[发明专利]一种基于毫米波雷达的无人机旋翼检测系统及其检测方法

说明书

本发明提供一种基于毫米波雷达的无人机旋翼检测系统及其检测方法，它是一种结合LFMCW雷达距离多普勒处理、峰值检测和距离‑熵检测的无人机旋翼检测系统设计方法。通过对散射回波信号进行多目标检测与信息提取，得到无人机的距离信息与多普勒信息的二维平面能量分布。通过峰值检测方法获得存在无人机目标的距离区域，然后依次计算各个距离单元的幅值分布熵，再对距离—熵曲线做峰值检测，综合RD图和距离‑熵曲线的检测结果，最后实现无人机旋翼区域的检测。一方面能将无人机与其他目标区分开，另一方面能将无人机所在距离范围内存在旋翼的距离单元与其他距离单元区分开，在实现无人机位置检测的同时进一步实现旋翼位置的检测。

技术领域

本发明为一种基于毫米波雷达的无人机旋翼检测系统及其检测方法，根据回波信号的区域分布特征，结合峰值检测处理，实现对无人机旋翼部件的准确检测，属于数字信号处理领域。

背景技术

微动是指目标自身或部件具有的振动、旋转等微小运动，能够反映目标运动的细节特征，可为目标识别提供新的途径。随着雷达技术的不断发展，基于微多普勒效应的雷达目标微动测量、特征提取与识别等技术得到了广泛关注。

近年来，无人机应用技术发展迅速，尤其是各类旋翼式无人机已经广泛进入民用领域。无人机技术在为人们生活提供便利的同时也给社会安全带来了严峻的挑战，能否对无人机进行探测、预警尤为关键。旋翼转动是旋翼无人机的特有特征。对旋翼转动特征的分析能够对无人机的运行状态，例如飞行速度、飞行姿态、是否悬挂物品等进行有效检测，进而做出预警。

传统基于雷达回波距离-多普勒(RD)图的目标检测方法在目标回波能量分布集中时能够取得较好的检测效果。峰值检测常使用恒虚警率(CFAR)检测，需要通过待检单元附近的若干参考单元估计噪声强度。但是，旋翼高速转动会导致无人机目标回波产生大范围的多普勒边带，因此，能量分布聚集性大幅下降，严重影响噪声估计的准确度，导致检出率下降。目前针对无人机微动特征的分析都是将无人机整体作为分析对象，分析过程中各个旋翼的微动信号混合在一起，难以分离各个旋翼进行独立分析。当雷达距离分辨率高于旋翼间间隔时，理论上各个旋翼在距离维度上可分。若能够分析出旋翼距离单元和非旋翼距离单元内信号的差异，就能够实现各个旋翼在距离维度上的分离。

熵可以用于描述能量分布的集中程度，对于仅存在平动目标的区域，信号分布集中度最强；存在微动目标的区域，信号分布集中度次之；噪声区信号集中度最低。利用熵能够有效描述出无人机散射信号的分布特征，存在旋翼的距离单元会产生较宽的多普勒边带，信号分散度增强，熵值较大；非旋翼距离单元信号分布集中，熵值则较小。因此，应用熵一方面能将旋翼无人机目标与其他空中目标区分开，另一方面当雷达距离分辨率足够高的时候，也能在无人机主体范围内更准确的识别出旋翼所在距离单元，进而对无人机的旋翼数目做快速判断。同时，仅对存在旋翼的距离单元进行微多普勒分析，能够有效提高信号信噪比，提升参数估计和特征提取的质量。

针对上面提到的情况和实际应用需求，本发明提出了一种基于毫米波雷达的无人机旋翼检测技术，可以实现旋翼所在区域的准确检测。该方法基于线性调频连续波(LFMCW)毫米波雷达测量获得目标回波信号，接着按照距离单元计算该单元内幅值分布的熵值，得到以距离为自变量的熵曲线，经过CFAR检测后识别出旋翼所在的区域。

发明内容

本发明的目的在于提供一种基于毫米波雷达的无人机旋翼检测系统及其检测方法，它是一种结合LFMCW雷达距离多普勒处理、峰值检测和距离-熵检测的无人机旋翼检测系统设计方法。通过对散射回波信号进行多目标检测与信息提取，得到无人机的距离信息与多普勒信息的二维平面能量分布。通过峰值检测方法获得存在无人机目标的距离区域，然后依次计算各个距离单元的幅值分布熵，再对距离—熵曲线做峰值检测，综合RD图和距离-熵曲线的检测结果，最后实现无人机旋翼区域的检测。一方面能将无人机与其他目标区分开，另一方面能将无人机所在距离范围内存在旋翼的距离单元与其他距离单元区分开，在实现无人机位置检测的同时进一步实现旋翼位置的检测。