[發明專利]一種基于雙頻雷達信號時頻分布的無人機分類方法及裝置

在審

• 申請號: 201710859807.4
• 申請日: 2017-09-21
• 公開（公告）號: CN107748862A
• 公開（公告）日: 2018-03-02
• 發明（設計）人: 李剛;章鵬飛
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 王瑩,吳歡燕

技術領域

本發明涉及模式識別領域，更具體地，涉及一種基于雙頻雷達信號時頻分布的無人機分類方法及裝置。

背景技術

無人機是利用一種無線電設備控制的不載人飛機。隨著無人機的使用越來越多，數量的大幅增加，同時也引起了一些安全方面的擔憂，因此準確地探測和分類無人機，判定其威脅等級、提供應對措施的有效依據等具有重要意義，相關需求廣泛存在于反恐、民航監控等領域。

現有的基于圖像識別的無人機分類容易受到許多因素的影響，如雨天、大霧、光線等，識別精度不高，而且識別過程復雜，運算量大。此外，無人機作為一種受人控制的目標，其飛行路線的能夠實現動態規劃，可以通過地形或建筑物隱藏，規避監控識別系統。雷達是一種利用電磁波探測目標的電子設備，通過發射電磁波照射目標然后接收回波獲取目標的特征。相比于基于圖像的識別系統，雷達具備全天候全時段工作能力，具有探測精度高，實時性能好，受環境因素影響小等優勢。

現代雷達除了傳統的獲取目標的距離、距離變化率、方位和高度等信息外，普遍具有提取目標更多細節特征的能力，如目標主體運動速度之外的其它部分運動信息，這些相對于主體的運動反映為微多普勒信息。微多普勒是由目標各部分相對主體運動引起的多普勒效應，可表征目標豐富的狀態信息，主要是目標內部的相對運動，如旋翼的轉動等。通過提取微多普勒的特征，可以對目標個體的運動狀態進行精細判讀和識別。當前，微多普勒提取技術已經得到廣泛研究，如利用微多普勒信息判斷直升機螺旋槳轉動等。現有的利用單波段的雷達進行目標分類常常只得到目標在一個頻率的特征信息，而目標的散射特性常常是隨著雷達頻率不同而不同，因此不能對無人機進行準確分類。

發明內容

為克服上述現有技術中不能對無人機進行準確分類的問題或者至少部分地解決上述問題，本發明提供了一種基于雙頻雷達信號時頻分布的無人機分類方法及裝置。

根據本發明的第一方面，提供一種基于雙頻雷達信號時頻分布的無人機分類方法，包括：

S1，利用短時傅里葉變換對雙波段雷達系統獲取的各無人機的時域數據進行處理，獲取所述各無人機的兩個波段的時頻圖；

S2，使用主成分分析算法對所述各無人機的兩個波段的時頻圖進行特征提取；

S3，對于每個無人機，將提取的該無人機的兩個波段的特征進行融合，獲得對應的融合特征，將所述各融合特征作為樣本輸入至支持向量機以對所述各無人機進行分類。

具體地，所述兩個波段分別為中心頻率為24GHz的K波段連續波和中心頻率為9.8GHz的X波段連續波。

具體地，所述步驟S1中所述短時傅里葉變換的公式為：

其中，x為離散的時間信號，w為短時傅里葉變換的窗函數，n為時刻，m是窗函數每次滑動的距離，j為單位虛數，ω是角頻率，STFT為時頻圖。

具體地，所述步驟S1和S2之間還包括：

從所述各無人機的兩個波段的時頻圖中分別截取預設時長的數據段，所述預設時長大于或等于對應的無人機的轉動周期；

使用正則化處理方法將所述數據段的幅度映射到dB域；

根據dB域中的最大幅度對所述數據段的幅度進行歸一化處理。

具體地，所述步驟S2具體包括：

獲取所述各時頻圖的協方差矩陣的特征值和特征向量；

獲取最大的第一預設數量的特征值對應的特征向量，將所述對應的特征向量進行投影獲取所述第一預設數量的主成分的特征向量。

具體地，所述步驟S3具體包括：

使用支持向量機決策樹算法將所述各無人機分為兩個子類；

將每個所述子類中的各無人機劃分為兩個子類，依此類推，直到所述子類中的各無人機不能滿足劃分的預設條件。

具體地，所述步驟S1之前還包括：

將不同類別的無人機懸停在雙波段雷達系統前方的各高度和各方位；

對于每類所述無人機，獲取該類無人機在各高度和各方位上的第二預設數量的時域數據；

從所述第二預設數量的時域數據中選擇第三預設數量的時域數據作為訓練樣本對所述支持向量機進行訓練。

根據本發明的第二方面，提供一種基于雙頻雷達信號時頻分布的無人機分類裝置，包括：

獲取單元，用于利用短時傅里葉變換對雙波段雷達系統獲取的各無人機的時域數據進行處理，獲取所述各無人機的兩個波段的時頻圖；

提取單元，用于使用主成分分析算法對所述各無人機的兩個波段的時頻圖進行特征提取；