[發(fā)明專利]一種用于判定小型無(wú)人機(jī)目標(biāo)個(gè)數(shù)的智能辨識(shí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110400484.9
• 申請(qǐng)日: 2021-04-14
• 公開（公告）號(hào): CN113514808B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計(jì)）人: 樊榮;易文川;鐘方媛;陳林;唐慶如;朱新宇;丁學(xué)科
• 申請(qǐng)（專利權(quán)）人: 中國(guó)民用航空飛行學(xué)院;同方電子科技有限公司
• 主分類號(hào): G01S7/41
• 分類號(hào): G01S7/41
• 代理公司: 深圳市徽正知識(shí)產(chǎn)權(quán)代理有限公司 44405
• 代理人: 奉燁

一種用于判定小型無(wú)人機(jī)目標(biāo)個(gè)數(shù)的智能辨識(shí)方法，其特征在于，包括以下步驟：S1：將包含有多個(gè)陣元的陣列在色噪聲環(huán)境的遠(yuǎn)場(chǎng)中任意放置，在預(yù)先設(shè)定無(wú)人機(jī)個(gè)數(shù)和采樣快拍數(shù)下，采樣經(jīng)無(wú)人機(jī)反射過來(lái)的回波信號(hào)；S2：對(duì)各個(gè)通道接收信號(hào)的數(shù)據(jù)集進(jìn)行通道校正，獲得各通道校正后觀測(cè)信號(hào)數(shù)據(jù)集；S3：各通道校正后觀測(cè)信號(hào)數(shù)據(jù)集求協(xié)方差矩陣，再經(jīng)酉變換計(jì)算得到蓋爾圓矩陣；S4：通過蓋爾圓矩陣確定用于集群無(wú)人機(jī)個(gè)數(shù)估計(jì)的蓋爾圓圓心和蓋爾圓半徑，在二維直角坐標(biāo)系下繪制蓋爾圓圖，并將二維蓋爾圓圖標(biāo)記后送入分類神經(jīng)網(wǎng)絡(luò)；S5：改變預(yù)先設(shè)定的無(wú)人機(jī)個(gè)數(shù)，多次重復(fù)步驟S1～S4，生成一定數(shù)量的訓(xùn)練樣本用于訓(xùn)練步驟S4中所述的分類神經(jīng)網(wǎng)絡(luò)。

技術(shù)領(lǐng)域

本發(fā)明屬于小型無(wú)人機(jī)目標(biāo)智能識(shí)別與控制技術(shù)領(lǐng)域，具體涉及一種用于判定小型無(wú)人機(jī)目標(biāo)個(gè)數(shù)的智能辨識(shí)方法。

背景技術(shù)

近年來(lái)，隨著小型無(wú)人機(jī)應(yīng)用技術(shù)迅猛發(fā)展，小型無(wú)人機(jī)在農(nóng)業(yè)、電力、測(cè)繪、航拍、安全等領(lǐng)域發(fā)揮了重大作用，小型無(wú)人機(jī)應(yīng)用模式也已從單機(jī)應(yīng)用向多無(wú)人機(jī)系統(tǒng)方向發(fā)展。作為小型無(wú)人機(jī)識(shí)別與控制技術(shù)的重要技術(shù)組成部分，無(wú)人機(jī)識(shí)別與控制技術(shù)也由單無(wú)人機(jī)識(shí)別向多無(wú)人機(jī)識(shí)別與控制技術(shù)方向發(fā)展，在無(wú)人機(jī)目標(biāo)識(shí)別與控制任務(wù)處理過程中，能否準(zhǔn)確識(shí)別無(wú)人機(jī)目標(biāo)數(shù)目直接關(guān)系到能否準(zhǔn)確鎖定無(wú)人機(jī)目標(biāo)方位。如果對(duì)無(wú)人機(jī)目標(biāo)數(shù)目判別結(jié)果與實(shí)際目標(biāo)數(shù)目不符，則會(huì)直接影響到后續(xù)無(wú)人機(jī)目標(biāo)方位判定，進(jìn)而無(wú)法為無(wú)人機(jī)后續(xù)控制提供關(guān)鍵參數(shù)。因此無(wú)人機(jī)目標(biāo)智能識(shí)別對(duì)實(shí)現(xiàn)無(wú)人機(jī)目標(biāo)協(xié)議控制任務(wù)、制定無(wú)人機(jī)控制鏈路信號(hào)定向輻射方位策略、以及評(píng)估無(wú)人機(jī)目標(biāo)所在空域的飛行安全風(fēng)險(xiǎn)等具有十分重要的意義。

在技術(shù)層面，無(wú)人機(jī)目標(biāo)個(gè)數(shù)識(shí)別屬于陣列信號(hào)處理領(lǐng)域中的信源個(gè)數(shù)估計(jì)問題。當(dāng)前，基于天線陣列輸出數(shù)據(jù)進(jìn)行無(wú)人機(jī)目標(biāo)個(gè)數(shù)判別的方法總體上分為三類。一類是基于對(duì)天線陣列輸出快拍數(shù)據(jù)的協(xié)方差矩陣進(jìn)行特征分解，根據(jù)特征分解后的特征值大小判定無(wú)人機(jī)目標(biāo)個(gè)數(shù)，但是這類判別方法至今為止缺乏理論依據(jù)。另一類則是基于信息論準(zhǔn)則的判別方法，主要是基于H.Akaike提出的最小信息準(zhǔn)則(AIC)(H?Akaike.A?new?lookat?the?statistical?model?identification[J].IEEE?Transactions?on?AutomaticControl,1974,19(6):716-723.)和基于M.Wax提出的最小描述長(zhǎng)度準(zhǔn)則(MDL)(Wax?M,Ziskind?I.Detection?ofthe?number?ofcoherent?signals?by?the?MDL?principle[J].IEEE?Transactions?on?Acoustics?Speech?and?Signal?Processing,1989,37(8):1190-1196.)，以及在二者基礎(chǔ)上提出的各種改進(jìn)方法。然而，基于AIC準(zhǔn)則和基于MDL準(zhǔn)則的各種方法均存在僅適用于白噪聲場(chǎng)景下目標(biāo)個(gè)數(shù)估計(jì)的技術(shù)缺陷，對(duì)于色噪聲環(huán)境下的目標(biāo)個(gè)數(shù)估計(jì)準(zhǔn)確性具有不確定性。第三類目標(biāo)個(gè)數(shù)判定方法主要針對(duì)色噪聲場(chǎng)景下提出的，主要思想是基于蓋爾圓盤準(zhǔn)則(GDE)的目標(biāo)個(gè)數(shù)判定方法,雖然能夠彌補(bǔ)信息論準(zhǔn)則在色噪聲下信源個(gè)數(shù)估計(jì)失效的不足，但是GDE準(zhǔn)則在低信噪比，小快拍數(shù)條件下的性能會(huì)急劇下降甚至失效。為改善GDE準(zhǔn)則存在的不足，2010年，Yin-zhen提出了一種新的酉變換方法，并結(jié)合GDE準(zhǔn)則進(jìn)行目標(biāo)個(gè)數(shù)估計(jì)。實(shí)驗(yàn)表明，該方法在快拍數(shù)為90時(shí)的信源個(gè)數(shù)檢測(cè)準(zhǔn)確率達(dá)到90％，但是要求的信噪比在10dB以上(Yin-zhen?Mei,Peng?Wang.Estimation?ofsource?number?using?Gerschgorin?disks?based?on?acoustic?vector?sensor?array[C]//2010International?Conference?on?ComputerApplication?and?System?Modeling(ICCASM?2010),Taiyuan,2010:V7-291-V7-295.)。2011年，Z.-Liu等人利用接收信號(hào)協(xié)方差矩陣的對(duì)角線平均值來(lái)構(gòu)建新的協(xié)方差矩陣，并結(jié)合GDE準(zhǔn)則估計(jì)信號(hào)源數(shù)，該算法在非平穩(wěn)的色噪聲中信噪比為-8dB﹑快拍數(shù)為100時(shí)的檢測(cè)準(zhǔn)確率就已經(jīng)達(dá)到80％以上，該方法雖能同時(shí)保證在低信噪比小快拍數(shù)下檢測(cè)準(zhǔn)確率高，但僅僅是在10個(gè)陣元估計(jì)2個(gè)信源的條件下(Z-Liu,Z-Lu,Z-Huang,et?al.Improved?Gerschgorin?disk?estimator?forsource?enumeration?with?robustness?against?spatially?non-uniform?noise[J].IETRadar,SonarNavigation,2011,5(9):952-957.)。2013年，董姝敏則對(duì)蓋爾圓半徑進(jìn)行壓縮，并結(jié)合蓋爾圓心值提出了一種基于自適應(yīng)調(diào)整因子的GDE準(zhǔn)則，該方法在信噪比為-4dB、快拍數(shù)大于2000的條件下檢測(cè)準(zhǔn)確率為80％；而在信噪比為15dB、快拍數(shù)為50時(shí)的檢測(cè)準(zhǔn)確率達(dá)到90％，雖然避免了對(duì)陣元和信源個(gè)數(shù)的要求，但該方法無(wú)法同時(shí)保證在低信噪比和小快拍數(shù)下的檢測(cè)性能(董姝敏,梁國(guó)龍.改進(jìn)的蓋爾圓源數(shù)目估計(jì)方法[J].哈爾濱工程大學(xué)學(xué)報(bào),2013,34(04):440-444.)。2016年，羅海坤提出了加權(quán)蓋爾圓(WGDE)準(zhǔn)則，該準(zhǔn)則中的特征加權(quán)矩陣對(duì)增廣蓋爾圓矩陣中的半徑值做特征加權(quán)變換從而進(jìn)一步增大了信號(hào)蓋爾圓和噪聲蓋爾圓之間半徑的差異，使得在快拍數(shù)為64時(shí)的信源估計(jì)準(zhǔn)確率就能達(dá)到90％，但是要求的信噪比為13dB，同樣無(wú)法同時(shí)保證在低信噪比和小快拍數(shù)下的檢測(cè)性能(一種基于改進(jìn)蓋氏圓盤法的信源數(shù)估計(jì)新算法[J].電子信息對(duì)抗技術(shù),2016,31(06):24-28.)。2018年，褚鼎立則將GDE準(zhǔn)則和AIC準(zhǔn)則結(jié)合，提出了一種基于蓋爾圓準(zhǔn)則的信源數(shù)目判定改進(jìn)方法，該方法克服了因特征值的無(wú)序性所導(dǎo)致估計(jì)錯(cuò)誤的問題，使得該準(zhǔn)則在信噪比為-5dB時(shí)的檢測(cè)準(zhǔn)確率為93％，但該方法依然要求較大的快拍數(shù)(褚鼎立,陳紅,蔡曉霞.基于蓋爾圓準(zhǔn)則的信源數(shù)目估計(jì)改進(jìn)算法[J].探測(cè)與控制學(xué)報(bào),2018,40(04):109-115.)。最近，張冰玉在加權(quán)蓋爾圓準(zhǔn)則的基礎(chǔ)上，提出了一種在增廣加權(quán)蓋爾圓矩陣中獲取多重特征并融合的信源個(gè)數(shù)估計(jì)方法，該方法不僅在信源數(shù)只比陣元數(shù)少一個(gè)的情況下能夠有效的估計(jì)信源個(gè)數(shù)，而且對(duì)于在低信噪比﹑小快拍數(shù)環(huán)境下的信源個(gè)數(shù)估計(jì)也有良好的性能，但前提是接收陣列為均勻圓陣(張冰玉,潘晴,田妮莉,Everett?X.Wang.一種基于多重特征融合的信源個(gè)數(shù)估計(jì)方法[J/OL].計(jì)算機(jī)工程:1-5[2021-02-02].)。