研究目的
利用雷达微多普勒效应检测和分类小型无人机,区分无人机与鸟类(目标检测)以及不同类型的无人机(目标分类)。
研究成果
微型多普勒雷达在可靠检测小型无人机目标方面具有潜力,对无人机类型分类也展现出良好前景。该提升分类器实现了优异的目标检测效果(正确检测率达99.4%)和良好的无人机类型分类性能(正确分类率达90%)。相比支持向量机,提升分类器具有使用更便捷、能提供分类器内部机制及重要特征洞察等优势。
研究不足
积分时间、时间步长和观测间隔适用于直升机,但不适用于鸟类。物理金陵特征是为人类和大型陆地动物设计的,可能并非对所有类型的无人机和鸟类都是最优的。
1:实验设计与方法选择:
该研究采用雷达微多普勒技术对小型无人机进行探测与分类。从时频速度图(TVD)中提取物理特征,并使用提升分类器进行分类。
2:样本选择与数据来源:
使用了小型无人机和鸟类的雷达测量数据。无人机包括模型直升机、固定翼模型飞机和四旋翼无人机。同时测量了猛禽和一群普通椋鸟。
3:实验设备与材料清单:
使用了一台工作频率为9.7 GHz(X波段)的固定雷达。该雷达为连续波(CW)雷达,采样频率足够高以避免多普勒频移中的混叠。
4:7 GHz(X波段)的固定雷达。该雷达为连续波(CW)雷达,采样频率足够高以避免多普勒频移中的混叠。
实验流程与操作步骤:
4. 实验流程与操作步骤:手动检测目标并选择目标信号存在的时间区间。将目标序列分割为更小的片段,观测间隔为50毫秒至70毫秒。通过杂波滤波器去除径向速度接近零的信号内容。针对每个目标序列,通过重叠短时傅里叶变换生成时频速度图(TVD)。
5:数据分析方法:
从时频速度图(TVD)中提取物理特征,并使用提升分类器进行分类。其性能与支持向量机(SVM)分类器进行了对比。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容