，然后根據(jù)分類單元和基本散射原理之間的相似性，或者通過直接使用提取的新特征來實施分類。

該方法的優(yōu)點是分類結(jié)果能夠相對準(zhǔn)確地揭示孔徑特征的散射原理，這有助于我們理解圖像；而且分類時不需要訓(xùn)練數(shù)據(jù)，因此該理論可以廣泛應(yīng)用。極化目標(biāo)分解的方法大致可分為兩種：用于目標(biāo)散射矩陣的方法，以及用于極化協(xié)方差矩陣、極化相干矩陣、穆勒矩陣和Kennaugh矩陣的方法。 如果使用第一種類型，目標(biāo)散射特性應(yīng)是確定的(或穩(wěn)定的)，散射回波應(yīng)是相干的。因此這種類型也被稱為相干目標(biāo)分解(CTD)。相干目標(biāo)分解(CTD)的方法包括基于泡利基的分解、Cameron分解和SDH分解。

如果使用第二種類型，目標(biāo)散射可能是時變的，回波應(yīng)該是部分相干的。因此，這種類型的方法也被稱為部分相干目標(biāo)分解法(PCTD)。部分相干目標(biāo)分解(PCTD)的方法有Huynen分解、由弗里曼等人提出的“奇數(shù)階-偶數(shù)階-漫反射”、由Cloude等人提出的分解、Holm 和Barnes分解、以及基于Kennauth矩陣的最小二乘分解。

極化檢測

同一目標(biāo)在不同的姿態(tài)下對不同的極化波表現(xiàn)出不同程度的敏感性，這種極化差異可達(dá)10dB。因此，極化分集技術(shù)的使用可以顯著提高雷達(dá)系統(tǒng)的探測性能。從20世紀(jì)80年代末到90年代初，極化檢測技術(shù)受到了廣泛的關(guān)注，并有相當(dāng)一部分學(xué)者進行了相關(guān)研究。 成績顯著的有在麻省理工學(xué)院的林肯實驗室工作的L.M. Novak等學(xué)者。關(guān)于最佳極化檢測器的概念，他們進行了比較系統(tǒng)的研究，還對適合工程應(yīng)用的準(zhǔn)最佳極化檢測器進行了研究，例如，同一性似然比檢測器、極化白化濾波器、極化常數(shù)虛警檢測器、極化形成檢測器和功率最大化綜合檢測器。 在相干雷達(dá)系統(tǒng)中，目標(biāo)需要從雜波中檢測出來。而中低分辨率雷達(dá)的回波包含來自不同散射體散射回波的疊加。假定目標(biāo)回波矢量和雜波矢量都可以認(rèn)為近似服從零均值復(fù)高斯分布，對于未知雜波協(xié)方差矩陣的高斯雜波中的相干雷達(dá)檢測，E.Pottier在緩慢起伏的雜波環(huán)境中進行了最佳極化檢測的研究，他提出了Stokes矢量估計極化檢測器。 Kelly提出了廣義似然比檢驗(GLRT)算法，該檢測算法使用一系列與檢測單元具有相同雜波分布且不包含信號的輔助數(shù)據(jù)，測試檢測單元的似然比，該似然比具有與雜波協(xié)方差矩陣恒虛警的性質(zhì)。

針對非高斯噪聲和雜波環(huán)境下的目標(biāo)自適應(yīng)極化檢測，設(shè)計了相應(yīng)的恒虛警檢測器，而Park等學(xué)者針對未知目標(biāo)和雜波極化特性，提出了結(jié)合兩個極化通道的極化廣義似然比 (GLRT)算法。 ?

編輯：黃飛

?