[发明专利]基于旋翼物理参数估计实现飞机目标分类的方法

说明书

技术领域

本发明属于雷达技术领域，涉及飞机目标的旋翼物理参数估计，可用于雷达目标的识别。

背景技术

目前，对于飞机目标分类识别，国内外文献提出了多种窄带雷达体制下基于微动调制特征的目标分类识别方法，例如陈凤等发表的《基于特征谱散布特征的低分辨雷达目标识别方法》，根据螺旋桨飞机、喷气式飞机、直升机三类飞机微动调制引起特征谱的差别来提取分类特征，实现飞机目标的分类。这种基于微动调制特征的飞机目标分类方法的突出缺点是需要大量的仿真或实测训练数据离线学习分类器，在没有训练数据库支撑的条件下这种方法无法用于对飞机目标进行实时分类判决。另外飞机目标微动对雷达回波的调制，不仅取决于微动参数，如旋翼转速，还与飞机目标旋翼的尺寸有关。

发明内容

本发明的目的在于针对上述已有方法的不足，提出一种基于旋翼物理参数估计实现飞机目标分类的方法，以在无需大量仿真或实测训练数据作为支撑的条件下，实现对空中飞机目标的分类。

实现本发明目的的技术思路是:通过提取飞机目标螺旋叶片数目、旋翼转速和旋翼长度这些对分类有用的物理参数信息，然后根据不同种类飞机目标已知旋翼参数的差异，对飞机目标进行分类。具体步骤包括如下：

(1)从飞机雷达回波信号中分离出旋翼回波信号；

(2)利用霍夫变换从旋翼回波时频域S(t_m,f)中估计出旋翼转速ω_r；

(3)利用步骤(2)得到的参数在旋翼回波时频域对旋翼进行二维成像；

3a)对旋翼回波信号进行短时傅里叶变换，获得旋翼回波信号的时频域S(t_m,f)，其中，f为t_m时刻对应的瞬时频率；

3b)遍历搜索旋翼上散射点的位置参数[r,θ]^T，根据步骤(2)估计的旋翼转速、位置参数[r,θ]^T及飞机旋翼回波理论模型获得一组随时间t_m变化的瞬时多普勒频率f_d(r,θ)和相位项exp[jφ(r,θ)]；

3c)从旋翼回波信号的时频域S(t_m,f)中提取一组与[t_m，f_d(r,θ)]对应的复值S(t_m,f_d(r,θ))，利用相位项exp[jφ(r,θ)]对复值S(t_m,f_d(r,θ))进行相位补偿，且对相位补偿后的复值S(t_m,f_d(r,θ))进行积分，得到积分函数G(r,θ)：

G(r,θ)＝|∫S(t_m,f_d(r,θ))·exp[jφ(r,θ)]·exp(j2πft_m)dt_m|²；

3d)当搜索的位置与旋翼上的一个真实散射点位置重合时，相位exp[jφ(r,θ)]与复值S(t_m,f_d(r,θ))的相位相匹配，积分函数G(r,θ)实现相干积累，在(r,θ)位置平面内形成一个峰值点，通过遍历搜索旋翼上散射点位置，在(r,θ)位置平面内形成一组峰值点，该组峰值点的位置分布即为旋翼上散射点的位置，即在(r,θ)位置平面内实现对旋翼的二维成像G；

(4)对步骤(3)获得的旋翼的二维成像G进行图像预处理，获得最终的旋翼图像P；

(5)利用主成分分析PCA投影方法从最终的旋翼图像P中估计出旋翼长度L和螺旋桨叶片数N；

(6)根据步骤(2)和步骤(5)估计出的参数旋翼转速ω_r、旋翼长度L和螺旋桨叶片数N与飞机类型标准库中飞机旋翼转速、旋翼长度及螺旋桨叶片数参数比对，判断出飞机目标的类型。

本发明与现有技术相比的优点

本发明与现有基于微动调制特征的飞机目标分类技术相比的突出优点是不需要大量的仿真或实测训练数据离线学习分类器，即在没有先验数据库支撑的条件下能有效地提取飞机目标螺旋叶片数目、旋翼转速和旋翼长度这些反映飞机物理参数信息，实现对空中飞机目标的分类。

附图说明

图1是本发明的实现流程图；

图2是本发明中对旋翼转速的估计示意图；

图3是本发明中对旋翼的成像结果图；

图4是本发明中对旋翼长度的估计结果图。

具体实施方式