[发明专利]一种多旋翼无人机的微多普勒谱相关矩阵特征提取方法

说明书

本发明属于多旋翼无人机分类技术领域，具体涉及一种多旋翼无人机的微多普勒谱相关矩阵特征提取方法。本发明首先通过对多旋翼无人机旋翼的回波数据进行短时傅里叶变换(STFT)，获得微多普勒谱数据，然后利用微多普勒谱数据提取相关矩阵特征，实现对多旋翼无人机的识别。由于提取的相关矩阵特征一方面只包含旋转叶片上强散射点的微多普勒信息，同时降低了噪声强度，因此，与从时频谱数据中提取的物理参数特征比较，对噪声具有更好的鲁棒性，即使在较低信噪比的情况下，也可以获得更高的识别率。

技术领域

本发明属于多旋翼无人机分类技术领域，具体涉及一种多旋翼无人机的微多普勒谱相关矩阵特征提取方法。

背景技术

无人机是一种特殊类型的空中目标，随着军事时代的进步，需要迅速分类出它们是哪一种机型，是侦察机、诱饵、电子对抗、通信中继、靶机还是无人战斗机，对战略调整有着重要意义。由于无人机是无人驾驶的其物理尺寸比较小，目前通过高分辨率雷达一维距离像(HRRP)对它们进行分类得到的分类率不高，因为需要亚厘米级的分辨率来捕捉小于100cm 的目标空间结构，而且当目标视线角有较小变化时，一维距离像会产生大的变化，不利于对无人机的可靠识别。

由于多旋翼无人机的旋转部件具有不同的转动速度和不同的部件结构(如桨叶的长度、数目等有差异)，将形成具有明显差异的微多普勒谱，因此通过提取微多普勒特征可实现对多旋翼无人机的分类识别。

目前对无人机的分类方法主要包括两类：第一类方法主要将无人机的微多普勒谱作为一幅二维图像，采用图像识别方法完成无人机的识别，但是这类方法在较低信噪比的情况下，其正确识别率明显下降；第二类方法主要从时频谱图提取出运动部件的物理参数(如叶片数、旋翼的长度、转速等)进行分类识别，但这类方法仍然容易受噪声的影响，在较低信噪比下，无法进行特征的准确提取，导致识别性能降低。

发明内容

本发明的主要内容是针对上述问题，提出一种微多普勒谱相关矩阵特征提取方法，通过从无人机回波数据的微多普勒谱中提取相关矩阵特征。

为便于理解，对本发明依据的原理进行以下说明：

设旋翼总数目为A，单个旋翼总的叶片数目为B，旋翼叶片长度为L，雷达到第a个旋翼中心的距离为R_0a,第a个旋翼叶片的高度表示为z_0a,雷达到第a个旋翼中心的俯仰角表示为β_a(近似等于雷达到无人机轴中心的俯仰角,即β₁＝β₂＝…＝β_A＝β)，第a个旋翼的转动角频率为Ω_a，第a个旋翼的初始旋转角为多旋转旋翼的回波模型如下：

其中

第a个旋翼的第k个叶片的等效瞬时微多普勒频率为对式(2)求时间倒数得到：

由式(3)可知，多旋翼无人机微多普勒特征是由A×B条正弦形式的曲线组成，当无人机只有旋翼数目的差别时，若载频、旋翼转速、叶片数、叶片长度、初始相位和俯仰角都相同的，则它们的时频谱图将是一样的。

本发明的技术方案是：一种多旋翼无人机的微多普勒谱相关矩阵特征提取方法，包括以下步骤：

S1、获取多旋翼无人机的多普勒信号后，通过下式计算不同时刻t的多普勒频谱：

其中，S(f,t)为时刻t的多普勒频谱，w(m)是长度为M的平滑窗口，例如可以利用汉明窗，N为信号的长度，f为频率指数，D是连续傅里叶长度的重叠，谱图的维数 S∈R^M×Q,

将不同时刻的S(f,t)组成矩阵X∈R^M×Q：