多旋翼无人机微多普勒特性分析与特征提取

doi:10.7523/j.issn.2095-6134.2019.02.011

中国科学院大学学报 ›› 2019, Vol. 36 ›› Issue (2): 235-243.DOI: 10.7523/j.issn.2095-6134.2019.02.011

多旋翼无人机微多普勒特性分析与特征提取

马娇^1,2, 董勇伟^1,2, 李原¹, 李凌霄¹, 杨杰芳¹

1. 中国科学院电子学研究所微波成像技术国家重点实验室, 北京 100190;
2. 中国科学院大学, 北京 100049

收稿日期:2017-12-25 修回日期:2018-03-14 发布日期:2019-03-15
通讯作者: 董勇伟
基金资助:
国家重点研发计划项目（2017YFC0822400）资助

Multi-rotor UAV's micro-Doppler characteristic analysis and feature extraction

MA Jiao^1,2, DONG Yongwei^1,2, LI Yuan¹, LI Lingxiao¹, YANG Jiefang¹

1. National Key Laboratory of Microwave Imaging Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2017-12-25 Revised:2018-03-14 Published:2019-03-15

摘要/Abstract

摘要： 针对多旋翼无人机目标的识别问题，提出一种基于伽柏（Gabor）变换的瞬时频率估计与快速傅里叶变换（FFT）相结合的微多普勒特征提取算法。首先建立多旋翼无人机旋翼回波模型，并通过仿真分析叶片数目、旋翼转速和初始相位等参数对微多普勒特征的影响，利用Gabor变换得到时频特征。在此基础上通过瞬时频率极大值法提取微多普勒频率，并对瞬时频率采用FFT提取旋翼数和转动频率，从而获得叶片长度估计值。实测数据验证了该算法较为准确地提取无人机的微多普勒参数。

关键词: 目标识别, 无人机旋翼, 时频分析, 微多普勒, 参数估计

Abstract: In order to solve the problem of multi-rotor UAV target recognition, a micro-Doppler feature extraction algorithm based on Gabor transform is proposed by combining the instantaneous frequency estimation and fast Fourier transform(FFT). Firstly, the echo model of multi-rotor UAV is established, and the analysis of the influences of number of blades, rotor speed, and initial phase on the micro-Doppler characteristics is made by simulation. Then, Gabor transform is adopted to obtain time-frequency feature. Based on this, micro-Doppler frequency is extracted by the instantaneous frequency maximum value method, and the FFT of instantaneous frequency is used to extract rotor number and rotational frequency. With the above information, the length of the blade is calculated. Finally, the measured data for "Phantom 3S" show that the proposed algorithm extracts the micro-Doppler parameters accurately, indicating the effectiveness of the algorithm.

Key words: target recognition, UAV rotor, time-frequency analysis, micro-Doppler, parameter estimation

中图分类号:

TN957.51

马娇, 董勇伟, 李原, 李凌霄, 杨杰芳. 多旋翼无人机微多普勒特性分析与特征提取[J]. 中国科学院大学学报, 2019, 36(2): 235-243.

MA Jiao, DONG Yongwei, LI Yuan, LI Lingxiao, YANG Jiefang. Multi-rotor UAV's micro-Doppler characteristic analysis and feature extraction[J]. , 2019, 36(2): 235-243.

参考文献

[1] Hoffmann F, Ritchie M, Fioranelli F, et al. Micro-Doppler based detection and tracking of UAVs with multistatic radar[C]//IEEE Radar Conference, 2016:1-6.
[2] Chen V C, Li F, Ho S S, et al. Micro-Doppler effect in radar:phenomenon, model, and simulation study[J]. IEEE Transactions on Aerospace & Electronic Systems, 2006, 42(1):2-21.
[3] Jian M, Lu Z, Chen V C. Experimental study on radar micro-Doppler signatures of unmanned aerial vehicles[C]//Radar Conference, 2017:854-857.
[4] Wit J J M D,Harmanny R I A, Premel-Cabic G. Micro-Doppler analysis of small UAVs[C]//European Radar Conference, 2012:210-213.
[5] Nanzer J A, Chen V C. Microwave interferometric and Doppler radar measurements of a UAV[C]//Radar Conference, 2017:1628-1633.
[6] Robertson D A. Millimeter-wave micro-Doppler measurements of small UAVs[C]//SPIE Defense+Security, 2017:101880T.
[7] Govoni M A. Micro-Doppler signal decomposition of small commercial drones[C]//Radar Conference, 2017:425-429.
[8] Harmanny R I A, Wit J J M D, Cabic G P. Radar micro-Doppler feature extraction using the spectrogram and the cepstrogram[C]//European Radar Conference, 2014:165-168.
[9] Schröder A, Murk A, Aulenbacher U, et al. Numerical RCS and micro-Doppler analysis of a consumer UAV[C]//SPIE Security+Defence, 2016:999704.
[10] Fuhrmann L, Biallawons O, Klare J, et al. Micro-Doppler analysis and classification of UAVs at Ka band[C]//Radar Symposium (IRS), 201718th International, 2017:1-9.
[11] Chen V C. The micro-Doppler effect in radar[M]. Artech House, 2011:110-112.
[12] 陈永彬, 李少东, 杨军,等. 旋翼叶片回波建模与闪烁现象机理分析[J]. 物理学报, 2016, 65(13):281-291.
[13] 陈永彬, 李少东, 陈文峰,等. 直升机旋翼叶片回波建模与特性分析[J]. 空军预警学院学报, 2015, 29(5):322-327.
[14] 陈小龙, 关键, 于晓涵,等. 基于短时稀疏时频分布的雷达目标微动特征提取及检测方法[J]. 电子与信息学报, 2017, 39(5):1017-1023.
[15] 张义安, 张冬晨, 陈卫东,等. 基于局域波分解的机动目标ISAR成像[J]. 中国科学院研究生院学报, 2009, 26(4):483-489.
[16] 陈行勇,刘永祥,姜卫东等. 雷达目标微动分辨[J]. 系统工程与电子技术,2007, 3(29):361-364.
[17] 黄志星. 基于微多普勒的空间多目标特征提取与参数估计[D]. 成都:电子科技大学, 2014.
[18] 刘阳. 微型四旋翼无人飞行器的自主起降与安全飞行研究[D]. 北京:华北电力大学, 2015.

多旋翼无人机微多普勒特性分析与特征提取

Multi-rotor UAV's micro-Doppler characteristic analysis and feature extraction

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[2]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[3]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[4]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[5]	蔡昕芮, 王丽瑾. 随机微分方程的几种参数估计方法[J]. 中国科学院大学学报, 2017, 34(5): 529-537.
[6]	向卫力, 李晓辉, 周勇胜, 李传荣, 唐伶俐. 一种鲁棒的多尺度稀疏表示SAR目标识别方法[J]. 中国科学院大学学报, 2017, 34(1): 99-105.
[7]	马萌, 李道京, 潘舟浩, 杜剑波. 机载三基线干涉合成孔径雷达的系统参数估计[J]. 中国科学院大学学报, 2015, 32(6): 783-789.
[8]	赵超. 基于抗差算法的马斯京根参数估计[J]. 中国科学院大学学报, 2010, 27(4): 556-562.
[9]	孙显, 胡岩峰, 王宏琦. 基于主动式边界基元模型的多类目标识别方法[J]. 中国科学院大学学报, 2009, 26(4): 503-512.
[10]	胡可, 张大力. 一类广义隐马尔科夫模型的建模与参数估计(英文)[J]. 中国科学院大学学报, 2005, 22(2): 210-217.