[发明专利]基于GLCT-GPTF的多旋翼目标参数估计方法

说明书

本发明公开了一种基于GLCT‑GPTF多旋翼目标物理参数估计方法，旨在解决现有技术的基于短时傅里叶变换时频谱图的旋翼物理参数估计方法时频谱图能量集中度不高以及需要预先设置时频谱图量化门限影响旋翼物理参数估计精度的问题。本发明主要包括以下步骤：(1)计算每个旋翼目标的转速；(2)利用广义线性调频小波变换‑广义参数化时频分析GLCT‑GPTF变换计算旋转平移后信号的平稳度；(3)利用天牛群优化算法获得与多旋翼目标雷达回波信号匹配的变换核参数向量；(4)计算旋翼的桨叶长度。本发明具有更精确的刻画多旋翼目标雷达回波信号时频特性和提高了旋翼的转速以及桨叶长度的估计精度的优点。

技术领域

本发明属于雷达技术领域，更进一步涉及雷达目标识别技术领域中的一种基于广义线性调频小波变换-广义参数化时频分析GLCT-GPTF(General Linear ChirpletTransform-General Parameterized Time-Frequency)的多旋翼目标参数估计方法。本发明可用于对直升飞机和螺旋桨飞机等具有多个旋翼的目标进行旋翼物理参数估计，所估计的旋翼物理参数可用于多旋翼目标的识别。

背景技术

旋翼桨叶的旋转会对雷达的电磁回波产生调制作用，在回波的时频谱图中表现为正弦形式的微多普勒曲线，微多普勒曲线的周期与旋翼的转动周期一致，最大幅度由雷达波长、旋翼桨叶长度和旋翼转速决定。由于不同类型的多旋翼目标的物理参数不同，因此可以从多旋翼目标的雷达回波中估计旋翼物理参数，将估计得到的旋翼物理参数与旋翼目标知识库中旋翼物理参数相比较，可以实现多旋翼目标的分类。现有的方法主要可以分为两类。第一类方法是非参数化方法，这类方法主要是在时频谱图的基础上通过图像形态学处理、峰值检测等方法提取桨叶的微多普勒展宽，结合微动周期估计方法得到旋翼转速，最后根据旋翼桨叶长度与微多普勒展宽和旋翼转动频率之间的关系实现旋翼桨叶长度的估计。上述非参数方法的性能均受到时频分析方法分辨率的限制，旋翼物理参数估计精度不高。参数化方法将旋翼物理参数估计问题转化为时频谱图中的正弦微多普勒曲线提取问题，如霍夫变换、逆拉东变换等，然而由于多旋翼目标时频图中多条微多普勒曲线的存在，回波在时频谱图上的能量集中度较差，降低了旋翼物理参数估计精度。

电子科技大学在其申请的专利文献“一种基于奇异矢量的多旋翼无人机物理参数提取方法”(申请号202011024462.9，申请公布号CN 112162273 A)中公开了一种基于奇异矢量的多旋翼无人机物理参数提取方法。该方法的具体步骤如下：对多旋翼无人机雷达回波信号进行小波分解，提取叶片旋转部件产生的低频分量，然后，将此分量进行短时傅里叶变化得到时频谱图，由时频谱图奇异值分解后最大奇异值对应的奇异矢量提取旋翼的转速和桨叶长度等物理参数。该方法存在的不足之处是：使用上述方法对参数进行估计时，基于短时傅里叶变换的时频谱图能量集中度不高，降低了奇异矢量提取的准确性以及旋翼物理参数估计的精度。

电子科技大学在其申请的专利文献“一种直升机旋翼物理参数提取方法”(申请号201910519253.2，申请公布号CN 110133600 A)中公开了一种基于时频谱图的直升机旋翼物理参数提取方法。该方法的具体步骤如下：首先对直升机的时频谱图进行滤波，将滤波后的时频谱图按照经验得到的两个阈值进行三值量化和分割，减弱时频谱图的背景噪声，提升图像清晰度，以准确提取时频信号线；再利用最小二乘法估计出直升机旋翼的旋转周期；最后通过频谱宽度与桨叶长度的关系，估算出桨叶的长度。该方法存在的不足之处是：使用上述方法对参数进行估计时时频谱图量化时的门限是根据经验得到的，对于不同类型的多旋翼目标，此经验门限很难预先确定，实际中对于不同类型的多旋翼目标难以直接应用。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于GLCT-GPTF多旋翼目标物理参数估计方法，旨在解决现有技术的基于短时傅里叶变换时频谱图的旋翼物理参数估计方法时频谱图能量集中度不高以及需要预先设置时频谱图量化门限影响旋翼物理参数估计精度的问题。