微多普勒辅助的城市环境无人机编队检测方法

针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象,传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测,易受到环境影响导致检测效果不理想。该文提出微多普勒辅助的城市环境无人机编队检测方法,充分利用无人机的微动特征,能够在复杂环境下提高检测精度。首先,参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号,利用YOLOv5s检测微多普勒闪烁脉冲,有效提取位置信息;然后,引入雷达信号分选方法的脉冲重复间隔(PRI)变换,分类获得无人机编队数量;最后,利用Kmeans算法验证无人机编队检测方法的准确性。结果表明,所提方法在信噪比2 dB时7架无人机的检测精度高于90%,能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。

基于微多普勒角点特征与Non-Local机制的穿墙雷达人体步态异常终止行为辨识技术

穿墙雷达能够穿透建筑物墙体,实现室内人体目标探测。利用深度学习提取不同肢节点的微多普勒特征,可以有效辨识障碍物后的人体行为。但是,当生成训练、验证集与生成测试集的受试者不同时,基于深度学习的行为识别方法测试准确率相对验证准确率往往较低,泛化能力较差。因此,该文提出一种基于微多普勒角点特征与Non-Local机制的穿墙雷达人体步态异常终止行为辨识技术。该方法利用Harris与Moravec检测器提取雷达图像上的角点特征,建立角点特征数据集;利用多链路并行卷积和Non-Local机制构建全局上下文信息提取网络,学习图像像素的全局分布特征;将全局上下文信息提取网络重复堆叠4次得到角点语义特征图,经多层感知机输出行为预测概率。仿真和实测结果表明,所提方法可以有效识别室内人体步行过程中存在的坐卧、跌倒等突发步态异常终止行为,在提升识别准确率、鲁棒性的前提下,有效控制泛化精度误差不超过6.4%。

复合微多普勒信号的时频谐波分析方法

在对复合微动目标的雷达回波进行时频分析时,存在时频曲线能量难以聚焦等问题,影响目标微多普勒特征提取和分析。对此,提出了时频谐波条纹的概念以及相应时频变换方法。基于复合微动包含中心运动分量和高频运动分量的假设,首先利用样条函数拟合中心分量频率曲线,构造时频变换核函数。然后,通过参数化时频变换将时域的复合微多普勒信号转化为时频平面上的谐波条纹。所提方法相比短时傅里叶变换和伪魏格纳分布等经典方法,能够明显改善复合微动目标雷达回波时频变换的能量聚集性与杂散抑制效果,仿真验证了所提方法的有效性和对低信噪比条件的适应性。

基于同步提取变换和脊线检测的空间锥体目标微多普勒特征提取方法

针对空间锥体目标微多普勒(micro-Doppler,m-D)提取时在m-D曲线交叉处易出现跟踪错误的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)和脊线检测的m-D特征提取方法。首先,该方法利用SET技术得到能量分布更加集中的时频像,并使用Hough变换提取锥体顶部产生的正弦m-D曲线;之后基于CLEAN思想,将提取到的顶部m-D曲线从时频像中消除;最后利用基于改进疯爬算法和卡尔曼滤波的脊线检测算法提取锥体底部产生的非正弦m-D曲线。仿真结果表明,该方法可以避免m-D曲线交叉处的跟踪错误问题,正确提取m-D特征。

雷达鸟类目标微多普勒贝叶斯增强算法

针对传统恒虚警率(constant false-alarm rate,CFAR)方法难以探测鸟类目标的问题,提出一种基于时频(time-frequency,TF)域鸟类目标微多普勒贝叶斯增强算法。首先,以鸟类目标扑翼模型为基础,建立雷达回波信号及微多普勒模型。其次,考虑短时傅里叶变换(short-time Fourier transform,STFT),对回波信号进行时频分析。针对STFT加窗操作影响分辨率及其对杂波敏感的问题,引入广义高斯分布对先验自适应建模,在贝叶斯推理方式下实现时频域微多普勒特征增强。考虑到目标非多普勒特征非平滑,后验分布计算困难,提出用近端未调整朗之万算法(proximal unadjusted Langevin algorithm,P-ULA)进行高效求解。仿真及实测实验数据表明,所提算法不仅能够有效抑制背景噪声,而且可以在一定程度上保留微多普勒特征的连续性。

基于变分模态分解与优选的超高分辨ISAR成像微多普勒抑制方法

逆合成孔径雷达(ISAR)在对空中目标成像时,目标自身的转动、振动等局部微动将产生微多普勒效应,回波将附加额外的多普勒调制,造成频谱展宽。在超高分辨条件下,这一微动特性将会影响主体散射点的聚焦,导致目标图像局部散焦模糊,严重影响成像质量。并且,微多普勒相位还具有时变非平稳特性,难以从ISAR目标回波中准确估计或分离出微多普勒。为了解决上述问题,该文利用目标主体回波和微多普勒分量的时频分布差异,提出一种基于变分模态分解(VMD)与优选的非参数化方法抑制了回波中的微多普勒分量,消除了微多普勒对成像的影响,获得超高分辨率的无人机ISAR成像结果。该文首先引入VMD算法并将其扩展到复数域,将ISAR目标回波数据沿方位向分解为若干个中心频率均匀分布于多普勒采样带宽中的模函数,在此基础上利用图像熵指标优化分解参数和筛选成像模态,以保证微多普勒的良好抑制和主体回波的较完整保留。与现有基于经验模态分解(EMD)和局部均值分解(LMD)的方法相比,所提方法在超大带宽条件下对旋翼微动引起的微多普勒干扰有着更为出色的抑制效果,而且对机身部分的保留更为完整。最后,通过仿真对比和超宽带微波光子ISAR无人机实测数据处理,证明了该文所提方法的有效性和优势。

一种基于微多普勒和机器学习的无人机目标分类识别技术

近年来,随着科技发展,无人机行业高速发展,空域的情况变得愈加复杂,消费级无人机的入侵事件日益增多,对无人机防控系统的需求越来越迫切。飞鸟和无人机都是典型的“低慢小”目标,二者的回波特征、运动模式都有极其相似之处,如何对二者进行有效的观测、区分和追踪已成为保障空中航路安全研究中的重要问题。本文针对传统方法难以将二者区分的问题,首先利用仿真建立无人机和飞鸟的数学及物理模型,并对二者的微动特征进行提取,利用卷积神经网络和集成学习方法对其进行区分,在此基础上对实测数据进行识别,证明了本文方法的有效性。

基于激光微多普勒的旋翼无人机探测和识别技术进展

激光微多普勒体制具有探测灵敏度高、探测参数维度多等优点,能够对低、小、慢目标以及空间目标进行远距离精确探测识别。针对低、小、慢无人机目标快速探测和精准识别的应用需求,介绍了激光微多普勒探测技术及其国内外发展现状,并在激光微多普勒调制理论模型、微动参数提取算法、一维距离高精度成像、系统与实验研究等多个方面进行了全面深入的探讨。在此基础上,对激光微多普勒探测旋翼无人机技术的研究进展进行了总结和展望。

基于CK-Hough联合算法的人体微多普勒频率估计

为了准确地从雷达回波信号中提取运动目标特定部位的微多普勒频率,本文提出一种新颖的CKHough算法,该算法有效地结合了聚类分析和K近邻-霍夫(KNN-Hough)算法。首先,通过短时傅里叶变换获取雷达回波信号的时频谱图;其次,利用自适应模糊C均值算法对时频图进行聚类分析,在这一过程中,本文采用数据预处理技术自适应调整聚类类别数c以适应多样化应用场景,从而获得人体各散射部位的频域范围,有效地抑制了分量间的相互干扰;第三,通过改进度量函数的K近邻算法增强相邻时刻聚类结果的相关性,拟合各部位的瞬时频率曲线;最后,采用霍夫变换动态调整度量函数中权值μ的取值,得到目标微多普勒频率的精确估计结果。研究结果表明:本文提出的CK-Hough提取了直/曲线行走场景下人类目标四肢的微多普勒频率;与传统的峰值搜索算法、线性预测维特比算法以及基于Bezier-Hough模型的频率拟合算法相比,本文提出的CK-Hough算法在直线行走实验场景下,总频率的估计误差率分别降低了40.40%、45.47%和26.16%;在曲线行走实验场景下,其估计误差率分别降低了58.35%、68.35%和41.65%。

基于FMCW雷达微多普勒室内人体感知方法

针对室内场景下FMCW雷达在动态感知方面,存在识别静止人体常有丢失目标或与环境中微动物体互相干扰的问题,提出一种基于FMCW雷达微多普勒的人体存在感知的识别方法。首先基于FMCW雷达的采样数据立方体构建RDM(Range Doppler Map),通过投影累积的方式计算得出目标所在范围对应的雷达精确距离门子集;然后,基于距离门子集由短时傅里叶变换得到高精度微多普勒时频特征图,从中提取幅值特征,速度中心特征,速度带宽特征等共10个具备实际意义的特征矢量;最后,基于实测数据以支持向量机对不同特征矢量组合进行最优化筛选。实验结果表明,存在一种由其中5个特征矢量组成的最佳组合,使得对室内静止人体、环境扰动、走动人体的整体识别率最高,达到了97.98%,不仅提高了分类模型性能还增强了其可解释性。

基于微多普勒特征的人体动作识别

针对传统的视觉识别人体动作易受到光照变化、被遮挡和隐私问题等的影响,提出一种基于77 GHz毫米波雷达识别人体动作的方案。首先,使用77 GHz毫米波雷达采集人体动作的雷达回波样本,处理回波样本得到微多普勒频谱图;其次,首次提出一种新的自适应参数整流线性单元激活函数,将该激活函数与Resnet-18网络相结合;最后,将微多普勒频谱图数据集放入该网络训练并分类。实验结果表明,该方案对5种人体动作的平均识别准确率高达97.56%,较Resnet-PReLU网络提高了1.78%,有效地提高了对人体动作的识别精度。

基于微多普勒特征的直升机目标识别

微多普勒特征可为旋翼直升机的识别提供一种新的依据。现有针对旋翼直升机回波模型的研究仅限于矩形旋翼叶片尖端的微多普勒效应。首先,通过建立矩形尖端旋翼、锥形尖端旋翼以及抛物线扫掠尖端旋翼的全散射点回波模型,引入特征提取算子,设计“时频分析—归一化时频处理—频率‘投影压缩’—截断取模傅里叶变换”的方法,实现具有时移幅频不变特性的微动特征的提取。然后,基于交替方向乘子法,提出在目标分类中的压缩感知问题求解算法,并与传统的支持向量机方法进行对比分析,借助多个仿真实验验证所提出方法的有效性。

微多普勒生物探测雷达技术研究

生物的微运动,例如人体肢体摆动以及呼吸和心跳运动,会对雷达入射电磁波产生微多普勒调制。通过对这些微多普勒调制回波信号的提取和分析,雷达能够实现对生物体微运动状态和生命特征的探测、测量和识别。文中首先对人体雷达回波微多普勒散射信号的理论模型进行了推导,然后对生物探测微多普勒雷达的实现和主要技术进行了分析和研究,最后对微多普勒生物探测雷达技术发展进行了讨论。

微多普勒雷达述评

微多普勒雷达最重要的功能就是能够检测和测量目标的微动态(转动和振动)特性。首先从雷达技术体制的角度概括了雷达功能扩展与雷达信号形式和信息提取技术的关系;然后,简要给出微多普勒雷达基本理论,重点评述了微多普勒雷达系统现有的关键技术和解决方案;最后讨论了微多谱勒雷达面临的挑战和前景。

微多普勒分析和参数估计

首先引入微多普勒率的概念,然后分析了典型微动目标的微多普勒,并利用时-频分布,提取微动目标的微多普勒特征,基于微多普勒,给出了一种估计运动参数的方法,最后对典型微动目标的微多普勒进行了仿真,证明了理论分析的正确性.

基于微多普勒特征的地面目标分类

轮式履带式车辆目标分类是低分辨雷达地面目标识别研究领域的一个难点。该文基于微多普勒效应原理建立了轮式履带式车辆的雷达回波模型,针对轮式履带式车辆微多普勒调制的不同,提出了一种基于CLEAN算法的特征提取方法,提取了一种描述目标多普勒谱能量分布的能量比特征。基于实测数据使用相关向量机(RVM)和支持向量机(SVM)的识别结果表明该特征具有较好的识别性能,同时对目标速度具有稳健性。

弹道目标平动补偿与微多普勒特征提取方法

针对传统逆合成孔径雷达(ISAR)成像中的平动补偿方法并不适用于弹道目标平动补偿的问题,该文提出了一种弹道目标平动补偿与微多普勒(m-D)特征提取方法。在分析有翼弹道目标未完成平动补偿时的m-D效应的基础上,首先采用形态学中的骨架提取方法抑制1维距离像旁瓣,再在快时间频率(距离)-慢时间平面上搜索分离各散射点的m-D特征曲线,然后对其进行经验模式分解(EMD)分解,利用分解结果中的趋势项分量完成目标回波的平动补偿,并通过分析EMD分解结果获得了目标的自旋频率、锥旋频率等特征信息。仿真实验验证了所提方法的有效性与鲁棒性。

利用最强散射点信息的平动补偿与微多普勒提取

为了解决强噪声和平动调制下多散射点微多普勒提取问题,提出了一种基于最强散射点瞬时多普勒信息的平动补偿和微多普勒提取方法.该方法利用Viterbi算法提取最强散射点瞬时多普勒,根据多普勒率与微多普勒关系提取最强散射点的平动多普勒;通过对平动多普勒的多项式回归得到平动参数,进而重构平动信号,并对回波信号进行平动补偿;通过对补偿后信号时频面进行Hough变换正弦检测来提取各散射点的微多普勒参数.仿真实验结果验证了该方法的有效性和精确性.

弹道导弹目标微动特性的微多普勒分析与仿真研究

真假目标识别一直是反导系统中地基雷达(GBR)的技术难点,而基于弹道导弹目标微动特性的雷达识别是近来研究的热点。微多普勒是目标微动特性的一种表征,基于弹头和诱饵微动特性的差异,提取微多普勒特征可用于识别真假目标。首先介绍了弹头和诱饵的运动特性,然后建立了弹头和诱饵的微动模型,并进行了微多普勒理论分析和推导,最后通过仿真实验分别研究了微多普勒的多散射点和噪声污染的问题。仿真分析表明多点和噪声对微多普勒提取影响不大;同时指出以目标微多普勒的周期、频率最大值以及平面变化规律为特征可识别真假目标。

弹道目标中段平动补偿与微多普勒提取

弹道目标高速平动会使微多普勒产生平移、倾斜和折叠,必须进行补偿处理。针对弹道目标中段平动补偿问题,本文提出了一种基于多普勒极值点信息的平动参数提取和平动补偿方法。通过将平动近似为多项式描述,将微动等效为锥旋运动,推导了瞬时多普勒极值点与多项式参数和微动参数的关系。在此基础上,利用最小二乘参数辨识方法估计了平动参数,实现了平动补偿和微多普勒的高精度实时提取。仿真实验验证了本文算法的有效性。