[发明专利]一种基于多普勒雷达多信息融合的无人机识别方法

权利要求书

1.一种基于多普勒雷达多信息融合的无人机识别方法，其特征在于，包括以下步骤:

S1、接收雷达前端处理的原始回波数据，并对原始回波数据进行二维FFT计算，得到距离-速度二维多普勒谱；

S2、对距离-速度二维多普勒谱进行帧间积累形成杂波图，基于杂波图进行CFAR检测输出目标原始EP点迹信息；

S3、对所述原始EP点迹信息进行目标点航迹提取，得到目标的信息集合；所述信息集合包括历史关联的n帧EP点迹、凝聚点迹和航迹信息；

S4、建立目标知识库，并对目标知识库进行模型训练；

S5、对信息集合进行归一化处理，并输入到训练好的模型中进行识别，得到目标类型。

2.根据权利要求1所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，步骤S1包括：

S11、雷达前端接收机中频输入混频后通过第一维FFT处理运算输出的I/Q数据；

S12、对第一维FFT输出的I/Q数据进行脉冲间FFT计算，观测回波频率的脉冲到脉冲间的变化，提取出非模糊的多普勒信息，得到距离-速度二维多普勒谱；所述距离-速度二维多普勒谱是包含距离维、频率维的二维R-D功率谱。

3.根据权利要求2所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，所述第一维FFT处理运算是通过距离匹配滤波器观测回波频率，抑制量程外的差频信号导出频率域的距离信息，提取出非模糊的距离信息。

4.根据权利要求1所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，步骤S2包括：

S21、初始化杂波图，将每个波束的距离-速度二维多普勒谱进行两维量化，距离量化单位为Δr，频率量化单位为Δf，统计N个重复周期每个量化图单元的回波信号的均值方差，所述杂波图包含Nr×Ns个库单元；

S22、以杂波图作为CFAR检测的参考背景图，利用检测单元附近单元功率作为参考得到检测阈值，通过比较检测单元回波功率与检测阈值判断是否为目标单元，进而输出目标EP点迹信息；

S23、根据每个量化图单元是否为目标来对杂波图单元进行不同程度的更新。

5.根据权利要求1所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，所述EP点迹信息包括：目标的时间戳、目标的距离维索引、目标的速度维索引和目标的幅度值；其中，

所述目标的时间戳为雷达检测到目标的时间；

所述目标的距离维索引为雷达检测到的目标单元的距离库单元的索引值；

所述目标的速度维索引为雷达检测到的目标单元的速度维单元的索引值；

所述目标的幅度值为雷达检测到的目标单元对应速度维的功率值。

6.根据权利要求1所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，目标点航迹提取过程包括：

点迹凝聚，首先对EP点迹信息进行单波束中距离、速度凝聚，再进行多波束间相关、方位凝聚，最后进行点迹滤波和输出凝聚点迹信息；其中，所述目标凝聚点迹信息为相关EP点迹信息的质心加权值；

对凝聚点迹进行航迹关联及滤波，形成带有唯一批号的航迹目标，输出该批目标的信息集合。

7.根据权利要求1所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，步骤S4包括：

S41、形成目标知识库，对信息集合进行归一化处理后加入到目标知识库；

S42、对目标知识库进行模型训练，将建立完成的目标知识库进行分组输入到模型进行训练求解支持向量机超平面函数，得到模型的参数。

8.根据权利要求1所述的一种基于多普勒雷达多信息融合的无人机识别方法,其特征在于，步骤S5包括：

S51、对信息集合进行归一化处理；

S52、将归一化的信息集合输入到训练好的模型中，根据新观察的特征数据来输出该目标最可能的类别进行目标识别，输出目标类型。