CN107167801A - 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 - Google Patents
一种基于旋翼微多普勒特征的多旋翼无人机识别方法 Download PDFInfo
- Publication number
- CN107167801A CN107167801A CN201710335038.8A CN201710335038A CN107167801A CN 107167801 A CN107167801 A CN 107167801A CN 201710335038 A CN201710335038 A CN 201710335038A CN 107167801 A CN107167801 A CN 107167801A
- Authority
- CN
- China
- Prior art keywords
- mrow
- rotor
- aerial vehicle
- mover
- unmanned aerial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达目标识别技术领域,具体的说是涉及一种基于旋翼微多普勒特征的多旋翼无人机识别方法。本发明的技术方案,主要通过雷达探测多旋翼无人机,根据接收到的多旋翼无人机回波信号,提取旋翼的微多普勒特征,获得目标多旋翼无人机的旋翼数、旋翼的旋转速度和叶片长度等参数,从而实现识别多旋翼无人机。本发明的有益效果为,本发明的方法可以实现快速识别多旋翼无人机。
Description
技术领域
本发明属于雷达目标识别技术领域,具体的说是涉及一种基于旋翼微多普勒特征的多旋翼无人机识别方法。
背景技术
随着无人机技术的不断成熟和相关产品价格的大幅下降,各类型无人机已被应用于不同领域。于是在无人机为人们带来便利的同时,也成为了不法分子手中的犯罪工具。由于无人机监管控制措施的缺失,无人机滥用和违规飞行现象日趋严重。面对此类目标的威胁,目前尚无有效的检测与识别手段。
如今,多旋翼小型无人机不仅操控性简单,可以垂直起降,起飞后也可轻易在空中悬停,更具备了勤务性较高的优势,即当该类型无人机电机、电子调速器、电池、桨和机架损坏时,很容易替换零件等,比起其他固定翼无人机和直升机存在着巨大便捷,受到了越来越多消费者的青睐。而因其飞行高度多在1000米以下的低空区域,却加剧了低空空域的复杂环境,所以目前急需一种针对多旋翼小型无人机的发现与快速检测方法,但发现和定位低空多旋翼小型无人机目标却存在以下难点:
(1)多旋翼小型无人机空中飞行线路随意,大多不受空中交通法规限制;
(2)多旋翼小型无人机体积小,目标雷达截面积(Radar Cross Section,RCS)小,回波信号微弱,特别是在城市区域的复杂背景干扰下,目标极易被大量噪声所淹没;
(3)低空慢速飞行的多旋翼小型无人机具有很强的地杂波背景,使得对该类型无人机的探测变得极为困难;
由于上述原因,多旋翼小型无人机目标发现难、跟踪难、定位难等多项难题,而传统的发现定位系统已不再不适合检测和识别低空多旋翼小型无人机目标。
基于上述需求,目前急需研制针对多螺旋小型无人机目标的检测与识别技术。近年来,利用微动特征进行目标识别作为新兴的一个研究方向,得到了广泛的关注。目标微动特征,即除了目标主体的移动外,如果目标的其它部件还有摆动、转动或震动等,则这种运动将在目标回波信号上引起附加的频率调制。若将旋转旋翼叶片引起的多普勒调制视为目标无人机的一个独特特征,则可以通过对小型无人机目标进行快速识别。
发明内容
本发明所要解决的,就是针对上述问题,提供一种基于旋翼微多普勒特征的多旋翼无人机识别方法,解决现有低空空域缺乏针对多旋翼小型无人机的识别问题系。
本发明的技术方案为,一种基于旋翼微多普勒特征的多旋翼无人机识别方法,其特征在于,包括以下步骤:
S1、采用雷达对多旋翼无人机进行探测,设目标多旋翼无人机的旋翼数为M,每个旋翼的叶片数为N,则该M个旋翼的无人机产生的雷达回波信号为:
其中,Ri,i=0,...,M-1为第i+1个旋翼到雷达的距离,λ表示雷达发射波长,由于无人机旋翼之间的距离远小于无人机到雷达的距离,因此Ai可以近似为常数A;表示sinc函数;相位函数为:
式中,L为旋翼叶片的长度,为第i+1个旋翼的初始角,设无人机每个旋翼旋转角速度相等;Ω表示叶片的旋转角速度,β为俯仰角;
S2、根据接收到的回波信号获取目标多旋翼无人机的旋翼个数,具体为:
当雷达波束方向与叶片垂直时,sinc[φi,k(t)]=1,此时叶片回波信号将会出现周期性的峰值,将这种峰值设定为叶片“闪烁”现象,统计“闪烁”的次数Ncount,则可获得目标多旋翼无人机的旋翼的个数为:
同时可获得“闪烁”的周期为:
S3、根据获得的“闪烁”周期值△T,可获得目标多旋翼无人机旋翼的旋转速度为:
S4、根据获得的目标多旋翼无人机旋翼的旋转速度,获取目标多旋翼无人机旋翼的叶片长度,具体为:
将sinc[φi,k(t)]在短时间内看作常数,获得回波信号的瞬时频率为:
其中,为一个常系数,因此,多旋翼的微多普勒特征是多个正弦函数的叠加,且正弦函数的频率等于旋翼的旋转频率,根据旋翼叶片的微多普勒特征估计出最大多普勒,从而估计出叶片的长度:
其中,表示根据旋翼叶片的微多普勒特征估计出的最大多普勒,为旋翼的旋转角速度;通过估计多个波峰波谷多普勒的差值取平均对获取即:
其中,表示多个波峰的均值,表示多个波谷的均值。
本发明的技术方案,通过雷达探测多旋翼无人机,根据接收到的回波信号,获得目标多旋翼无人机的旋翼数、旋翼的旋转速度和叶片长度等特征值,从而实现识别多旋翼无人机。
本发明的有益效果为,本发明的方法可以实现快速识别多旋翼无人机。
附图说明
图1雷达与旋翼叶片模型示意图;
图2为目标多旋翼无人机的参数估计流程图;
图3为旋翼叶片回波信号时域特征;
图4为旋翼叶片的微多普勒特征。
具体实施方式
下面结合附图,详细描述本发明的技术方案:
本发明所采用的数学模型是:
当雷达发射点频信号时,雷达接收到的信号为:
式中c表示光速,f0表示雷达发射频点,如果不考虑俯仰角β和旋翼叶片的高度z0,有
如图1所示,Rp(t)表示t时刻旋翼上一点P到雷达的距离,其中R0表示雷达到旋翼中心的距离,lp表示P点到旋翼中心的距离,表示叶片的初始角,Ω表示叶片的旋转角速度。如果俯仰角β和旋翼高度z0不是0,则相应接收到解调后的基带信号为:
多旋翼无人机的叶片是一个刚体,假设旋翼叶片的长度为L(R0>>L),接收到总的基带信号是无人机旋翼叶片上每个散射点的叠加,因此在叶片的整个长度L上对上式做积分,得到总的基带信号为:
式中表示sinc函数。
一个具有N个叶片的旋翼产生的雷达回波是每个叶片产生雷达回波的叠加,同时,一个具有M个旋翼的无人机产生的雷达回波信号是每个旋翼产生雷达回波信号的叠加,因此该具有M个旋翼的无人机产生的雷达回波信号为
式中,Ri,i=0,...,M-1为第i+1个旋翼到雷达的距离,由于无人机旋翼之间的距离远小于无人机到雷达的距离,因此Ai可以近似为常数A;相位函数为:
式中,为第i+1个旋翼的初始角,并且这里假设无人机每个旋翼旋转角速度相等。
当雷达波束方向与叶片垂直时,sinc[φi,k(t)]=1。这时,叶片回波信号将会出现周期性的峰值,将这种峰值定义为叶片“闪烁”现象。因此,可以通过一个给定的阈值检测无人机。“闪烁”的周期为:
如果不考虑“闪烁”,sinc[φi,k(t)]随时间变化缓慢,在短时间内可以被当作常数,因此可以得到回波信号的瞬时频率为:
式中是一个常系数。因此,多旋翼的微多普勒特征是多个正弦函数的叠加,且正弦函数的频率等于旋翼的旋转频率。
目前,大多数市场上的多旋翼小型无人机中单个旋翼的叶片数大多固定为2叶片,如中国大疆科技、法国Parrot公司等生产的系列无人机。因此,只要统计出每个周期中出现闪烁的次数,就可以估计出多旋翼无人机旋翼的个数,即:
由式6可以知道,只要估计出“闪烁”出现的周期,就可以推出旋翼的旋转速度,如下式所示:
同时,由于无人机多个旋翼的微多普勒可以认为是每个旋翼所有叶片微多普勒的叠加,不改变其最大多普勒,而且,当叶片与雷达波束方向垂直时,叶片叶尖产生的多普勒是最大的。因此,可以根据旋翼叶片的微多普勒特征估计出最大多普勒,从而估计出叶片的长度,如下式所示:
式中,λ表示雷达发射波长,表示根据旋翼叶片的微多普勒特征估计出的最大多普勒,为前面估计出的旋翼的旋转角速度。由于STFT窗长和采样速率的影响,的估计总是存在误差,可以通过估计多个波峰波谷多普勒的差值取平均对进行估计,即:
式中,表示多个波峰的均值,表示多个波谷的均值。
多旋翼无人机的参数估计流程图如图2所示。
下面通过仿真来证明本发明技术方案的有效性,仿真参数如下表1:
表1多旋翼仿真参数
该信号的幅度图和时频图如图3和图4所示,图3为该信号的时域幅度特征,可以看出时域中周期性的出现“闪烁”现象,“闪烁”周期为0.1s,与式6相符。该回波信号的时频特征如图4所示,该时频特征利用短时傅里叶变换(STFT)得到,其中STFT所使用的汉明窗长度为64点。由图4可以看出,旋翼回波信号的微多普勒特征由最大幅度线和正弦信号组成,对比图3可知,微多普勒特征中的最大幅度线正好出现在“闪烁”出现的时刻,即回波主瓣内的频谱表现为最大幅度线,主瓣外表现为正弦信号,而且该正弦信号的频率和转动频率一致。
Claims (1)
1.一种基于旋翼微多普勒特征的多旋翼无人机识别方法,其特征在于,包括以下步骤:
S1、采用雷达对多旋翼无人机进行探测,设目标多旋翼无人机的旋翼数为M,每个旋翼的叶片数为N,则该M个旋翼的无人机产生的雷达回波信号为:
<mrow>
<msub>
<mi>s</mi>
<mi>&Sigma;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>N</mi>
<mo>,</mo>
<mi>M</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msub>
<mi>j&phi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mi>sin</mi>
<mi> </mi>
<mi>c</mi>
<mo>&lsqb;</mo>
<msub>
<mi>&phi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
其中,Ri,i=0,...,M-1为第i+1个旋翼到雷达的距离,λ表示雷达发射波长,由于无人机旋翼之间的距离远小于无人机到雷达的距离,因此Ai可以近似为常数A;表示sinc函数;相位函数为:
式中,L为旋翼叶片的长度,为第i+1个旋翼的初始角,设无人机每个旋翼旋转角速度相等;Ω表示叶片的旋转角速度,β为俯仰角;
S2、根据接收到的回波信号获取目标多旋翼无人机的旋翼个数,具体为:
当雷达波束方向与叶片垂直时,sin c[φi,k(t)]=1,此时叶片回波信号将会出现周期性的峰值,将这种峰值设定为叶片“闪烁”现象,统计“闪烁”的次数Ncount,则可获得目标多旋翼无人机的旋翼的个数为:
<mrow>
<mover>
<mi>M</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<msub>
<mi>N</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>u</mi>
<mi>n</mi>
<mi>t</mi>
</mrow>
</msub>
<mi>N</mi>
</mfrac>
</mrow>
同时可获得“闪烁”的周期为:
<mrow>
<mi>&Delta;</mi>
<mi>T</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>&Omega;</mi>
</mfrac>
</mrow>
S3、根据获得的“闪烁”周期值△T,可获得目标多旋翼无人机旋翼的旋转速度为:
<mrow>
<mover>
<mi>&Omega;</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>T</mi>
</mrow>
</mfrac>
</mrow>
S4、根据获得的目标多旋翼无人机旋翼的旋转速度,获取目标多旋翼无人机旋翼的叶片长度,具体为:
将sin c[φi,k(t)]在短时间内看作常数,获得回波信号的瞬时频率为:
其中,为一个常系数,因此,多旋翼的微多普勒特征是多个正弦函数的叠加,且正弦函数的频率等于旋翼的旋转频率,根据旋翼叶片的微多普勒特征估计出最大多普勒,从而估计出叶片的长度:
<mrow>
<mover>
<mi>L</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&lambda;f</mi>
<mrow>
<mi>m</mi>
<mi>D</mi>
</mrow>
<mi>max</mi>
</msubsup>
</mrow>
<mrow>
<mn>2</mn>
<mover>
<mi>&Omega;</mi>
<mo>^</mo>
</mover>
</mrow>
</mfrac>
</mrow>
其中,表示根据旋翼叶片的微多普勒特征估计出的最大多普勒,为旋翼的旋转角速度;通过估计多个波峰波谷多普勒的差值取平均对获取即:
<mrow>
<msubsup>
<mover>
<mi>f</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>D</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>D</mi>
</mrow>
<mrow>
<mi>p</mi>
<mi>e</mi>
<mi>a</mi>
<mi>k</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>D</mi>
</mrow>
<mrow>
<mi>v</mi>
<mi>a</mi>
<mi>l</mi>
<mi>l</mi>
<mi>e</mi>
<mi>y</mi>
</mrow>
</msubsup>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
其中,表示多个波峰的均值,表示多个波谷的均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710335038.8A CN107167801B (zh) | 2017-05-12 | 2017-05-12 | 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710335038.8A CN107167801B (zh) | 2017-05-12 | 2017-05-12 | 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107167801A true CN107167801A (zh) | 2017-09-15 |
CN107167801B CN107167801B (zh) | 2019-04-26 |
Family
ID=59814865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710335038.8A Active CN107167801B (zh) | 2017-05-12 | 2017-05-12 | 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107167801B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108089171A (zh) * | 2018-02-07 | 2018-05-29 | 成都电科智达科技有限公司 | 一种针对无人机目标的雷达快速检测方法 |
CN108181623A (zh) * | 2017-11-29 | 2018-06-19 | 山东航天电子技术研究所 | 一种基于积累等效三点法的旋翼目标微多普勒检测方法 |
CN108957443A (zh) * | 2018-07-16 | 2018-12-07 | 北京航空航天大学 | 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法 |
CN110133600A (zh) * | 2019-06-17 | 2019-08-16 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN110389325A (zh) * | 2019-07-17 | 2019-10-29 | 中北大学 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
CN110488237A (zh) * | 2019-08-01 | 2019-11-22 | 浙江大学 | 一种基于调频连续波雷达对无人机旋翼数目进行分类的方法 |
CN110806205A (zh) * | 2019-10-30 | 2020-02-18 | 华中科技大学 | 一种基于无源射频标签的微型无人机导航方法 |
CN110850386A (zh) * | 2019-11-20 | 2020-02-28 | 中北大学 | 一种基于分数阶域特征的旋翼类无人机深度学习识别方法 |
CN111007871A (zh) * | 2019-11-29 | 2020-04-14 | 厦门大学 | 无人机动态特征识别方法、介质、设备及装置 |
CN111198358A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于相关检测的多旋翼无人机回波积累方法 |
CN111198359A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于目标多普勒宽度的旋翼无人机检测方法 |
CN111796247A (zh) * | 2020-06-15 | 2020-10-20 | 哈尔滨工业大学 | 一种基于微多普勒效应的群组无人机回波仿真方法 |
TWI727694B (zh) * | 2020-03-05 | 2021-05-11 | 國家中山科學研究院 | 雷達回波特徵擷取系統與方法 |
CN113344033A (zh) * | 2021-05-17 | 2021-09-03 | 电子科技大学 | 一种旋翼无人机与飞鸟目标分类中的判别特征提取方法 |
CN113466824A (zh) * | 2021-09-06 | 2021-10-01 | 成都锐芯盛通电子科技有限公司 | 基于二维相控阵雷达的无人机识别方法 |
CN113702969A (zh) * | 2021-08-20 | 2021-11-26 | 中北大学 | 基于自适应stft方法的微多普勒信号参数估计方法 |
CN116027336A (zh) * | 2023-01-12 | 2023-04-28 | 深圳职业技术学院 | 一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330784A (zh) * | 2014-11-19 | 2015-02-04 | 西安电子科技大学 | 基于旋翼物理参数估计实现飞机目标分类的方法 |
CN104865569A (zh) * | 2015-05-29 | 2015-08-26 | 武汉大学 | 一种基于单频网外辐射源雷达的飞机目标识别方法 |
CN104931949A (zh) * | 2015-06-15 | 2015-09-23 | 中国民航大学 | 雷达扫描模式下风轮机杂波背景下飞机目标检测方法 |
CN106501799A (zh) * | 2016-10-19 | 2017-03-15 | 成都电科智达科技有限公司 | 一种用于多旋翼小型无人机的探测与定位装置 |
-
2017
- 2017-05-12 CN CN201710335038.8A patent/CN107167801B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330784A (zh) * | 2014-11-19 | 2015-02-04 | 西安电子科技大学 | 基于旋翼物理参数估计实现飞机目标分类的方法 |
CN104865569A (zh) * | 2015-05-29 | 2015-08-26 | 武汉大学 | 一种基于单频网外辐射源雷达的飞机目标识别方法 |
CN104931949A (zh) * | 2015-06-15 | 2015-09-23 | 中国民航大学 | 雷达扫描模式下风轮机杂波背景下飞机目标检测方法 |
CN106501799A (zh) * | 2016-10-19 | 2017-03-15 | 成都电科智达科技有限公司 | 一种用于多旋翼小型无人机的探测与定位装置 |
Non-Patent Citations (3)
Title |
---|
CHEN YONGBIN ETAL: "Research on micro-motion modulation characteristics of multi-rotor aircraft"s rotors", 《2016 CIE INTERNATIONAL CONFERENCE ON RADAR (RADAR)》 * |
陈永彬 等: "旋翼叶片回波建模与闪烁现象机理分析", 《物理学报》 * |
陈鹏 等: "双旋翼直升机旋翼的微多普勒特性分析", 《火力与指挥控制》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181623A (zh) * | 2017-11-29 | 2018-06-19 | 山东航天电子技术研究所 | 一种基于积累等效三点法的旋翼目标微多普勒检测方法 |
CN108181623B (zh) * | 2017-11-29 | 2020-03-17 | 山东航天电子技术研究所 | 一种基于积累等效三点法的旋翼目标微多普勒检测方法 |
CN108089171B (zh) * | 2018-02-07 | 2019-09-13 | 成都电科智达科技有限公司 | 一种针对无人机目标的雷达快速检测方法 |
CN108089171A (zh) * | 2018-02-07 | 2018-05-29 | 成都电科智达科技有限公司 | 一种针对无人机目标的雷达快速检测方法 |
CN108957443A (zh) * | 2018-07-16 | 2018-12-07 | 北京航空航天大学 | 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法 |
CN108957443B (zh) * | 2018-07-16 | 2022-07-05 | 北京航空航天大学 | 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法 |
CN110133600A (zh) * | 2019-06-17 | 2019-08-16 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN110133600B (zh) * | 2019-06-17 | 2022-11-04 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN110389325A (zh) * | 2019-07-17 | 2019-10-29 | 中北大学 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
CN110389325B (zh) * | 2019-07-17 | 2022-11-04 | 中北大学 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
CN110488237B (zh) * | 2019-08-01 | 2021-05-07 | 浙江大学 | 一种基于调频连续波雷达对无人机旋翼数目进行分类的方法 |
CN110488237A (zh) * | 2019-08-01 | 2019-11-22 | 浙江大学 | 一种基于调频连续波雷达对无人机旋翼数目进行分类的方法 |
CN110806205A (zh) * | 2019-10-30 | 2020-02-18 | 华中科技大学 | 一种基于无源射频标签的微型无人机导航方法 |
CN110806205B (zh) * | 2019-10-30 | 2021-07-27 | 华中科技大学 | 一种基于无源射频标签的微型无人机导航方法 |
CN110850386B (zh) * | 2019-11-20 | 2023-04-18 | 中北大学 | 一种基于分数阶域特征的旋翼类无人机深度学习识别方法 |
CN110850386A (zh) * | 2019-11-20 | 2020-02-28 | 中北大学 | 一种基于分数阶域特征的旋翼类无人机深度学习识别方法 |
CN111007871A (zh) * | 2019-11-29 | 2020-04-14 | 厦门大学 | 无人机动态特征识别方法、介质、设备及装置 |
CN111007871B (zh) * | 2019-11-29 | 2022-04-29 | 厦门大学 | 无人机动态特征识别方法、介质、设备及装置 |
CN111198359A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于目标多普勒宽度的旋翼无人机检测方法 |
CN111198358A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于相关检测的多旋翼无人机回波积累方法 |
CN111198358B (zh) * | 2020-01-11 | 2022-06-03 | 桂林电子科技大学 | 一种基于相关检测的多旋翼无人机回波积累方法 |
TWI727694B (zh) * | 2020-03-05 | 2021-05-11 | 國家中山科學研究院 | 雷達回波特徵擷取系統與方法 |
CN111796247A (zh) * | 2020-06-15 | 2020-10-20 | 哈尔滨工业大学 | 一种基于微多普勒效应的群组无人机回波仿真方法 |
CN111796247B (zh) * | 2020-06-15 | 2024-03-26 | 哈尔滨工业大学 | 一种基于微多普勒效应的群组无人机回波仿真方法 |
CN113344033B (zh) * | 2021-05-17 | 2022-05-17 | 电子科技大学 | 一种旋翼无人机与飞鸟目标分类中的判别特征提取方法 |
CN113344033A (zh) * | 2021-05-17 | 2021-09-03 | 电子科技大学 | 一种旋翼无人机与飞鸟目标分类中的判别特征提取方法 |
CN113702969A (zh) * | 2021-08-20 | 2021-11-26 | 中北大学 | 基于自适应stft方法的微多普勒信号参数估计方法 |
CN113702969B (zh) * | 2021-08-20 | 2023-08-18 | 中北大学 | 基于自适应stft方法的微多普勒信号参数估计方法 |
CN113466824B (zh) * | 2021-09-06 | 2021-11-26 | 成都锐芯盛通电子科技有限公司 | 基于二维相控阵雷达的无人机识别方法 |
CN113466824A (zh) * | 2021-09-06 | 2021-10-01 | 成都锐芯盛通电子科技有限公司 | 基于二维相控阵雷达的无人机识别方法 |
CN116027336A (zh) * | 2023-01-12 | 2023-04-28 | 深圳职业技术学院 | 一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107167801B (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167801B (zh) | 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 | |
CN104865569B (zh) | 一种基于单频网外辐射源雷达的飞机目标识别方法 | |
CN104931949B (zh) | 雷达扫描模式下风轮机杂波背景下飞机目标检测方法 | |
de Wit et al. | Micro-Doppler analysis of small UAVs | |
CN108957443B (zh) | 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法 | |
CN103439697B (zh) | 基于动态规划的目标检测方法 | |
CN107783133B (zh) | 毫米波雷达的固定翼无人机防撞系统及防撞方法 | |
CN108344982B (zh) | 基于长时间相参积累的小型无人机目标雷达检测方法 | |
CN106885918B (zh) | 一种面向多旋翼飞行器的多信息融合实时风速估计方法 | |
Cilliers et al. | Helicopter parameter extraction using joint time-frequency and tomographic techniques | |
CN103246203B (zh) | 一种基于gps的微小型四旋翼无人机速度状态预测方法 | |
CN102798855A (zh) | 一种基于数字电视信号的直升机目标识别方法 | |
CN102621536B (zh) | 基于relax的空中多机动目标检测与参数估计方法 | |
CN104007424A (zh) | 基于时频分析的机动目标检测方法 | |
CN105676204A (zh) | 基于雷达高分辨距离像的旋转微多普勒频率估计方法 | |
Zhou et al. | Detection and tracking of a UAV via hough transform | |
CN109870693A (zh) | 一种风力涡轮机杂波检测方法 | |
Lu et al. | Enhanced visibility of maneuvering targets for high-frequency over-the-horizon radar | |
CN109116359B (zh) | 一种机载雷达低空风切变风场回波风速的估计方法 | |
CN107783090B (zh) | 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法 | |
CN113311398A (zh) | 强杂波复杂背景高机动弱小目标的跟踪方法 | |
Cai et al. | Radar recognition of multi-propeller drones using micro-Doppler linear spectra | |
CN107643515A (zh) | 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法 | |
CN111796247B (zh) | 一种基于微多普勒效应的群组无人机回波仿真方法 | |
Herr et al. | UAV micro-Doppler signature analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |