[發明專利]一種無人機的多層雷達特征提取與選擇方法

在審

• 申請號: 202010151250.0
• 申請日: 2020-03-06
• 公開（公告）號: CN111401168A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 尹潔珺;周春花;夏慧婷;高亮;王海濤;陳潛
• 申請（專利權）人: 上海神添實業有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01S7/41
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 徐雯瓊;張妍

本發明公開了一種無人機的多層雷達特征提取與選擇方法，包括如下步驟：S1，采用變分模態分解獲取各個類型無人機目標本振模態函數；S2，計算本振模態函數的信息熵、頻譜峰值和希爾伯特邊際譜特征，得到第一層輸出特征；S3，采用度量距離對第一層特輸出征進行選擇及數據降維得到第二層輸出特征。

技術領域

本發明涉及雷達目標分類方法，特別涉及一種無人機的多層雷達特征提取與選擇方法。

背景技術

無人機飛行本身存在一定安全隱患，并且利用無人機實施犯罪甚至是恐怖襲擊的可能性，對公共安全帶來巨大威脅。因此，高效、穩定識別不同類型無人機成為研究熱點。但微小型無人機屬于弱目標，易受到地海雜波、建筑與樹木的干擾，影響了目標特征提取效率，使得目標識別準確率不高。利用實測弱目標訓練樣本，提取多特征來提高目標識別穩健性是較為常見的方法之一。

“一種基于雷達數據的輕小型無人機與飛鳥分類識別方法”(ZL201610896005.6)提出了一種基于雷達數據辨別輕小型無人機與飛鳥的方法。在多模假設框架下，采用標準卡爾曼濾波器處理雷達數據，得到目標的運動模式判斷從而實現跟蹤。將一段固定時間的目標運動模式變化次數，并將其當作特征，用于無人機與飛鳥分類識別。但該方法有效的假設條件為飛鳥目標的機動性高于輕小型無人機，但輕小無人機種類、型號眾多，機動性各不相同。并且輕小型無人機技術的不斷發展，操作人員技能的提升，無人機機動性能在不斷提高。因此，該方法的漏檢率較高。

“基于時域相關性特征的飛機目標分類方法”(ZL 201410446519.2)利用了雷達回波的幅度信息計算循環自相關函數與循環平均幅度差函數，并構造了峰值函數。用于區分三類飛機目標的特征為峰值函數的方差，熵，大于第一峰值門限的點數，第一個超越第二峰值門限的時域點與回波幅度方差和熵，組成維度為6的特征向量。最后利用支持向量機方法實現目標分類。該方法利用的回波信噪比達20dB,雖然說明書中沒有對信雜比提出要求，但由于采用了幅值的統計信息，因此使用的目標回波質量較高。而本發明考慮了在雜波背景下、目標被遮擋時，無人機目標分類問題。

“一種逆合成孔徑雷達空間目標分類方法及系統”(ZL201711129995.1)利用逆合成孔徑雷達(ISAR)像中目標的強度信息與幾何結構信息和散射點分布，實現目標分類。該方法綜合了多種特征，對遮擋目標能保證目標分類的穩健性。但沒有考慮雜波與噪聲較大時的目標分類問題。

“用于低空多目標分類識別的雷達探測系統”(ZL 201711259256.4)對發明的低空探測雷達進行了全面敘述。重點描述了雷達硬件及信號流，而沒有具體闡釋目標識別模塊，也并不針對無人機目標。

按照特征分類無人機目標分類方法主要有：

(1)多普勒信息分類

通常利用多普勒效應提取多普勒包絡信號，進行頻譜分析獲取多普勒信息，能實時獲取目標與雷達之間的相對速度、位置及航跡等運動特征信息，其中也包括了某些目標特有的局部微動信息，典型如旋翼的轉動信息等。但易受到雜波影響。

(2)時頻域變換分類

時頻域變換識別可分為時域分析法、頻域分析法、時頻分析法和高階統計分析方法等，該類方法均基于全局的時頻域變換特征進行識別，沒有很好利用目標局部顯著特征信息，不能很好的解決小目標識別問題。經驗模態分解方法(Empirical ModeDecomposition)，1998年由黃鍔(N.E.Huang)等人提出的一種自適應的時頻處理方法，該方法依據數據自身的時間尺度特征進行分解，無需先驗的基函數，能通過模態分解提取微動多普勒特征，驗證雷達弱目標識別原理。

(3)信息熵統計分類