[发明专利]一种连续波雷达无人机检测方法

说明书

本发明公开了一种连续波雷达无人机检测方法，采用双GMM迭代方法来预处理雷达图像，一个用于去除背景，一个用在学习模型上；通过改进的跟踪前检测(TBD)方法结合多帧信息来获得可疑的目标轨迹；长于阈值的轨迹被确定为无人机，并且计算它们的相关参数。本发明采用双GMM迭代方法来预处理雷达图像，从而减少TBD需要处理的疑似目标的数量并提高效率，有益于降低虚警的概率且克服了算法的复杂性等问题，提高了识别无人机轨迹的效率，有效地标注了无人机的轨迹，具有良好的实时性能。

技术领域

本发明属于雷达技术领域，具体涉及一种连续波雷达无人机检测方法。

背景技术

无人机(UAV)技术近年来发展迅速，应用范围不断扩大。携带各种传感器的无人机广泛用于航空摄影，探测和监视。与此同时，无人机在提供便利的同时，还可能通过侵入基础设施或敏感区域来威胁军事、办公以及生活方面的安全和隐私。因此，迫切需要新技术来对无人机目标进行检测和跟踪。

无人机目标检测有很多不同的方式，其中利用视频图像处理和雷达检测是主要方法。研究人员在基于视频图像对无人机目标进行检测时，首先检测飞行物体，然后使用卷积神经网络(CNN)分类器来判断它们是否是无人机。研究人员在利用雷达对无人机目标进行检测方面提出了很多方法，比如：使用MIMO雷达检测无人机；基于使用高分辨率的雷达，提出了一种基于霍夫变换的方法来提高检测和跟踪性能；基于GSM(全球移动通信系统)的无源相干定位(PCL)系统来检测无人机等等。与视频图像相比，雷达具有以下优点：a.不受光线影响，可以在夜间工作；b.不受天气的影响；c.距离信息可用。但以上提出的几种基于雷达检测无人机的方法成本相对较高，并且识别无人机的算法相对较为复杂。

与昂贵的MIMO雷达相比，连续波(CW)雷达是一个相当经济的选择。每个亮度位置与从位于雷达特定距离处的目标反射的信号的幅度成比例。输入雷达图像包含一个相对静态的背景和规则的电磁干扰，这些在检测时都需要去除以提取移动的无人机目标，可用背景建模来实现去除背景和干扰。建立背景模型，通过模型匹配来实现背景去除，其中不符合背景模型的像素将被判定为可疑的无人机目标。

固定监视区域，建立高斯混合模型(GMM)来模拟背景。但是在实验中使用GMM时发现，当无人机多次通过一个区域时，尽管每次通过都有相当长的间隔，其轨迹还是会被错误地判断为背景，即使减少了学习比率，一些属于背景的电磁干扰还是会被错误地判断为前景。

发明内容

发明目的：本发明提出一种使用简单、成本低的连续波雷达无人机检测方法。

技术方案：本发明提出的一种连续波雷达无人机检测方法，包括以下步骤：

(1)采用两个高斯混合模型对雷达图像进行预处理，获得疑似无人机目标；

(2)将改进后的检测前跟踪算法结合多帧信息获得可疑的目标轨迹；

(3)长于预先设定阈值的轨迹被确定为无人机，并且计算它们的相关参数。

所述步骤(1)包括以下步骤：

(11)同时使用两个高斯混合模型背景去除器，去除背景及学习训练，获取去除背景和干扰后的区域；

(12)根据无人机的先验尺寸信息，去除获取的太大和太小区域；

(13)将剩余的可疑区域发送到检测前跟踪处理器。

步骤(2)所的述改进后的检测前跟踪算法定义为：

在k时刻第n个可疑目标定义为z_n,k：

z_n,k＝(x_n,k,y_n,k,a_n,k)