数字电视外辐射源雷达多旋翼无人机微多普勒效应实验研究

该文论述了利用数字电视外辐射源雷达开展多旋翼无人机微多普勒效应实验的研究结果。首先建立了双基地外辐射源雷达无人机微动信号模型,接着简要阐述了微动信号提取的相关关键技术,最后重点介绍了实验开展情况,包括实验场景配置、无人机微多普勒效应实验典型结果与分析。实验结果与无人机运动参数的理论分析相符合,证实了利用数字电视外辐射源雷达实现多旋翼无人机微多普勒效应探测的技术可行性。      

基于时频集中度指标的多旋翼无人机微动特征参数估计方法

无人机旋翼转动产生的微多普勒调制能够反映此类目标的微动特性,准确估计无人机旋翼长度、转动频率对于无人机的检测与识别具有重要意义。该文针对调频连续波体制雷达,提出一种基于时频集中度指标(CTF)的多旋翼无人机微动特征参数估计方法,推导了无人机旋翼微动特征参数与微多普勒分量信号参数之间的映射关系,在时频旋转域基于时频集中度指标,提高了各微动分量的区分度,相比于传统方法,提高了多分量微多普勒信号的参数估计精度,在低信噪比环境下也具有很好的鲁棒性。通过仿真和实际场景实验验证了方法的有效性。     

太赫兹雷达直升机旋翼目标微动特性研究

直升机旋翼微动形成的微多普勒特征对于战场环境下直升机目标探测识别具有重要意义,掌握直升机旋翼的微动特性是雷达目标辨识的前提。太赫兹雷达波长短,多普勒效应显著,迫切需要掌握太赫兹频段旋翼目标微动特性。首先对偶数叶片和奇数叶片的螺旋桨目标进行建模,分别使用微波波段(3 GHz)与太赫兹波段(120 GHz,220 GHz)雷达对目标进行仿真分析,并从目标的回波信号特征出发提取多普勒频移信息,利用短时傅里叶变换进行时频分析,对比分析目标与雷达参数对其多普勒效应的影响及调制关系。仿真结果表明：在转速、视角以及直升机叶片长度均相同的情况下,太赫兹频段下的微多普勒效应比微波频段显著增强,多普勒曲线也更加清晰,叶片细节更加丰富。应用太赫兹雷达提取微多普勒信息能够为直升机目标识别提供重要特征。     

MDI训练样本集构建对雷达探测旋翼无人机分类的影响分析

利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段.实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大.该文分析训练样本集对旋翼无人机分类结果的影响.首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回...     

基于双雷达微动特征融合的无人机分类识别

无人机的日益流行在带来便利的同时也造成了潜在的威胁,对无人机进行分类识别具有重要意义。雷达微多普勒信号能够区分不同类型的无人机。为了提高基于微多普勒的无人机分类的鲁棒性,该文提出了一种多角度雷达观测微动特征融合的无人机识别方法。首先利用多部雷达同时从不同角度观测目标;然后对采集的雷达数据分别进行短时傅里叶变换(Short-Time Fourier Transform, STFT),得到时频谱图;接着利用主成分分析(Principal Component Analysis, PCA)从时频谱图中提取特征,将两个不同角度雷达传感器得到的特征融合在一起;最后利用支持向量机(Support Vector Machine, SVM)进行训练与分类识别。基于实际雷达数据的实验结果表明:两个雷达传感器观测融合得到的分类精度优于单个雷达传感器的分类精度,最终识别准确率较仅利用X波段雷达传感器方法提升了5%以上。      

外辐射源雷达直升机旋翼参数估计方法

外辐射源雷达是一种基于第三方非合作照射源的新体制雷达系统,在微多普勒效应目标分类和识别方面具有独特的优势,而其特点也决定了微多普勒效应参数估计方法需要具有良好的抗噪性能且计算量要小。针对上述问题,该文依据外辐射源雷达直升机旋翼微动信号模型,提出了利用时频域中回波闪烁特征进行直升机旋翼参数估计的新思路。通过对时频图中正负频率轴数据的幅值分别进行累加,提取出回波闪烁参数,同时,依据微动信号内在特性构建字典矩阵,利用正交匹配追踪算法实现了叶片长度、叶片数量、旋翼转速等参数的估计,相比常规Hough变换参数估计方法,该文方法更准确,更迅速。仿真和实测证明了该文方法的有效性。      

海面刚体目标微动特征建模及特性分析

微多普勒描述了海面目标运动的精细特征,成为区分海杂波和目标的有用特征之一,有助于提高雷达目标探测和识别能力。该文以对海观测雷达为平台,建立了海杂波中微动目标雷达回波模型。首先,简要回顾了微动和微多普勒效应的定义,归纳总结出微多普勒效应的内涵和实质,并给出了海面刚体目标的微动特征分类。然后,根据观测时长将模型分为距离单元内微动目标回波模型和长时间微动目标观测模型;根据海面微动目标的运动形式,将模型分为非匀速平动目标回波模型和3轴转动目标回波模型。最后,采用雷达实测数据分析微动特征并验证模型的有效性。      

低信噪比条件下直升机微动特征提取方法

直升机旋翼转动产生的微多普勒调制能够反映其微动特性,准确估计出目标的叶片数量、旋翼长度和转动频率对直升机的识别具有重要意义。本文针对窄带脉冲体制雷达,提出一种低信噪比条件下的旋翼直升机微动特征快速高精度提取方法,推导了微动特征参数之间的内在联系,在时频域通过对时频图幅值进行积累获取目标闪烁参数,并将其作为先验信息对稀疏字典进行降维处理,降低正交匹配追踪算法的运算量,提高了微动特征参数的估计精度,在低信噪比条件下具有较好的鲁棒性,仿真和实验结果验证了方法的有效性。     

一种变步长的微动目标参数高精度提取方法

针对窄带雷达旋翼微动特征参数提取问题,研究了一种变步长的微动目标参数高精度提取方法。首先提取出脉压后旋翼目标所在距离单元内的回波,通过时频分析和骨架提取,对旋翼最大瞬时微多普勒频率进行估计;然后利用最大瞬时微多普勒频率等先验信息,对转速搜索矩阵进行降维处理,将微动目标尺寸参数和转速参数的二维联合估计转化为独立估计,并采用变步长搜索过程实现参数的精确估计;最后,通过能量积累的方法估计出旋翼转速,再进一步提取出目标的尺寸信息。仿真结果验证了所提方法的可行性和有效性。     

微多普勒理论建模与仿真研究

微多普勒被认为是雷达目标的"惟一"特征,"惟一"是指不同的微运动会有不同的微多普勒,从而基于目标微动差异提取相应的微多普勒特征可用于雷达目标识别.在介绍微多普勒相关概念的基础上,建立了刚体目标的一般微动模型及其微多普勒理论模型,并具体研究了锥体弹头和诱饵的微多普勒.最后通过仿真对雷达回波基带信号采用时频分析方法提取出弹头和诱饵的微多普勒特征,从而为真假目标的识别提供了新的依据.     

雷达微多普勒特征提取和目标识别研究现状

自从雷达目标微多普勒现象被发现以来,雷达目标的微动特性在雷达目标探测与识别中受到越来越多的关注,对目标微动特性的测量和分析正在成为当前目标探测与识别领域的新兴研究方向。文中主要介绍了目标微动和微多普勒效应的概念,比较分析了目前目标微动的测量与分析处理技术,并且着重从几个方面分别介绍了目前微动特征提取的应用现状,接着就目前较常用的几种微多普勒目标识别分类器的识别率进行了比较和分析,最后对目标微动特性研究的发展趋势和技术难点进行了预测和总结。     

基于双通道GoogLeNet网络的旋翼无人机分类

针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法。首先对旋翼无人机的回波信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT）从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图（Cadence-Velocity Diagram,CVD）。然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别。基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9%。     

太赫兹双频雷达目标微动特征提取仿真

基于双频太赫兹回旋管设计了双频太赫兹雷达,针对振动、转动、翻滚运动目标建立了包含微多普勒信息的目标回波模型,采用时频分析方法开展了微动特征仿真计算.通过仿真结果可以看出,0.11 THz雷达和0.22 THz雷达对于振动、旋转、翻滚的微动特征都有厘米级的探测能力.在较强噪声条件下,通过自功率谱时频分析,可以抑制噪声,提...     

雷达目标微多普勒特征提取

给出了微动和微多普勒一般定义,推导了任意运动规律的点目标的微多普勒计算公式,引入了微多普勒率的概念,提出了使用微多普勒估计微动目标运动参数的方法,给出了使用时频分布计算微多普勒的方法,并对典型微动目标的多普勒进行了仿真,证明理论分析的正确。     

飞鸟与无人机目标雷达探测与识别技术进展与展望

飞鸟和无人机(UAVs)是典型的“低慢小”目标,具有低可观测性,对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小,加之探测环境复杂,给目标探测带来极大困扰,已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术,实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结,介绍了飞鸟和无人机探测的主要手段,从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后,该文总结了现有研究存在的问题,对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。