無(wú)人機(jī)旋翼轉(zhuǎn)動(dòng)產(chǎn)生的微多普勒調(diào)制能夠反映此類目標(biāo)的微動(dòng)特性,準(zhǔn)確估計(jì)無(wú)人機(jī)旋翼長(zhǎng)度、轉(zhuǎn)動(dòng)頻率對(duì)于無(wú)人機(jī)的檢測(cè)與識(shí)別具有重要意義。該文針對(duì)調(diào)頻連續(xù)波體制雷達(dá),提出一種基于時(shí)頻集中度指標(biāo)（CTF）的多旋翼無(wú)人機(jī)微動(dòng)特征參數(shù)估計(jì)方法,推導(dǎo)了無(wú)人機(jī)旋翼微動(dòng)特征參數(shù)與微多普勒分量信號(hào)參數(shù)之間的映射關(guān)系,在時(shí)頻旋轉(zhuǎn)域基于時(shí)頻集中度指標(biāo),提高了各微動(dòng)分量的區(qū)分度,相比于傳統(tǒng)方法,提高了多分量微多普勒信號(hào)的參數(shù)估計(jì)精度,在低信噪比環(huán)境下也具有很好的魯棒性。通過(guò)仿真和實(shí)際場(chǎng)景實(shí)驗(yàn)驗(yàn)證了方法的有效性。 

【文章來(lái)源】：電子與信息學(xué)報(bào). 2020,42(08)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

旋翼投影到雷達(dá)平面示意圖

綜上所述，本文基于時(shí)頻集中度指標(biāo)的多旋翼無(wú)人機(jī)微動(dòng)特征參數(shù)估計(jì)方法流程圖如圖2所示，其中雷達(dá)回波預(yù)處理包括脈沖壓縮、MTD雜波抑制[22]。對(duì)目標(biāo)位置所在距離門的雷達(dá)回波構(gòu)建旋轉(zhuǎn)算子，設(shè)置參量空間的取值范圍。然后基于頻譜集中度指標(biāo)定量分析，將雷達(dá)回波變換到旋轉(zhuǎn)域。由于粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法[23]具有概念簡(jiǎn)單、控制參數(shù)少、易實(shí)現(xiàn)、收斂速度快、適用性強(qiáng)等特點(diǎn)，文中采用的粒子群優(yōu)化方法對(duì)得到的頻譜集中度指標(biāo)做多峰值檢測(cè)，本文采用多峰粒子群優(yōu)化算法來(lái)得到各分量參數(shù)，設(shè)置粒子群規(guī)模為30，最大迭代次數(shù)為50，位置信息為整個(gè)參量空間。4 實(shí)驗(yàn)結(jié)果與分析

接下來(lái)對(duì)比本文所提方法與時(shí)頻分析聯(lián)合Hough變換的結(jié)果對(duì)比。對(duì)于多分量微動(dòng)目標(biāo)，短時(shí)傅里葉變換時(shí)頻集中度較差，并且時(shí)頻平面存在嚴(yán)重的曲線交叉，用峰值檢測(cè)等方法無(wú)法實(shí)現(xiàn)多分量信號(hào)的分解和參數(shù)估計(jì)，如圖4(a)所示。WignerVille分布則產(chǎn)生嚴(yán)重的分量自交叉項(xiàng)，參數(shù)估計(jì)誤差較大，如圖4(b)所示。在短時(shí)傅里葉變換后進(jìn)行Hough變換得到的參量空間結(jié)果，由于該方法本質(zhì)上是圖像處理手段，因此其參數(shù)估計(jì)精度取決于時(shí)頻分析結(jié)果，前文已論證由于傳統(tǒng)時(shí)頻分析方法時(shí)頻分辨率較差，因此該方法參數(shù)估計(jì)精度較低，并且運(yùn)算量大，如圖4(c)所示。本文提出的基于時(shí)頻集中度指標(biāo)的多旋翼無(wú)人機(jī)微動(dòng)特征參數(shù)估計(jì)方法對(duì)于不同轉(zhuǎn)動(dòng)頻率對(duì)應(yīng)的旋翼分量的參數(shù)均能準(zhǔn)確估計(jì)，同時(shí)還可以有效抑制背景干擾和雜波干擾，提高了對(duì)無(wú)人機(jī)旋翼轉(zhuǎn)動(dòng)頻率的辨識(shí)度和準(zhǔn)確度，頻譜集中度指標(biāo)如圖5所示。接下來(lái)在不同信噪比(Signal-to-Noise Ratio,SNR)條件下，分析不同方法對(duì)無(wú)人機(jī)各個(gè)旋翼分量葉片長(zhǎng)度、轉(zhuǎn)速、初始相位估計(jì)的準(zhǔn)確度，本文采用實(shí)際/估計(jì)旋翼轉(zhuǎn)動(dòng)頻率功率比(ETR)來(lái)表征，即

【參考文獻(xiàn)】：
期刊論文
[1]空間旋轉(zhuǎn)目標(biāo)窄帶雷達(dá)干涉式三維成像與微動(dòng)特征提取[J]. 胡健,羅迎,張群,康樂(lè),何其芳.  電子與信息學(xué)報(bào). 2019(02)
[2]A multicomponent micro-Doppler signal decomposition and parameter estimation method for target recognition[J]. Chen SONG,Yirong WU,Liangjiang ZHOU,Ruoming LI,Jiefang YANG,Wei LIANG,Chibiao DING.  Science China（Information Sciences）. 2019(02)
[3]基于雙雷達(dá)微動(dòng)特征融合的無(wú)人機(jī)分類識(shí)別[J]. 章鵬飛,李剛,霍超穎,殷紅成.  雷達(dá)學(xué)報(bào). 2018(05)
[4]微動(dòng)目標(biāo)雷達(dá)特征提取、成像與識(shí)別研究進(jìn)展[J]. 張群,胡健,羅迎,陳怡君.  雷達(dá)學(xué)報(bào). 2018(05)
[5]基于跟蹤脈沖的MIMO雷達(dá)多目標(biāo)微動(dòng)特征提取[J]. 羅迎,龔逸帥,陳怡君,張群.  雷達(dá)學(xué)報(bào). 2018(05)
[6]基于實(shí)測(cè)數(shù)據(jù)的空中目標(biāo)分類識(shí)別算法[J]. 李明,吳嬌嬌,左磊,宋萬(wàn)杰,劉慧敏.  電子與信息學(xué)報(bào). 2018(11)



本文編號(hào)：3603909