CN112162273B - 一种基于奇异矢量的多旋翼无人机物理参数提取方法 - Google Patents
一种基于奇异矢量的多旋翼无人机物理参数提取方法 Download PDFInfo
- Publication number
- CN112162273B CN112162273B CN202011024462.9A CN202011024462A CN112162273B CN 112162273 B CN112162273 B CN 112162273B CN 202011024462 A CN202011024462 A CN 202011024462A CN 112162273 B CN112162273 B CN 112162273B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- singular
- rotor unmanned
- blade
- 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.)
- Active
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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/581—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
-
- 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
- G01S7/418—Theoretical aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于无人机识别技术领域,具体是涉及一种基于奇异矢量的多旋翼无人机物理参数提取方法。本发明的方法首先对多旋翼无人机雷达回波信号进行小波分解,提取叶片旋转部件产生的低频分量,然后,将此分量进行时频分析得到微多普勒频谱图,由微多普勒频图最大奇异值对应的奇异矢量提取旋翼的旋转速度和叶片长度等物理参数。结合左右奇异矢量可直接提取出物理参数,从而改善了估计精度,为多旋翼无人机的识别提供精准的特征。另外,通过对回波数据的小波分析,降低了回波信号中的噪声强度,在低信噪比条件下,仍然能够准确提取旋转速度和叶片长度等物理参数。仿真实验结果验证了该方法的有效性。
Description
技术领域
本发明属于无人机识别技术领域,具体是涉及一种基于奇异矢量的多旋翼无人机物理参数提取方法。
背景技术
无人机技术快速发展,无人机在军事、民用等领域得到了广泛运用,例如:在民用方面,使用无人机进行环境监测、通讯中继、大气取样等,在军事方机,采用无人机完成侦察、干扰、对地攻击等任务。同时也带来了一些新问题,如无人机非法入侵私人区域、无人机碰撞飞机、恐怖袭击等引发的安全问题,给低空领域的管理、军民飞行安全等带来了极大麻烦。因此,快速、有效侦测、准确识别出无人机的类型具有非常重要的应用意义。
目前对无人机目标进行识别的研究主要从时域、频域和时频域3个方面展开。在时域上,利用自相关函数提取目标时域回波的闪烁周期;在频域上,根据谱线间隔计算回波的周期;在时频域上,利用WVD等时频分析方法得到时频谱,再从时频谱图中提取调制周期特征。以上方法仅仅能够提取与旋翼转速与桨叶片数有关特征信息,而无法得到旋翼转速与桨叶片数等具体的物理参数,因此,现有方法的识别性能有更一步改进的余地。
发明内容
针对上述问题,本发明提出一种基于异奇矢量的多旋翼无人机物理参数提取方法。该方法首先通过小波分解降低雷达回波中的噪声强度,改善在低信噪比下的物理参数提取精度。同时,利用雷达回波的时频谱图中最大奇异值对应的左右奇异矢量,直接估计出旋翼转速和桨叶长度等物理参数,从而进一步提高了参数估计精度,为无人机目标识别提供更有效的特征。
本发明的技术方案为:
一种基于奇异矢量的多旋翼无人机物理参数提取方法,包括以下步骤:
S1、将多旋翼无人机的雷达回波数据经过低通和高通滤波器后,得到第一级的近似系数和细节系数,然后对第一级的近似系数和细节系数进行离散小波变换,得到第二级的近似系数和细节系数,依此类推,进行4级离散小波分解后,得到的雷达回波数据序列s(t)为:
s(t)=cd1(t)+cd2(t)+cd3(t)+cd4(t)+ca4(t)
其中,cd1(t)、cd2(t)、cd3(t)、cd4(t)分别为第一级、第二级、第三级和第四级的细节系数,ca4(t)为第四级的近似系数;所述离散小波变换(DWT)的公式为:
其中,是ψa,b(t)的共轭,a,b∈Z,a和b分别为缩放和移动参数,ψa,b(t)是小波基函数;通过对雷达回波进行多级DWT,可以将雷达回波信号分解为对应于不同频率的各种分量;研究表明,近似系数属于低频分量,蕴含着信号的特征,而噪声分量主要集中在细节系数等高频分量中。因此,以ca4(t)作为后续的处理信号分量,可大大降低噪声强度。
S2、对ca4(t)进行短时傅里叶变换得到微多普勒图:
S3、对微多普勒图P做奇异值分解:
P=UΣVT
其中,Σ是对角矩阵,该矩阵对角元素是矩阵P的奇异值σi(i=1,2,…,min(M,Q)),U是M×M的左奇异矩阵,V是Q×Q的右奇异矩阵;
对矩阵P的奇异值σi按大到小的顺序排序:
σ1>σ2>…>σmin(M,Q)
则最大奇异值σ1对应的左奇异矢量u1表示微多普勒内容在频率轴上的主投影,该矢量可以估算目标的微多普勒光谱宽度(B);σ1对应的右奇异矢量v1描述了微多普勒内容在时间轴上的主投影,可以估算叶片闪烁频率。
S4、将最大奇异值σ1对应的左奇异矢量u1作为离散函数u1(n),其中n=1,2,…,M,分别求解曲线斜率最小的拐点(n1,u1(n1)):
和斜率最大的拐点(n2,u1(n2)):
得微多普勒光谱宽度B:
B=(n2+1)-(n1-1)
将最大奇异值σ1对应的右奇异矢量v1作为离散函数v1(m),其中m=1,2,…,Q,v1(m)是周期函数,那么它的自相关函数R(k)也具有相同的周期T,对v1(m)自相关得到自相关函数R(k):
根据频谱宽度B和叶片闪烁率f确定旋桨叶片的长度L:
本发明的有益效果是:改善了估计精度,为多旋翼无人机的识别提供精准的特征。另外,通过对回波数据的小波分析,降低了回波信号中的噪声强度,在低信噪比条件下,仍然能够准确提取旋转速度和叶片长度等物理参数。
具体实施方式
下面结合仿真实验对本发明的实用性进行分析。
仿真实验设计了四种类型的无人机,包括直升机(单轴)P-1、四旋翼无人机P-2、六旋翼无人机P-3、八旋翼无人机P-4,其仿真参数如表1所示。仿真雷达参数包括:雷达载频为34.6GHz;脉冲重复频率为125kHz;目标与雷达间的距离100m;雷达的俯仰角为20°,方位角为45°。信噪比为10dB。观测时间需大于旋翼的两个旋转周期,雷达驻留时间取0.1s。
表1对4种直升机的参数提取结果
从实验中可以看出,该物理参数提取方法对多旋翼无人机物理参数估计的误差均在5%以下,与仿真值基本接近。这些误差的产生首先是由于信号中添加了噪声,采用小波分解只是降低了噪声的强度,没能完全去除噪声,这对参数的估计会有一些影响。其次本文采用的估算微多普勒宽度与叶片闪烁率的方法是基于离散数据进行的,数据以及估算都会存在一些误差,会导致参数估计的准确性降低。总之,利用多旋翼无人机的物理结构特征,估算出叶片长度可以有助于多旋翼无人机的快速识别与分类。以上仿真实验验证了基于奇异值矢量的多旋翼无人机物理参数提取方法是有效的。
Claims (1)
1.一种基于奇异矢量的多旋翼无人机物理参数提取方法,其特征在于,包括以下步骤:
S1、将多旋翼无人机的雷达回波数据经过低通和高通滤波器后,得到第一级的近似系数和细节系数,然后对第一级的近似系数和细节系数进行离散小波变换,得到第二级的近似系数和细节系数,依此类推,进行3级离散小波分解后,得到的雷达回波数据序列s(t)为:
s(t)=cd1(t)+cd2(t)+cd3(t)+cd4(t)+ca4(t)
其中,cd1(t)、cd2(t)、cd3(t)、cd4(t)分别为第一级、第二级、第三级和第四级的细节系数,ca4(t)为第四级的近似系数;所述离散小波变换的公式为:
S2、对ca4(t)进行短时傅里叶变换得到微多普勒图:
S3、对微多普勒图P做奇异值分解:
P=UΣVT
其中,Σ是对角矩阵,该矩阵对角元素是矩阵P的奇异值σi,i=1,2,…,min(M,Q),U是M×M的左奇异矩阵,V是Q×Q的右奇异矩阵;
对矩阵P的奇异值σi按大到小的顺序排序:
σ1>σ2>…>σmin(M,Q)
S4、将最大奇异值σ1对应的左奇异矢量u1作为离散函数u1(n),其中n=1,2,…,M,分别求解曲线斜率最小的拐点(n1,u1(n1)):
和斜率最大的拐点(n2,u1(n2)):
得微多普勒光谱宽度B:
B=(n2+1)-(n1-1)
将最大奇异值σ1对应的右奇异矢量v1作为离散函数v1(q),其中q=1,2,…,Q,对v1(q)自相关得到自相关函数R(k):
根据频谱宽度B和叶片闪烁率f确定旋桨叶片的长度L:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011024462.9A CN112162273B (zh) | 2020-09-25 | 2020-09-25 | 一种基于奇异矢量的多旋翼无人机物理参数提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011024462.9A CN112162273B (zh) | 2020-09-25 | 2020-09-25 | 一种基于奇异矢量的多旋翼无人机物理参数提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112162273A CN112162273A (zh) | 2021-01-01 |
CN112162273B true CN112162273B (zh) | 2022-08-05 |
Family
ID=73864013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011024462.9A Active CN112162273B (zh) | 2020-09-25 | 2020-09-25 | 一种基于奇异矢量的多旋翼无人机物理参数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112162273B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN114943252B (zh) * | 2022-05-20 | 2023-04-07 | 电子科技大学 | 一种多旋翼无人机识别中的多型子块组合特征提取方法 |
CN115113164B (zh) * | 2022-06-28 | 2024-04-19 | 中南大学 | 基于cvm-svd的旋翼目标微多普勒参数估计方法 |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409225A (zh) * | 2018-09-21 | 2019-03-01 | 清华大学 | 基于雷达多径信号时频特征融合的无人机分类方法及装置 |
CN109557514A (zh) * | 2019-01-14 | 2019-04-02 | 三峡大学 | 一种风电机叶片回波准确求解方法 |
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 |
-
2020
- 2020-09-25 CN CN202011024462.9A patent/CN112162273B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409225A (zh) * | 2018-09-21 | 2019-03-01 | 清华大学 | 基于雷达多径信号时频特征融合的无人机分类方法及装置 |
CN109557514A (zh) * | 2019-01-14 | 2019-04-02 | 三峡大学 | 一种风电机叶片回波准确求解方法 |
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 |
Non-Patent Citations (4)
Title |
---|
Radar micro-Doppler feature extraction using the Singular Value Decomposition;J. J. M. de Wit;《2014 International Radar Conference》;20150316;1933-1937 * |
基于奇异值分解的风电场杂波微动特征提取;何炜琨 等;《电子测量与仪器学报》;20170428;第31卷(第4期);588-595 * |
旋翼飞行器微多普勒特征提取技术研究;严丽萍;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115;I136-1710 * |
飞机目标雷达回波微多普勒特性分析及应用研究;廖欢;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130715;I136-998 * |
Also Published As
Publication number | Publication date |
---|---|
CN112162273A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112162273B (zh) | 一种基于奇异矢量的多旋翼无人机物理参数提取方法 | |
CN110133600B (zh) | 一种直升机旋翼物理参数提取方法 | |
Liu et al. | Time variant RFI suppression for SAR using iterative adaptive approach | |
CN111273285B (zh) | 一种多旋翼无人机的微多普勒谱相关矩阵特征提取方法 | |
CN111896926B (zh) | 一种基于强杂波抑制的低空目标检测方法及系统 | |
CN111175718B (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
CN110389325B (zh) | 一种旋翼无人机的雷达微多普勒信号提取方法 | |
CN107153189B (zh) | 线性调频连续波雷达测距的信号处理方法 | |
CN109116326B (zh) | 一种基于中位数估计的自适应雷达海杂波抑制方法 | |
CN107390193B (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 | |
CN104793194A (zh) | 基于改进的自适应多脉冲压缩的距离-多普勒估计方法 | |
CN110632573B (zh) | 一种机载宽带雷达空时二维keystone变换方法 | |
Lu et al. | Enhanced visibility of maneuvering targets for high-frequency over-the-horizon radar | |
Zhao et al. | Synchrosqueezing phase analysis on micro-Doppler parameters for small UAVs identification with multichannel radar | |
CN113221062B (zh) | 一种小型无人机载BiSAR系统的高频运动误差补偿方法 | |
CN107748364A (zh) | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 | |
CN112835003B (zh) | 基于重采样预处理的雷达重频变化稳健目标识别方法 | |
DE10311880B3 (de) | Radarverfahren zur Klassifikation oder Identifikation von Helicoptern | |
CN113866739B (zh) | 基于glct-gptf的多旋翼目标参数估计方法 | |
CN112784916B (zh) | 基于多任务卷积网络的空中目标微动参数实时提取方法 | |
CN104237864A (zh) | 基于匹配模糊函数的距离扩展目标检测方法 | |
CN112924944B (zh) | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 | |
CN112824927B (zh) | 基于稀疏滤波的天波超视距雷达电离层相位污染校正方法 | |
CN113820703A (zh) | 一种基于散射变换的无人机目标旋翼参数估计方法 | |
DE3826754C1 (de) | Verfahren zur Zielklassifizierung |
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 |