[发明专利]一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法

说明书

本发明公开了一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法，其特征在于，包括如下步骤：1）对雷达回波数据进行短时傅里叶变换即STFT获取无人机旋翼微多普勒特征的时频图；2）对步骤1）获取的时频图进行Radon变换，提取微多普勒特征的边缘信息；3）对步骤2）radon变换后的图像采用改进2DPCA算法进一步提取有效特征向量；4）依据步骤3）提取的特征向量采用KNN分类算法识别不同种类的无人机，得到识别结果。这种方法在低信噪比的复杂场景下具有高识别率。

技术领域

本发明涉及微多普勒特征及模式识别技术领域，具体是一种基于Radon变换和改进2DPCA(二维主成分分析，two-dimensional principal component analysis，简称2DPCA)的旋翼无人机检测与识别方法。

背景技术

近几年小型无人机等飞行器发展迅速，小型无人机等飞行器由于成本低、易操作、性能好等优点广泛应用于专业摄影、农林遥感、电网中的故障定位、搜索和救援灾难，但小型无人机等飞行器也存在违法操作，如被用于反社会情况，比如侵犯隐私、非法运输、恐怖袭击等，因此，监测和识别小型无人机对国家安全和人民财产安全具有重要意义。由于小型无人机具有近空、低速、小RCS(雷达散射截面积，Radar Cross-Section，简称RCS)的特点，使得无人机监测与识别问题变得更加困难。雷达作为一种探测器在检测无人机方面有明显优势，使用雷达提取微多普勒特征检测和分类小型无人机成为当前热门的研究方向。近年来国内外专家对上述问题进行了研究，成果斐然，当前检测低小慢目标的方法主要有检测前跟踪技术、基于变换域的检测技术和基于微多普勒特征的检测方法，但是，现有的技术对城市街道、机场等复杂环境中而导致在低信噪比下无人机识别率低的问题。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法。这种方法在低信噪比的复杂场景下具有高识别率。

实现本发明目的的技术方案是：

一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法，与现有技术不同处在于，包括如下步骤：

1)对雷达回波数据进行短时傅里叶变换即STFT获取无人机旋翼微多普勒特征的时频图，其过程为：

(1)依据旋翼特征及微多普勒理论获取雷达回波数据，即

目标的不同运动部分作为单独的散射体，每个散射体都会引起独特的多普勒频移，与单个移动散射体相关的多普勒频移如公式(1)所示：

其中v(n)是移动散射体的时变速度，φ是速度矢量与雷达视线即LOS之间的角度，λ是雷达波长，雷达接收的总信号构成目标的所有散射体的贡献，雷达接收到的目标所有散射点回波之和表示如公式(2)所示：

其中K是移动散射体的总数，a_K是第k个散射体的反射率，f_k(n)是第k个散射体的多普勒频移，ε(n)是加性噪声，F_s是采样频率，公式(2)中的多普勒信息可以通过提取多普勒特征来分析；

(2)对回波数据采用短时傅里叶变换，获得无人机旋翼的时频图；

2)对步骤1)获取的时频图进行Radon变换，提取微多普勒特征的边缘信息，其过程为：

(1)对带有微多普勒特征的时频图进行预处理即将时频图进行灰度化并转换成100*100像素大小；

(2)对预处理后的图像运用Radon变换，采用Radon算法时的角度为0°—179°度，得到包含时频图边缘信息的图像；

3)对步骤2)radon变换后的图像采用改进2DPCA算法进一步提取有效特征向量，其过程为：