[发明专利]无人机动态特征识别方法、介质、设备及装置有效

专利信息
申请号: 201911203163.9 申请日: 2019-11-29
公开(公告)号: CN111007871B 公开(公告)日: 2022-04-29
发明(设计)人: 赵彩丹;罗格格;陈彩云;施芝元 申请(专利权)人: 厦门大学
主分类号: G05D1/10 分类号: G05D1/10
代理公司: 厦门创象知识产权代理有限公司 35232 代理人: 崔建锋;陈文戎
地址: 361000 *** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 无人机 动态 特征 识别 方法 介质 设备 装置
【权利要求书】:

1.一种无人机动态特征识别方法,其特征在于,包括以下步骤:

获取无人机处于不同飞行状态下的第一微多普勒信号;

提取所述第一微多普勒信号的动态特征;

根据特征属性增强算法对所述第一微多普勒信号和所述动态特征进行扩充,以得到扩充后的无人机信号特征域;

根据扩充后的无人机信号特征域进行无人机检测识别模型的训练,以得到无人机检测识别模型;

获取待检测无人机的第二微多普勒信号,并通过所述无人机检测识别模型对所述第二微多普勒信号进行检测,以获取所述待检测无人机的动态特征;

其中,所述动态特征包括纹理特征和时频特征,提取所述第一微多普勒信号的动态特征,包括:

根据主成分分析法对所述第一微多普勒信号进行降维处理,并对降维后的第一微多普勒信号进行离散小波变换,以提取所述第一微多普勒信号对应的时频特征;

获取所述第一微多普勒信号对应的时频图像,并提取所述时频图像的纹理特征,以及根据灰度共生矩阵对所述纹理特征进行分类,以生成多个类别的纹理特征;

其中,根据特征属性增强算法对所述第一微多普勒信号和所述动态特征进行扩充,包括:

将所述第一微多普勒信号和所述动态特征输入到特征生成模型中,并通过SMOTE算法对所述第一微多普勒信号和所述动态特征进行近邻间插值,以得到新的人工样本特征。

2.如权利要求1所述的无人机动态特征识别方法,其特征在于,所述多个类别的纹理特征包括角二阶矩、熵、对比度和反差分矩阵。

3.如权利要求1所述的无人机动态特征识别方法,其特征在于,所述第一微多普勒信号对应的无人机包括多个类型,其中,在将所述第一微多普勒信号和所述动态特征输入到特征生成模型中之前,还包括:

判断每个类别无人机所对应的第一微多普勒信号和动态特征的数量是否大于预设的数量阈值,以便在该类别无人机所对应的第一微多普勒信号和动态特征的数量小于预设的数量阈值时,将其他类别无人机所对应的第一微多普勒信号和动态特征一并输入到特征生成模型中。

4.如权利要求3所述的无人机动态特征识别方法,其特征在于,还包括:

获取新的人工样本特征对应的第一特征向量、该新的人工样本特征多个近邻同类别第一微多普勒信号或动态特征对应的第二特征向量、该新的人工样本特征多个近邻不同类别第一微多普勒信号或动态特征对应的第三特征向量;

计算所述第一特征向量与所述第二特征向量之间的第一欧式距离,并计算所述第一特征向量与所述第三特征向量之间的第二欧式距离,以及判断所述第一欧式距离是否大于所述第二欧式距离;

如果是,则人为该新的人工样本特征为有效人工样本特征。

5.一种计算机可读存储介质,其特征在于,其上存储有无人机动态特征识别程序,该无人机动态特征识别程序被处理器执行时实现如权利要求1-4中任一项所述的无人机动态特征识别方法。

6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-4中任一项所述的无人机动态特征识别方法。

7.一种无人机动态特征识别装置,其特征在于,包括:

第一获取模块,所述第一获取模块用于获取无人机处于不同飞行状态下的第一微多普勒信号;

提取模块,所述提取模块用于提取所述第一微多普勒信号的动态特征;

特征扩充模块,所述特征扩充模块用于根据特征属性增强算法对所述第一微多普勒信号和所述动态特征进行扩充,以得到扩充后的无人机信号特征域;

训练模块,所述训练模块用于根据扩充后的无人机信号特征域进行无人机检测识别模型的训练,以得到无人机检测识别模型;

第二获取模块,所述第二获取模块用于获取待检测无人机的第二微多普勒信号;

检测识别模块,所述检测识别模块用于通过所述无人机检测识别模型对所述第二微多普勒信号进行检测,以获取所述待检测无人机的动态特征;

其中,所述动态特征包括纹理特征和时频特征,提取所述第一微多普勒信号的动态特征,包括:

根据主成分分析法对所述第一微多普勒信号进行降维处理,并对降维后的第一微多普勒信号进行离散小波变换,以提取所述第一微多普勒信号对应的时频特征;

获取所述第一微多普勒信号对应的时频图像,并提取所述时频图像的纹理特征,以及根据灰度共生矩阵对所述纹理特征进行分类,以生成多个类别的纹理特征;

其中,根据特征属性增强算法对所述第一微多普勒信号和所述动态特征进行扩充,包括:

将所述第一微多普勒信号和所述动态特征输入到特征生成模型中,并通过SMOTE算法对所述第一微多普勒信号和所述动态特征进行近邻间插值,以得到新的人工样本特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门大学,未经厦门大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911203163.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top