[发明专利]一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法

摘要

本发明公开了一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法，其特征在于，包括如下步骤：1）对雷达回波数据进行短时傅里叶变换即STFT获取无人机旋翼微多普勒特征的时频图；2）对步骤1）获取的时频图进行Radon变换，提取微多普勒特征的边缘信息；3）对步骤2）radon变换后的图像采用改进2DPCA算法进一步提取有效特征向量；4）依据步骤3）提取的特征向量采用KNN分类算法识别不同种类的无人机，得到识别结果。这种方法在低信噪比的复杂场景下具有高识别率。

主权项

1.一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法，其特征在于，包括如下步骤：1)对雷达回波数据进行短时傅里叶变换即STFT获取无人机旋翼微多普勒特征的时频图，其过程为：(1)依据旋翼特征及微多普勒理论获取雷达回波数据，即目标的不同运动部分作为单独的散射体，每个散射体都会引起独特的多普勒频移，与单个移动散射体相关的多普勒频移如公式(1)所示：其中v(n)是移动散射体的时变速度，φ是速度矢量与雷达视线即LOS之间的角度，λ是雷达波长，雷达接收到的目标所有散射点回波之和表示如公式(2)所示：其中K是移动散射体的总数，a_k是第k个散射体的反射率，f_k(n)是第k个散射体的多普勒频移，ε(n)是加性噪声，F_s是采样频率；(2)对回波数据采用短时傅里叶变换，获得无人机旋翼的时频图；2)对步骤1)获取的时频图进行Radon变换，提取微多普勒特征的边缘信息，其过程为：(1)对带有微多普勒特征的时频图进行预处理即将时频图进行灰度化并转换成100*100像素大小；(2)对预处理后的图像运用Radon变换，采用Radon算法时的角度为0°—179°度，得到包含时频图边缘信息的图像；3)对步骤2)radon变换后的图像采用改进2DPCA算法进一步提取有效特征向量，其过程为：(1)依据2DPCA原理将2DPCA引入用于处理Radon变换后的图像，提取微多普勒特征；(2)对2DPCA进行改进即采用基于L1范数的2DPCA对Radon变换的图像进行降维处理并提取主成分，以不同维数的主成分作为特征向量；4)依据步骤3)提取的特征向量采用KNN分类算法识别不同种类的无人机，得到识别结果，其过程为：(1)采用KNN分类算法时，设定欧氏距离为距离度量；(2)将不同类型的无人机的特征向量输入到KNN分类算法中，得到识别结果。