近日，西安电子科技大学空间科学与技术学院在临近空间高速目标精细识别领域取得突破性进展，在航空航天领域全球排名Top 2的CJA (Chinese Journal of Aeronautics)上发表了题为“An unsupervised classification method of flight states for hypersonic targets based on hyperspectral features”的最新研究成果，并被评选为期刊亮点文章，通过官方微信公众号、Facebook、Twitter账号进行国内外推送。西安电子科技大学为第一完成单位，空间科学与技术学院李小平教授带领的测控通信研究（MCI）团队的袁淑容博士为第一作者，石磊教授为通信作者，李芳燕、姚博老师共同参与论文撰写。该研究基于高超目标飞行过程中等离子体鞘套持续辐射出的强烈“光谱指纹”特征，设计了一种数据驱动的无监督高超目标飞行状态分类方法，为未来高超目标类型、飞行状态识别提供技术支撑。
据悉，高超声速目标在临近空间高速飞行时，飞行器周围由于严重的气动加热形成包覆于其表面的高温激波流场，即等离子体鞘套。在微波段目标表面的等离子体鞘套会使雷达回波产生散焦现象，天基远距离高速高机动下光电成像空间特征严重退化，传统光电/雷达探测手段目前难以对高超目标进行精细分类和识别。等离子体鞘套光谱辐射涵盖紫外-可见-红外丰富的多波段可探测光谱特征，且辐射特征与飞行器物理特征和运动特征密切相关，可为目标的精细识别提供可靠信息。
传统雷达高超目标探测问题和挑战
天基光谱高超声速目标探测示意图
据介绍，该文提出了一种无需标注光谱特征数据集下的高超声速目标飞行状态分类方法。等离子体鞘套的光谱辐射特征的类内差异是目前典型高超目标飞行状态分类的难点。该文章引入超节点概率，缓解高超目标光谱特征的类内差异；揭示同类高超目标在同种飞行状态下高超目标光谱起伏规律，进一步减少类内差异；最终提出基于辐射特性频域特征提取的密度峰值（DPC）聚类方法。在团队基于理论计算构建的高超目标光谱样本数据集下，相比于传统的分类方法，所提算法实现了强鲁棒、高准确性的无监督分类效果。为了避免算法性能在团队自建数据集上具有特殊性，该文同时给出了在真实遥感数据集Salinas-A Data Set上所提分类算法的OA、AA和Kappa系数的平均值(20次以上)，均可提升至80%以上。
不同“同物异谱”程度下的自建高超目标数据集上分类结果平均值
Salinas-A数据集下分类结果平均值
精细感知、识别高超声速目标是引领未来空天领域变革发展的基本保障，明确高超目标光谱辐射知识、构建目标光谱样本数据集是精细识别检测的基础性问题。据悉，该文章提出的无监督分类方法结果目前在团队构建高超目标光谱数据集上得到验证，随着后续研究的推进，MCI团队将进一步深挖高超目标的光谱-空间-电磁特征，致力于从物理机理层面揭示高超目标识别先验知识，知识和数据协同驱动实现高超目标类型、飞行高度、速度的稳健识别。