[发明专利]一种基于调频连续波雷达对无人机旋翼数目进行分类的方法

说明书

本发明公开一种基于调频连续波雷达对无人机旋翼数目进行分类的方法，该方法将基于调频连续波雷达无人机旋翼回波时频图采用卷积神经网络模型进行旋翼数目的分类。该方法对旋翼数目的分类准确率较高，具有鲁棒性，有利于空中无人机监控。

技术领域

本发明涉及雷达信号处理领域，具体涉及一种基于调频连续波雷达对无人机旋翼数目进行分类的方法。

背景技术

无人机是指能够自主驱动或者半自主驱动飞行，并且能多次使用的飞行器。无人机在海洋环境监测、海上巡查、海洋应急通信以及对地(海)攻击等方面拥有广阔的应用前景，对无人机的安全监管问题也日益突出。随着雷达技术的发展，尤其是雷达获取目标信息和信息处理能力的提升，雷达成为实现无人机监管的重要手段之一。因此，利用雷达系统实现对无人机的快速精确检测与识别在军民两个领域均具有重要意义。

微动指的是运动物体除质心平动以外任何振动、转动、摆动等微小运动。微动信号的来源十分广泛，可以是固定翼飞机、直升机上的旋转螺旋桨、车辆发动机的振动、鸟拍打的翅膀，行人摆动的手臂和腿等等。无人机旋翼的旋转也是一种典型的微动状态。当电磁波照射处于微动运动的旋翼并发生散射时，其回波信号将受到旋翼微动的调制，在目标多普勒频移后的载波频率中心附近产生边带多普勒，即旋翼产生的微多普勒效应。微多普勒频率体现的是非质心散射中心速度相对于雷达的变化，能够体现目标运动特征信息和结构特征信息。

无人机主要按照旋翼的数目进行分类(即单旋翼、四旋翼、六旋翼等)。将微动目标的回波信号进行适当的时频变换后能够获得其时频分析结果，而时频分析的结果能够很好呈现微动目标中微多普勒特征，因此基于时频分析结果进行分类，有助于提高分类精度。现有文献对无人机的时频分析结果的分类方法包括：基于无人机时频图利用朴素贝叶斯和支持向量机的方法进行分类；采用经验模式分解法分解无人机回波信号，将主向量信号转换到时频域，对分解信号的时频图采用非线性支持向量机实现了对不同微型无人机分类；结合了无人机的时频图与倒光谱图，并采用最大后验法进行分类。在单频雷达系统下，将这些无人机的旋翼雷达回波信号进行时频变换后，不同旋翼回波信号的微多普勒特性曲线在时频图上将会沿同一频率轴呈现，有可能出现相位重叠，基于这类时频图进行特征提取或者分类都会降低准确率。

发明内容

针对现有技术的不足，本发明提出一种基于调频连续波雷达对无人机旋翼数目进行分类的方法，具体技术方案如下：

一种基于调频连续波雷达对无人机旋翼数目进行分类的方法，其特征在于，该方法具体包括如下步骤：

S1：构建无人机旋翼回波时频图数据集；

S1.1：在调频连续波雷达下，计算无人机旋翼上任一散射点P的回波信号：

其中，t为全时间，t_k＝t-qT为快时间，q为整数，t_m＝qT为慢时间；R_p是所述的散射点与雷达的距离；T_p为脉宽，T为脉冲重复周期，T＝T_p；f_c是雷达发射信号频率；c是光速；μ为调频率。

S1.2：选择无人机中心O为参考点，计算O点参考信号回波：

其中，T_ref为参考信号的脉宽；参考距离R_ref是无人机中心O与雷达的距离。

S1.3：将O点参考信号回波和无人机旋翼上任一旋转散射点P的回波做解线频调处理，则散射点P的差频信号为：

其中，R_Δ为参考点O与旋转散射点P之间的距离差，计算公式如下：