[发明专利]一种基于双频雷达信号时频分布的无人机分类方法及装置

权利要求书

1.一种基于双频雷达信号时频分布的无人机分类方法，其特征在于，包括：

S1，利用短时傅里叶变换对双波段雷达系统获取的各无人机的时域数据进行处理，获取所述各无人机的两个波段的时频图；

S2，使用主成分分析算法对所述各无人机的两个波段的时频图进行特征提取；

S3，对于每个无人机，将提取的该无人机的两个波段的特征进行融合，获得对应的融合特征，将所述各融合特征作为样本输入至支持向量机以对所述各无人机进行分类。

2.根据权利要求1所述的方法，其特征在于，所述两个波段分别为中心频率为24GHz的K波段连续波和中心频率为9.8GHz的X波段连续波。

3.根据权利要求1或2所述的方法，其特征在于，所述步骤S1中所述短时傅里叶变换的公式为：

STFT{x[n]}(m,ω)=Σ+∞x[n]w[n-m]e-jωn,]]>

其中，x为离散的时间信号，w为短时傅里叶变换的窗函数，n为时刻，m是窗函数每次滑动的距离，j为单位虚数，ω是角频率，STFT为时频图。

4.根据权利要求1或2所述的方法，其特征在于，所述步骤S1和S2之间还包括：

从所述各无人机的两个波段的时频图中分别截取预设时长的数据段，所述预设时长大于或等于对应的无人机的转动周期；

使用正则化处理方法将所述数据段的幅度映射到dB域；

根据dB域中的最大幅度对所述数据段的幅度进行归一化处理。

5.根据权利要求1或2所述的方法，其特征在于，所述步骤S2具体包括：

获取所述各时频图的协方差矩阵的特征值和特征向量；

获取最大的第一预设数量的特征值对应的特征向量，将所述对应的特征向量进行投影获取所述第一预设数量的主成分的特征向量。

6.根据权利要求1或2所述的方法，其特征在于，所述步骤S3具体包括：

使用支持向量机决策树算法将所述各无人机分为两个子类；

将每个所述子类中的各无人机划分为两个子类，依此类推，直到所述子类中的各无人机不能满足划分的预设条件。

7.根据权利要求1或2所述的方法，其特征在于，所述步骤S1之前还包括：

将不同类别的无人机悬停在双波段雷达系统前方的各高度和各方位；

对于每类所述无人机，获取该类无人机在各高度和各方位上的第二预设数量的时域数据；

从所述第二预设数量的时域数据中选择第三预设数量的时域数据作为训练样本对所述支持向量机进行训练。

8.一种基于双频雷达信号时频分布的无人机分类装置，其特征在于，包括：

获取单元，用于利用短时傅里叶变换对双波段雷达系统获取的各无人机的时域数据进行处理，获取所述各无人机的两个波段的时频图；

提取单元，用于使用主成分分析算法对所述各无人机的两个波段的时频图进行特征提取；

分类单元，用于对于每个无人机，将提取的该无人机的两个波段的特征进行融合，获得对应的融合特征，将所述各融合特征作为样本输入至支持向量机以对所述各无人机进行分类。