CN110389325A - 一种旋翼无人机的雷达微多普勒信号提取方法 - Google Patents
一种旋翼无人机的雷达微多普勒信号提取方法 Download PDFInfo
- Publication number
- CN110389325A CN110389325A CN201910647077.0A CN201910647077A CN110389325A CN 110389325 A CN110389325 A CN 110389325A CN 201910647077 A CN201910647077 A CN 201910647077A CN 110389325 A CN110389325 A CN 110389325A
- Authority
- CN
- China
- Prior art keywords
- signal
- formula
- micro
- doppler
- unit
- 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
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种旋翼无人机的雷达微多普勒信号提取方法,属于目标信号检测技术领域,为了对旋翼无人机的回波信号进行时频分析,并提高运算的效率。本方法首先对信号进行分数阶傅里叶变换处理,接着信号进行滤波处理;其次,对处理后的结果进行逆分数阶傅里叶变换、自然对数变换、傅里叶变换方法进行微多普勒信号频率参数的估计;最后,利用不同采样间隔处理方法实现多分量微多普勒信号的检测。本发明可以大幅度降低机体多普勒频率对旋翼微多普勒频率的影响,同时可完成对多个微多普勒分量信号的快速检测,本发明在无人机分类和识别方面具有较大的应用价值。
Description
技术领域
本发明属于目标信号检测技术领域,具体涉及的是一种利用微多普勒信号完成对旋翼无人机的雷达微多普勒信号特征的提取方法。
背景技术
民用无人机分为旋翼和固定翼两类,其中固定翼无人机的回波信号与普通目标回波信号形式类似,旋翼无人机的回波信号除了包含机体产生的多普勒频谱,还包含旋翼产生的微多普勒频谱,微多普勒信号的回波信号强度一般低于机体产生的回波信号强度,如果直接对其进行时频分析,难以进行准确的参数估计。
目前,常用的方法为多普勒补偿后进行滤波处理,但需要搜索目标的速度和加速度信息,运算量很大。
发明内容
为了对旋翼无人机的回波信号进行时频分析,并提高运算的效率,本发明提供一种旋翼无人机的雷达微多普勒信号提取方法,采用直接对回波信号进行分数阶傅里叶变换,然后对分数阶傅里叶变换域的最大值信号进行滤波、降采样处理,接着对降采样处理后的信号进行微多普勒特征参数提取,获得旋翼无人机的雷达微多普勒信号。
本发明通过以下技术方案予以实现。
一种旋翼无人机的雷达微多普勒信号提取方法,包括以下步骤:
S1:检测的无人机雷达回波信号的离散形式为:
在公式(1)中,A0,Ap,δp表示信号不同分量的幅度,单位为伏特,其中p∈[1,P],P为总目标数;f0为机体回波信号频率,单位为赫兹;fp为不同旋翼回波信号微多普勒频率,单位为赫兹;k为机体回波信号调频率,单位为赫兹/秒;n为信号采样点数,n∈[1,N],N为总点数,单位为个;Ts为信号采样间隔,单位为秒;snoise为高斯白噪声;j代表虚部符号;
S2:对步骤S1中公式(1)进行分数阶傅里叶变换,获得公式(2)如下:
y2=FRFT(y1) (2);
S3:对步骤S2中公式(2)结果进行最大值查询,记录最大值对应的频率点位置C,并将C左右5点进行置零操作,获得公式(3)如下:
y2(C-5:C+5)=0 (3);
S4:对步骤S3中公式(3)进行分数阶逆傅里叶变换,并对其结果进行降采样处理,获得公式(4)、公式(5)如下:
y3=IFRFT(y2) (4);
y4=y3(1:Δn:N)Ts (5);
公式(5)中Δn为采样点间隔,单位为个;N为采样总点数,单位为个,Ts为信号采样间隔,单位为秒;
S5:对步骤S4中公式(5)进行自然对数变换,获得公式(6)如下:
y5=ln(y4) (6);
公式(6)中ln(·)为自然对数函数;
S6:对步骤S5中公式(6)进行共轭运算和自然对数变换,并将变换后结果与公式(6)进行求和运算,获得公式(7)如下:
y6=y5+ln[conj(y4)] (7);
公式(7)中conj(·)为共轭函数;
S7:将步骤S6中2y5的傅里叶变换与y6的傅里叶变换进行相减运算,获得公式(8)如下:
y7=FFT(2y5)-FFT(y6) (8);
S8:对步骤S7中公式(8)设置噪声门限TH,并对其进行逆傅里叶变换,获得公式(9)、公式(10)如下:
y8=IFFT(y7) (10);
公式(10)处理结果即为信号y1中微多普勒信号的时域形式。
进一步地,所述步骤S2中的分数阶傅里叶变换中的阶次搜索范围为[0:0.1:2]。
进一步地,所述S4中的Δn选取准则为:
公式(11)中,fpmax为所有fp中最大的频率,fp为不同旋翼回波信号微多普勒频率,单位为赫兹;利用Δn的不同取值,重复步骤S4到步骤S8,可获得多组目标位置点,取公共目标位置点为真正的目标。
进一步地,所述步骤S8中,TH的取值满足恒虚警概率小于等于10-3。
与现有技术相比,本发明的有益效果为:
1、本发明针对旋翼无人机的回波信号进行分析,提出通过分数阶傅里叶变换对机体信号的多普勒频谱进行滤波处理,接着利用降采样处理、自然对数处理,将微多普勒信号的相位转换为正弦信号进行傅里叶变换分析,可提高目标微多普勒信号的频率估计精度;
2、本发明针对微多普勒信号,首先将机体目标产生的多普勒频谱滤除,可大大提高旋翼产生的微多普勒信号检测概率;
3、本发明方法中降采样处理考虑了采样频率和相位模糊问题,可提高多分量微多普勒信号的频率估计精度。
附图说明
本发明的说明书附图共有11幅:
图1为本发明中旋翼无人机的雷达微多普勒信号提取方法结构示意图;
图2为单分量微多普勒信号时,傅里叶变换(FFT)检测结果示意图;
图3为单分量微多普勒信号时,分数阶傅里叶变换(FRFT)检测结果示意图;
图4为单分量微多普勒信号时,经过步骤S1到步骤S8处理后的检测结果示意图;
图5为δ1=4,△n=5时,单分量微多普勒信号经过步骤S1到步骤S8处理后的检测结果示意图;
图6为δ1=4,△n=10时,单分量微多普勒信号经过步骤S1到步骤S8处理后的检测结果示意图;
图7为双分量微多普勒信号时,经过步骤S1到步骤S8处理后的检测结果示意图;
图8为信号2频率为2.5赫兹,δp为1时,双分量微多普勒信号经过步骤S1到步骤S8处理后的检测结果示意图;
图9为信号2频率为2.5赫兹,δp为3时,双分量微多普勒信号经过步骤S1到步骤S8处理后的检测结果示意图;
图10为信号2频率为3赫兹,δp为1时,双分量微多普勒信号经过步骤S1到步骤S8处理后的检测结果示意图;
图11为信号2频率为3赫兹,δp为3时,双分量微多普勒信号经过步骤1到步骤8处理后的检测结果示意图。
在上述各图中均采用了统一标号,即同一物件在各图中采用用同一标号。
图中:1.对信号进行傅里叶变换(FFT),Y轴:所分析信号的傅里叶变换幅度,单位为伏特;2.对信号进行傅里叶变换(FFT),X轴:所分析信号在傅里叶变换域的频率大小,单位为赫兹;3.所分析信号中机体分量的傅里叶变换幅度,单位为伏特;4.所分析信号中一部分微多普勒信号分量的傅里叶变换幅度,单位为伏特;5.所分析信号中另一部分微多普勒信号分量的傅里叶变换幅度,单位为伏特;6.对信号进行分数阶傅里叶变换(FRFT),Y轴:所分析信号的分数阶傅里叶变换幅度,单位为伏特;7.对信号进行分数阶傅里叶变换(FRFT),X轴:所分析信号在分数阶傅里叶变换域的频率大小,单位为赫兹;8.所分析信号中机体分量的分数阶傅里叶变换幅度,单位为伏特;9.所分析信号中微多普勒信号分量的分数阶傅里叶变换幅度,单位为伏特;10.所分析信号中微多普勒信号分量的傅里叶变换幅度,单位为伏特;11.Δn=5时,所分析信号中微多普勒信号分量的傅里叶变换幅度,单位为伏特;12.Δn=5时,所分析信号中干扰信号分量的傅里叶变换幅度,单位为伏特;13.Δn=10时,所分析信号中微多普勒信号分量的傅里叶变换幅度,单位为伏特;14.Δn=10时,所分析信号中干扰信号分量的傅里叶变换幅度,单位为伏特;15.所分析信号中微多普勒信号分量1的傅里叶变换幅度,单位为伏特;16.所分析信号中微多普勒信号分量2的傅里叶变换幅度,单位为伏特;17.信号2频率为2.5赫兹,δp为1时,微多普勒信号分量1的傅里叶变换幅度,单位为伏特;18.信号2频率为2.5赫兹,δp为1时,微多普勒信号分量2的傅里叶变换幅度,单位为伏特;19.信号2频率为2.5赫兹,δp为3时,微多普勒信号分量1的傅里叶变换幅度,单位为伏特;20.信号2频率为3赫兹,δp为1时,微多普勒信号分量1的傅里叶变换幅度,单位为伏特;21.信号2频率为3赫兹,δp为1时,微多普勒信号分量2的傅里叶变换幅度,单位为伏特;22.信号2频率为3赫兹,δp为3时,微多普勒信号分量1的傅里叶变换幅度,单位为伏特;23.信号2频率为3赫兹,δp为3时,微多普勒信号分量2的傅里叶变换幅度,单位为伏特。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细描述。
实施例一
如图1至图4所示的一种旋翼无人机的雷达微多普勒信号提取方法,包括以下步骤:
S1:检测的无人机雷达回波信号的离散形式为:
在公式(1)中,A0,Ap,δp表示信号不同分量的幅度,单位为伏特,其中p∈[1,P],P为总目标数;f0为机体回波信号频率,单位为赫兹;fp为不同旋翼回波信号微多普勒频率,单位为赫兹;k为机体回波信号调频率,单位为赫兹/秒;n为信号采样点数,n∈[1,N],N为总点数,单位为个;Ts为信号采样间隔,单位为秒;snoise为高斯白噪声;j代表虚部符号。
本实施例一中P=1;A0=5,A1=1,δ1=3,单位为伏特;f0=10Hz,f1=2Hz;k=0.5赫兹/秒;N=2000个;Ts为信号采样间隔,Ts=0.01秒;snoise是幅值为1的高斯白噪声。
S2:对步骤S1中公式(1)进行分数阶傅里叶变换(FRFT),获得公式(2)如下:
y2=FRFT(y1) (2);
公式(2)中的FRFT中的阶次搜索范围为[0:0.1:2]。
S3:对步骤S2中公式(2)结果进行最大值查询,记录最大值对应的频率点位置C,并将C左右5点进行置零操作,获得公式(3)如下:
y2(C-5:C+5)=0 (3);
公式(3)中C=1561。
S4:对步骤S3中公式(3)进行分数阶逆傅里叶变换(IFRFT),并对其结果进行降采样处理,获得公式(4)、公式(5)如下:
y3=IFRFT(y2) (4);
y4=y3(1:Δn:N)Ts (5);
公式(5)中Δn为采样点间隔,单位为个;N为采样总点数,单位为个,Ts为信号采样间隔,单位为秒;Δn的选取准则为:
公式(5)中Δn=10,满足公式(11)的要求,即
S5:对步骤S4中公式(5)进行自然对数变换,获得公式(6)如下:
y5=ln(y4) (6);
公式(6)中ln(·)为自然对数函数;
S6:对步骤S5中公式(6)进行共轭运算和自然对数变换,并将变换后结果与公式(6)进行求和运算,获得公式(7)如下:
y6=y5+ln[conj(y4)] (7);
公式(7)中conj(·)为共轭函数;
S7:将步骤S6中2y5的傅里叶变换(FFT)与y6的傅里叶变换进行相减运算,获得公式(8)如下:
y7=FFT(2y5)-FFT(y6) (8);
S8:对步骤S7中公式(8)设置噪声门限TH,并对其进行逆傅里叶变换,获得公式(9)、公式(10)如下:
公式(10)中TH=50,TH的取值满足恒虚警概率小于等于10-3;
y8=IFFT(y7) (10);
公式(10)处理结果即为信号y1中微多普勒信号的时域形式。
实际处理中,为了降低信号间的干扰影响,可利用Δn的不同取值,重复步骤S4到步骤S8,取公共目标位置点为真正的目标,可提高微多普勒信号的检测概率。
本实施例一种一种旋翼无人机的雷达微多普勒信号提取方法具体按照图1的总体实现框图给出了重要步骤的仿真示意结果。
图1为总体实现框图,图2给出了信号的FFT结果,图3给出了信号的FRFT结果,图4给出了信号经过步骤3-步骤8的处理结果,对比图2,图3结果,可以得到信号经过图FRFT处理后,目标能量得到了积累,对比图3、图4结果,可以得到经过FRFT域置零操作后,剩余信号为比较纯净的微多普勒信号的频谱,根据图4计算得到信号的频率为2赫兹,这与初始值相吻合。
实施例二
本实施例二提供的一种旋翼无人机的雷达微多普勒信号提取方法,具体情况由图1、图5、图6联合示出。
本实施例二中一种旋翼无人机的雷达微多普勒信号提取方法具体实施步骤如实施例一中所述的共S1~S8八个步骤,其检测过程也如图1中所述的共8个过程,在本实施例二中不再重述。
本实施例二在实施例一基础上,进一步验证本发明方法中Δn对微多普勒信号频率估计效果的情况,本实施例二与实施例一的信号提取方法不同点有:
1.所述的步骤S1中A0=5,A1=2,δ1=4;
2.所述的步骤四中Δn分别为5和10;
3.所述的步骤S8中TH=100。
根据实施例一的步骤进行处理后,图5为Δn=5时目标的微多普勒信号频率检测结果,图6为Δn=10时目标的微多普勒信号频率检测结果,对比图5、图6的结果,取其2组目标位置点的公共位置点,可以得出目标的频率位置点为40,对应的频率大小为2赫兹,这与初始值相同,验证了本发明方法中利用Δn的不同取值,可去除干扰信号,提高对目标信号的检测概率。
本实施例二中提供的一种旋翼无人机的雷达微多普勒信号提取方法其余未述的,全同于实施例一中所述的,在此不再重述。
实施例三
本实施例三提供的一种旋翼无人机的雷达微多普勒信号提取方法,具体情况由图1、图7联合示出。
本实施例三中一种旋翼无人机的雷达微多普勒信号提取方法具体实施步骤如实施例一中所述的共S1~S8八个步骤,其检测过程也如图1中所述的共8个过程,在本实施例三中不再重述。
本实施例三在实施例一和实施例二的基础上,进一步验证本发明方法对多分量信号的检测情况,本实施例三与实例一和实施例二的信号提取方法不同点有:
1.所述的步骤S1中目标信号个数为p=2,信号1微多普勒频率为2赫兹,信号2微多普勒频率为4赫兹;
2.所述的步骤S8中TH为30。
根据实施例一的步骤进行处理后,图7为目标的微多普勒信号频率检测结果,由图7结果可获得目标微多普勒信号频率分别为2赫兹,4赫兹,这与初始设置相同,验证了本发明方法中对多目标信号检测的有效性。
本实施例三中提供的一种旋翼无人机的雷达微多普勒信号提取方法其余未述的,全同于实施例一和实施例二中所述的,在此不再重述。
实施例四
本实施例四提供的一种旋翼无人机的雷达微多普勒信号提取方法,具体情况由图1、图7联合示出。
本实施例四中一种旋翼无人机的雷达微多普勒信号提取方法具体实施步骤如实施例一中所述的共S1~S8八个步骤,其检测过程也如图1中所述的共8个过程,在本实施例四中不再重述。
本实施例四在实施例一至实施例三的基础上,进一步验证本发明方法中微多普勒信号幅度对频率分辨率的影响情况,本实施例四与实例一至实施例三的信号提取方法不同点有:
1.所述的步骤S1中目标信号个数为p=2,信号1频率为2赫兹,信号2频率分别为2.5赫兹,3赫兹,δp分别为1,3。
根据实施例一的步骤进行处理后,获得目标微多普勒信号频率检测结果,图8是信号2频率为2.5赫兹,δp为1时的检测结果;图9是信号2频率为2.5赫兹,δp为3时的检测结果;图10是信号2频率为3赫兹,δp为1时的检测结果;图11是信号2频率为3赫兹,δp为3时的检测结果。对比图9和图11可获得,两信号频率差越小,估计的结果越容易受到影响,对比图8和图9,图10和图11可获得,δp越大,信号估计结果越差,验证了本发明方法对多分量信号检测效果的影响因素。
本实施例四中提供的一种旋翼无人机的雷达微多普勒信号提取方法其余未述的,全同于实施例一至实施例三中所述的,在此不再重述。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种旋翼无人机的雷达微多普勒信号提取方法,其特征在于包括以下步骤:
S1:检测的无人机雷达回波信号的离散形式为:
在公式(1)中,A0,Ap,δp表示信号不同分量的幅度,单位为伏特,其中p∈[1,P],P为总目标数;f0为机体回波信号频率,单位为赫兹;fp为不同旋翼回波信号微多普勒频率,单位为赫兹;k为机体回波信号调频率,单位为赫兹/秒;n为信号采样点数,n∈[1,N],N为总点数,单位为个;Ts为信号采样间隔,单位为秒;snoise为高斯白噪声;j代表虚部符号;
S2:对步骤S1中公式(1)进行分数阶傅里叶变换,获得公式(2)如下:
y2=FRFT(y1) (2);
S3:对步骤S2中公式(2)结果进行最大值查询,记录最大值对应的频率点位置C,并将C左右5点进行置零操作,获得公式(3)如下:
y2(C-5:C+5)=0 (3);
S4:对步骤S3中公式(3)进行分数阶逆傅里叶变换,并对其结果进行降采样处理,获得公式(4)、公式(5)如下:
y3=IFRFT(y2) (4);
y4=y3(1:Δn:N)Ts (5);
公式(5)中Δn为采样点间隔,单位为个;N为采样总点数,单位为个,Ts为信号采样间隔,单位为秒;
S5:对步骤S4中公式(5)进行自然对数变换,获得公式(6)如下:
y5=ln(y4) (6);
公式(6)中ln(·)为自然对数函数;
S6:对步骤S5中公式(6)进行共轭运算和自然对数变换,并将变换后结果与公式(6)进行求和运算,获得公式(7)如下:
y6=y5+ln[conj(y4)] (7);
公式(7)中conj(·)为共轭函数;
S7:将步骤S6中2y5的傅里叶变换与y6的傅里叶变换进行相减运算,获得公式(8)如下:
y7=FFT(2y5)-FFT(y6) (8);
S8:对步骤S7中公式(8)设置噪声门限TH,并对其进行逆傅里叶变换,获得公式(9)、公式(10)如下:
y8=IFFT(y7) (10);
公式(10)处理结果即为信号y1中微多普勒信号的时域形式。
2.根据权利要求1所述的一种旋翼无人机的雷达微多普勒信号提取方法,其特征在于:所述步骤S2中的分数阶傅里叶变换中的阶次搜索范围为[0:0.1:2]。
3.根据权利要求1所述的一种旋翼无人机的雷达微多普勒信号提取方法,其特征在于:所述S4中的Δn选取准则为:
公式(11)中,fpmax为所有fp中最大的频率,fp为不同旋翼回波信号微多普勒频率,单位为赫兹;利用Δn的不同取值,重复步骤S4到步骤S8,可获得多组目标位置点,取公共目标位置点为真正的目标。
4.根据权利要求1所述的一种旋翼无人机的雷达微多普勒信号提取方法,其特征在于:所述步骤S8中,TH的取值满足恒虚警概率小于等于10-3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910647077.0A CN110389325B (zh) | 2019-07-17 | 2019-07-17 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910647077.0A CN110389325B (zh) | 2019-07-17 | 2019-07-17 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110389325A true CN110389325A (zh) | 2019-10-29 |
CN110389325B CN110389325B (zh) | 2022-11-04 |
Family
ID=68285006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910647077.0A Active CN110389325B (zh) | 2019-07-17 | 2019-07-17 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110389325B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN112559973A (zh) * | 2021-02-25 | 2021-03-26 | 中国人民解放军空军预警学院 | 基于STFrFT的自适应多分量线性调频信号参数估计方法 |
CN112965039A (zh) * | 2021-02-03 | 2021-06-15 | 西京学院 | 一种风轮机叶片多普勒频移分析方法 |
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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102725652A (zh) * | 2009-10-22 | 2012-10-10 | 丰田自动车欧洲股份有限公司 | 使用相位信息的亚毫米雷达 |
CN104656069A (zh) * | 2013-11-25 | 2015-05-27 | 北京环境特性研究所 | 一种目标微多普勒信号分离方法 |
WO2016176600A1 (en) * | 2015-04-30 | 2016-11-03 | Google Inc. | Rf-based micro-motion tracking for gesture tracking and recognition |
US20170052596A1 (en) * | 2015-08-19 | 2017-02-23 | Nxp B.V. | Detector |
US20170094665A1 (en) * | 2014-06-06 | 2017-03-30 | Huawei Technologies Co., Ltd. | Method and system for compensating for doubly selective channel and related apparatus |
CN106789768A (zh) * | 2016-12-13 | 2017-05-31 | 北京北邮信息网络产业研究院有限公司 | 一种无线通信信号的微多普勒信息的提取方法 |
CN107167801A (zh) * | 2017-05-12 | 2017-09-15 | 成都电科智达科技有限公司 | 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 |
CN107290589A (zh) * | 2017-07-25 | 2017-10-24 | 中北大学 | 基于短时分数阶傅里叶变换的非线性信号时频分析方法 |
CN109507653A (zh) * | 2018-10-22 | 2019-03-22 | 中国人民解放军第四军医大学 | 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法 |
-
2019
- 2019-07-17 CN CN201910647077.0A patent/CN110389325B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102725652A (zh) * | 2009-10-22 | 2012-10-10 | 丰田自动车欧洲股份有限公司 | 使用相位信息的亚毫米雷达 |
CN104656069A (zh) * | 2013-11-25 | 2015-05-27 | 北京环境特性研究所 | 一种目标微多普勒信号分离方法 |
US20170094665A1 (en) * | 2014-06-06 | 2017-03-30 | Huawei Technologies Co., Ltd. | Method and system for compensating for doubly selective channel and related apparatus |
WO2016176600A1 (en) * | 2015-04-30 | 2016-11-03 | Google Inc. | Rf-based micro-motion tracking for gesture tracking and recognition |
US20170052596A1 (en) * | 2015-08-19 | 2017-02-23 | Nxp B.V. | Detector |
CN106789768A (zh) * | 2016-12-13 | 2017-05-31 | 北京北邮信息网络产业研究院有限公司 | 一种无线通信信号的微多普勒信息的提取方法 |
CN107167801A (zh) * | 2017-05-12 | 2017-09-15 | 成都电科智达科技有限公司 | 一种基于旋翼微多普勒特征的多旋翼无人机识别方法 |
CN107290589A (zh) * | 2017-07-25 | 2017-10-24 | 中北大学 | 基于短时分数阶傅里叶变换的非线性信号时频分析方法 |
CN109507653A (zh) * | 2018-10-22 | 2019-03-22 | 中国人民解放军第四军医大学 | 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法 |
Non-Patent Citations (2)
Title |
---|
P.SURESH等: ""Extracting micro-doppler radar signatures from rotating targets using Fourier-Bessel transform and time-frequency analysis"", 《IEEE TRANSACTIONS ON GEOSCIENCES AND REMOTE SENSING》 * |
庞存锁: ""高速、加速运动目标检测及雷达目标微动特征提取算法研究"", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
CN112965039A (zh) * | 2021-02-03 | 2021-06-15 | 西京学院 | 一种风轮机叶片多普勒频移分析方法 |
CN112559973A (zh) * | 2021-02-25 | 2021-03-26 | 中国人民解放军空军预警学院 | 基于STFrFT的自适应多分量线性调频信号参数估计方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110389325B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389325A (zh) | 一种旋翼无人机的雷达微多普勒信号提取方法 | |
CN110133600B (zh) | 一种直升机旋翼物理参数提取方法 | |
CN106295684B (zh) | 一种基于微多普勒特征的动态连续/非连续手势识别方法 | |
CN109459732B (zh) | 一种宽带雷达干扰信号的识别分类方法 | |
CN112505648A (zh) | 基于毫米波雷达回波的目标特征提取方法 | |
Liu et al. | LPI radar signal detection based on radial integration of Choi-Williams time-frequency image | |
CN102043148B (zh) | 基于广义匹配滤波的地面运动目标分类方法 | |
CN108594195B (zh) | 基于分割混频的低重频调频连续波雷达飞机目标分类方法 | |
CN107358250A (zh) | 基于双波段雷达微多普勒融合的人体步态识别方法及系统 | |
CN105678273A (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
CN106950554A (zh) | 实现振动干扰条件下旋转目标参数估计的方法 | |
CN104680184B (zh) | 基于深度rpca的极化sar地物分类方法 | |
CN111929654A (zh) | 一种基于微多普勒技术的杂波抑制方法 | |
CN111680737B (zh) | 差异性信噪比条件下的雷达辐射源个体识别方法 | |
Woo Yong et al. | Automatic feature extraction from jet engine modulation signals based on an image processing method | |
CN105225216A (zh) | 基于空间距圆标记边缘检测的虹膜预处理算法 | |
CN109374298B (zh) | 基于互相关奇异值的轴承故障诊断方法 | |
CN107390193A (zh) | 基于多距离单元融合的调频连续波雷达飞机目标分类方法 | |
CN106597401A (zh) | 一种弹头目标散射特性分类对比方法及系统 | |
CN105807204B (zh) | 基于频谱细化的硬件木马检测方法 | |
Clemente et al. | Vibrating micro-Doppler signature extraction from SAR data using singular value decomposition | |
Gong et al. | Application of optimized multiscale mathematical morphology for bearing fault diagnosis | |
CN104596369B (zh) | 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法 | |
Peter et al. | Extraction and Analysis of Micro-Doppler Signature in FMCW Radar | |
CN113887450B (zh) | 基于调制谱特征的水中目标在线筛选方法 |
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 |