基于序贯特征提取的无人机与飞鸟目标分类

伴随无人机的在各个领域的广泛应用,其给国家和地区带来的威胁也与日俱增,对其进行有效的预警和反制迫在眉睫。随着无人机技术的进步,无人机预警和反制的难度随之增加。全息凝视雷达相比于传统雷达,使用宽发窄收的波束设计和积累探测技术,使得其对“低慢小”目标探测更具优势,在对无人机准确识别的基础上可联动其他种类的反制设备对其进行精准有效的反制。由于鸟和无人机两类目标在运动轨迹和机动性存在一定的相似性,如何有效实现两类目标的分类识别是全息凝视雷达面临的典型问题。结合实时分类需要即时输出当前航迹点类属标签的同时拥有较低计算复杂度的需求,本文基于全息凝视雷达航迹多普勒数据,提出了一种优化的基于序贯特征提取的分类流程,应用到雷达系统中时可随着目标轨迹的延伸实时输出航迹点类属标签。基于序贯特征提取降低了特征提取的原始数据维度,增加了两类目标在序贯窗口内相似的概率,增加了两类目标识别的难度,需要在序贯窗内这种低维度原始数据中所提取能很好的反映目标特性的特征。设计速度相邻窗间的相关系数等6个特征用以描述序贯窗口内目标速度变化的程度、速度变化稳定性和轨迹变化的程度,根据特征分类显著性分析,除速度标准差之外的特征的分布都有较好的类间隔离度。基于以上方法,本文利用WKNN分类器,综合分类准确率达到92%。