[发明专利]一种旋翼无人机与飞鸟目标分类中的判别特征提取方法

说明书

本发明属于目标识别技术领域，具体的说是涉及一种旋翼无人机与飞鸟目标分类中的判别特征提取方法。本发明首先对旋翼无人机与飞鸟的雷达回波数据进行短时傅里叶变换，获得目标的微多普勒谱图数据，然后从微多普勒谱图中提取目标的加权主分量线性判别特征，实现旋翼无人机与飞鸟目标的分类。本发明直接对微多普勒谱图提取加权主分量线性判别特征，避免了直接参数提取不准确而引起的分类性能下降的问题；另外，加权主分量线性判别特征具有噪声不敏感的特点，在低信噪比情况下仍能达到较高的正确分类率，解决了无人机与飞鸟等微小慢目标不易识别的难题。

技术领域

本发明属于目标识别技术领域，具体的说是涉及一种旋翼无人机与飞鸟目标分类中的判别特征提取方法。

背景技术

近年来，由于成本低廉、操作简单、体型较小等优点，无人机被广泛应用于军事侦察设备探测、农业播种施肥、林业防火监测等方面，有着良好的发展前景。但与此同时，无人机私自飞入航空领域扰乱机场秩序、恐怖分子利用无人机进行恐怖袭击等行为对人民安全和国家经济造成了危害。因此，准确判断无人机机型对国家空防安全有着重要的意义。

轻小型无人机与飞鸟都属于典型的“低、慢、小”目标。当使用雷达对大范围的低空区域进行全天候的监测时，由于鸟类的散射截面、飞行速度和飞行高度等特征信息与无人机相似，雷达难以正确区分无人机与飞鸟目标，容易导致虚警。传统的无人机与飞鸟目标分类方法主要是从雷达回波中提取微多普勒频率，并在此基础上估计目标的物理参数，作为分类的特征。例如通过估计旋翼无人机的旋翼数、叶片数、叶片长度、旋翼转速和飞鸟目标的扑翼频率、扑翼幅度和半翼展等参数达到分类的目的。实践中这类方法容易受噪声的影响，在较低信噪比的情况下，无法准确的进行特征参数的估计，导致无人机与飞鸟目标的分类性能下降。

发明内容

针对上述问题，本发明提出一种微多普勒谱图加权主分量线性判别特征提取方法，通过对无人机与飞鸟目标的雷达回波数据进行时频分析得到微多普勒谱图，进而提取谱图的加权主分量线性判别特征实现对无人机与飞鸟目标的分类识别。加权主分量线性判别特征包含了目标的微多普勒参数特征，不用直接提取物理参数，避免了直接参数提取不准确导致分类性能下降的问题。另外，本方法提取的分类特征不易受噪声干扰，适用于低信噪比环境下旋翼无人机与飞鸟目标的分类识别。

本发明的技术方案是：

一种旋翼无人机与飞鸟目标分类中的判别特征提取方法，包括以下步骤：

S1、设连续波雷达回波S_ij(t)为第i类目标的第j个训练样本，i＝1、2、3、4时分别表示单旋翼、四旋翼、六旋翼和八旋翼无人机的雷达回波信号，i＝5时表示飞鸟目标的雷达回波信号；j＝1,2,...,N_i，N_i表示第i类目标的训练样本数,总样本数

S2、对雷达回波信号S_ij(t)进行短时傅里叶变换，得到目标的时频谱F_ij(t,ω)：

F_ij(t,ω)＝[D_ij(t₁,ω),D_ij(t₂,ω),...,D_ij(t_Q,ω)]

其中

t_s＝t₁,t₂…t_Q