CN114578308B - 一种基于混合多普勒的旋翼目标特征提取方法 - Google Patents
一种基于混合多普勒的旋翼目标特征提取方法 Download PDFInfo
- Publication number
- CN114578308B CN114578308B CN202210227195.8A CN202210227195A CN114578308B CN 114578308 B CN114578308 B CN 114578308B CN 202210227195 A CN202210227195 A CN 202210227195A CN 114578308 B CN114578308 B CN 114578308B
- Authority
- CN
- China
- Prior art keywords
- doppler
- target
- rotor
- formula
- rotational
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000009131 signaling function Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 11
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000010304 firing Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000002592 echocardiography Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G01S7/41—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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于混合多普勒的旋翼目标特征提取方法,其特征是,包括如下步骤:1)构建圆阵天线与旋翼目标的数学模型、推导回波信号函数;2)混合多普勒特征分析;3)发射不同模态涡旋电磁波束、对回波进行信号处理;4)目标特征参数估计;5)目标识别。本发明实验结果表明,分析混合多普勒特征,可有效反演出旋翼目标的叶片数、叶片长度、转速、位置信息等多个特征,相比于传统单一多普勒特征提取,对旋翼目标的具体识别能提供更多更充分的依据。
Description
技术领域
本发明涉及电磁涡旋目标探测及识别领域,具体是一种基于混合多普勒的旋翼目标特征提取方法。
背景技术
无人机作为典型的旋翼目标,以其体积小、方便快捷、灵活实用等特点在人们的生活中随处可见,虽在生活质量、经济等方面带来可观的收益,但也存在一些潜在的风险,因此对无人机等旋翼目标的监管控制尤为重要,而解决旋翼目标的探测和识别技术是其管控的前提。
以往对无人机等旋翼目标的监管采用的方法种类繁多,但效果欠佳,其中,利用微多普勒进行目标特征提取的方法有一定效果,但特征提取困难,只能进行探测,无法进行具体识别。近些年,随着具有轨道角动量OAM(Orbital Angular Momentum,简称OAM)的涡旋电磁波被引入到射频微波领域,研究者们发现旋翼目标会对涡旋电磁波产生旋转多普勒效应,这为利用涡旋电磁波探测和识别旋翼目标成为可能。
然而,螺旋桨的转动,不仅会产生旋转多普勒效应,还会产生微多普勒效应,对于移动的旋翼目标,还会产生平移多普勒效应,这几种多普勒效应均会对回波信号产生调制,使其产生的多普勒相互混合在一起,因此,如何找到一种分离多普勒效应的方法、以及如何提取旋翼目标特征都是目前亟待解决的问题。
发明内容
本发明的目的是针对现有技术的不足,而提供一种基于混合多普勒的旋翼目标特征提取方法。这种方法能获得旋翼目标的多个特征,从而提高探测和识别旋翼目标的精度。
实现本发明目的的技术方案是:
一种基于混合多普勒的旋翼目标特征提取方法,与现有技术不同的是,包括如下步骤:
1)构建数学模型、推导目标回波信号函数:采用均匀圆形阵列的方式产生涡旋电磁波,构建涡旋电磁波与旋翼目标的数学模型,所述圆形阵列天线由N个阵元组成、阵列半径为a、采用单天线接收,设旋翼目标悬停于空中,旋翼目标的中心坐标为O'(x0,y0,z0),旋翼目标上任意一点P的坐标为其中,r为PO'长度,Ω为旋翼转速,圆形阵列在空间中P点处所产生的电场强度E可表示为如公式(1)所示:
其中,在公式(1)中,rp(t)为P点到接收天线的距离,φp(t)为P点的方位角,θp(t)为P点的俯仰角,l为涡旋电磁波模态数,Jl(kasinθp(t))为l阶的第一类贝塞尔函数,在公式(2)中,R表示接收天线与旋翼目标中心的直线距离,θO'表示旋翼中心所在的方位角,设P点处的后向散射系数为σp,则接收天线接收到的回波信号表示为如公式(4)所示:
旋翼叶片看作为N个散射点叠加,则涡旋电磁波对旋翼产生总的回波信号表示为如公式(5)所示:
对于“低慢小”类型的旋翼目标,旋翼叶片长度一般很小,远小于发射天线到目标的距离,故公式(5)近似表示为如公式(6)所示:
其中,L为螺旋桨的叶片长度,将公式(2)、(3)带入到公式(6)中,整理可得如公式(7)所示:
式中,
2)特征分析:考虑旋翼目标处于悬停状态,螺旋桨的转动对涡旋电磁波信号产生微多普勒和旋转多普勒效应,故旋翼目标回波中含有微多普勒和旋转多普勒,称为混合多普勒,若旋翼目标处于移动状态,旋翼目标回波中混合多普勒还包含平动多普勒,分析混合多普勒分为以下两种情况:
2-1)正对情况:若旋翼目标位于发射天线正上方,即O'(0,0,z0),目标方位角θO'=0,微多普勒为零,混合多普勒中只有旋转多普勒,则公式(7)可化简为如公式(8)所示:
由于目标悬停于空中,位置距离固定,发射天线数目和圆形阵列半径固定,当发射固定模态数l时,则S0为常数,对回波信号中的相位进行时间求导即可得到旋转多普勒值fm-D,A如公式(9)所示:
2-2)非正对情况:若旋翼目标位于发射天线非正上方,则旋翼目标的相位函数可表示为如公式(10)所示:
对于具有n个叶片的旋翼目标,n个叶片具有n个不同的初始旋转角,一般而言,叶片之间的夹角相等,公式(10)的初相可替换为/>
对公式(10)求导得到混合多普勒表达式如公式(12)-公式(14)所示:
其中,fm-D表示混合多普勒值,fm-D,L表示微多普勒值,对公式(13)中的微多普勒取最值可得:
对公式(14)求导得到旋转多普勒的极值点满足如公式(16)所示:
当旋翼目标位置关系满足公式(16)中的第一种情况时,旋转多普勒可化简为如公式(17)所示:
当旋翼目标位置关系满足公式(16)中的第二种情况时,特别地,当旋翼目标只位于x轴上时,满足则/>而此时微多普勒也取得最大值,故混合多普勒的极值可表示为微多普勒和旋转多普勒极值的线性叠加,若已知混合多普勒和微多普勒极值,可求得旋转多普勒极值,从而反演出目标叶片长度如公式(18)所示:
其中,|fm-D,A|max表示旋转多普勒取极值时绝对值的最大值,|fm-D,A|min表示旋转多普勒取极值时绝对值的最小值,极值同号表示旋转多普勒极大值与极小值符号相同,极值异号表示极大值与极小值符号相反,将公式(18)代入公式(15)中可得如公式(19)所示:
3)发射不同模态涡旋电磁波束、处理回波信号:固定旋翼目标和收发装置,依次发射正负不同模态的涡旋电磁波,接收回波信号,对回波中的载波信号进行剔除;
4)目标特征参数估计:结合步骤2)中的公式,采用时频分析法和频谱分析法对目标特征进行提取,具体分析方法为以下两种情况:
4-1)正对情况:混合多普勒只含有旋转多普勒时,将回波信号进行短时傅里叶变换即时频分析法,在时频谱图中可获得目标的转速和叶片数参数特征;
4-2)非正对情况:混合多普勒既含有微多普勒,又含有旋转多普勒时,将步骤3)处理后的回波信号进行傅里叶变换即频谱分析法:由于螺旋桨的转动会对频谱产生周期延拓,采用延拓周期方式可估计出目标转速和叶片数、且从频谱中可获得多普勒的最值,当发射模态数为零和非零时,可分别得到微多普勒和混合多普勒最值,在y0=0的情况下,可计算得到旋转多普勒最值,采用公式(15)可获得目标叶片长度,将天线搭载雷达系统可测得目标距离R,从而根据公式(16)获得目标方位角特征;
5)目标识别:将所获得的的目标特征进行汇总,为后续进行具体目标识别提供依据。
本技术方案与现有旋翼目标特征提取方法相比,具有如下特点:
本技术方案详细分析了圆阵与旋翼目标的回波数学模型及公式推导,在旋翼目标处于悬停状态时,分别分析了目标处于正对和非正对情况下,采用混合多普勒中的旋转多普勒和微多普勒进行特征提取,发射不同模态的涡旋电磁波,接收回波并进行信号处理,采用时频分析法和频谱分析法提取旋翼目标的叶片数、叶片长度、转速、位置信息等多个特征。
这种方法不仅解决了混合多普勒难以分离问题,还弥补了采用单个多普勒提取特征困难、特征单一等问题,为后续识别具体目标提高准确度。
附图表说明
图1为实施例的方法流程示意图;
图2为实施例中旋翼目标回波数学模型;
图3为实施例中正对情况下,混合多普勒的时频谱图,OAM=+10;
图4为实施例非正对情况下的微多普勒,其中,图4(a)表示微多普勒的时频谱图,图4(b)表示微多普勒的频谱图,OAM=0;
图5为实施例中混合多普勒的频谱图,其中,图5(a)表示OAM=+100,图5(b)表示OAM=+200。
具体实施方式
下面结合附图和实例对本发明的内容做进一步的阐述,但不是对本发明的限定。
实施例:
参照图1,一种基于混合多普勒的旋翼目标特征提取方法,包括如下步骤:
1)构建数学模型、推导目标回波信号函数:采用均匀圆形阵列的方式产生涡旋电磁波,构建涡旋电磁波与旋翼目标的数学模型,所述圆形阵列天线由N个阵元组成、阵列半径为a、采用单天线接收,设旋翼目标悬停于空中,旋翼目标的中心坐标为O'(x0,y0,z0),旋翼目标上任意一点P的坐标为其中,r为PO'长度,Ω为旋翼转速,圆形阵列在空间中P点处所产生的电场强度E表示为如公式(1)所示:
其中,在公式(1)中,rp(t)为P点到接收天线的距离,φp(t)为P点的方位角,θp(t)为P点的俯仰角,l为涡旋电磁波模态数,Jl(kasinθp(t))为l阶的第一类贝塞尔函数,在公式(2)中,R表示接收天线与旋翼目标中心的直线距离,θO'表示旋翼中心所在的方位角,设P点处的后向散射系数为σp,则接收天线接收到的回波信号表示为如公式(4)所示:
旋翼叶片看作为N个散射点叠加,则涡旋电磁波对旋翼产生总的回波信号表示为如公式(5)所示:
对于“低慢小”类型的旋翼目标,旋翼叶片长度小于发射天线到目标的距离,故公式(5)近似表示为如公式(6)所示:
其中,L为螺旋桨的叶片长度,将公式(2)、(3)带入到公式(6)中,整理得如公式(7)所示:
式中,
2)特征分析:旋翼目标处于悬停状态,螺旋桨的转动对涡旋电磁波信号产生微多普勒和旋转多普勒效应,故旋翼目标回波中含有微多普勒和旋转多普勒,称为混合多普勒,若旋翼目标处于移动状态,旋翼目标回波中混合多普勒包含平动多普勒,分析混合多普勒分为以下两种情况:
2-1)正对情况:若旋翼目标位于发射天线正上方,即O'(0,0,z0),目标方位角θO'=0,微多普勒为零,混合多普勒中只有旋转多普勒,则公式(7)化简为如公式(8)所示:
由于目标悬停于空中,位置距离固定,发射天线数目和圆形阵列半径固定,当发射固定模态数l时,则S0为常数,对回波信号中的相位进行时间求导即可得到旋转多普勒值fm-D,A如公式(9)所示:
2-2)非正对情况:若旋翼目标位于发射天线非正上方,则旋翼目标的相位函数表示为如公式(10)所示:
对于具有n个叶片的旋翼目标,n个叶片具有n个不同的初始旋转角,叶片之间的夹角相等,公式(10)的初相替换为/>
对公式(10)求导得到混合多普勒表达式如公式(12)-公式(14)所示:
其中,fm-D表示混合多普勒值,fm-D,L表示微多普勒值,对公式(13)中的微多普勒取最值得:
对公式(14)求导得到旋转多普勒的极值点满足如公式(16)所示:
当旋翼目标位置关系满足公式(16)中的第一种情况时,旋转多普勒化简为如公式(17)所示:
当旋翼目标位置关系满足公式(16)中的第二种情况时,特别地,当旋翼目标只位于x轴上时,满足则/>而此时微多普勒也取得最大值,故混合多普勒的极值表示为微多普勒和旋转多普勒极值的线性叠加,若已知混合多普勒和微多普勒极值,求得旋转多普勒极值,从而反演出目标叶片长度如公式(18)所示:
其中,|fm-D,A|max表示旋转多普勒取极值时绝对值的最大值,|fm-D,A|min表示旋转多普勒取极值时绝对值的最小值,极值同号表示旋转多普勒极大值与极小值符号相同,极值异号表示极大值与极小值符号相反,将公式(18)代入公式(15)中得如公式(19)所示:
3)发射不同模态涡旋电磁波束,处理回波信号:固定目标和收发装置,依次发射正负不同模态的涡旋电磁波,接收回波信号,对回波中的载波信号进行剔除;
4)目标特征参数估计:结合步骤2)中的公式,采用时频分析法和频谱分析法对目标特征进行提取,螺旋桨叶片长度为0.2m,叶片数为2,转速固定为10r/s,天线频率为9.97GHz,具体分析方法有以下两种情况:
4-1)正对情况:将目标中心位置设置为O'(0,0,20)m处,此时混合多普勒只含有旋转多普勒,将回波信号进行短时傅里叶变换,即时频分析法,OAM为+10的时频谱图如图3所示,利用公式(9),在时频谱图中可获得目标的转速为10r/s;
4-2)非正对情况:将目标中心位置设置为O'(3,0,20)m处,混合多普勒既含有微多普勒,又含有旋转多普勒时,将步骤3)处理后的回波信号进行傅里叶变换,可得到回波的频谱图,即频谱分析法,为便于分析,将频谱进行归一化,如图4所示为OAM=0时的微多普勒谱图,图4(a)中的时频谱图可看出,多普勒曲线包含两条相位差为180°的正弦曲线,由此可推断出目标叶片数为2,观察发现每条曲线在1s的时间里闪烁10次,故旋翼目标转速为10r/s,同时也可得到微多普勒最值约为150Hz;图4(b)中的频谱图可发现,螺旋桨的转动会对频谱产生周期延拓,每条频谱之间的间隔为20,当叶片数为1时,频谱间隔为10,由此可得出延拓周期为目标转速和叶片数的乘积,从而也可得出目标转速和叶片数特征,且从频谱中可获得微多普勒的最值约为120Hz,由于周期延拓的缘故,导致频谱分析法的分辨率由延拓周期决定,具有一定误差,但当多普勒值较小时,时频分析法将失效,而频谱分析法仍适用,为了减小误差,应尽量采用高模态的OAM波束,从而放大多普勒值。
当发射模态数为非零时,混合多普勒包含微多普勒和旋转多普勒,如图(5)所示,为了减小误差,采用高模态进行实验,同时将归一化幅度大于0.4的频点称为强有效频点,大于0.2,小于0.4的频点称为弱有效频点,小于0.2的称为无效频点,弱有效频点对应的频谱值计算为当前频谱值减去半个延拓周期,由此,图5(a)中的混合多普勒范围为-60~50,图5(b)中的混合多普勒范围为-30~20,将混合多普勒最值减去微多普勒最值,得到旋转多普勒最值,发射负模态和其他模态的OAM波束,重复上述步骤可获得多组旋转多普勒最值,假设目标距离R已知,利用公式(18-19)可计算出目标叶片长度和方位角;
5)具体目标识别:将所获得的目标特征进行汇总,如表1所示,本例方法所提取的目标特征与原始值相比,误差均小于5%,能较好的估计出旋翼目标特征,由此验证本例方法的有效性和可靠性,为后续进行具体目标识别提供重要依据。
表1目标参数值与原始值的对比表
叶片数n | 转速Ω | 叶片长度L(m) | 方位角(sinθ) | |
原始值 | 2 | 10 | 0.2 | 0.148 |
估计值 | 2 | 10 | 0.21 | 0.15 |
误差 | 0% | 0% | 5% | 1.4% |
。
通过仿真实验验证了本例方法的有效性。
Claims (1)
1.一种基于混合多普勒的旋翼目标特征提取方法,其特征在于,包括如下步骤:
1)构建数学模型、推导目标回波信号函数:采用均匀圆形阵列的方式产生涡旋电磁波,构建涡旋电磁波与旋翼目标的数学模型,所述圆形阵列天线由N个阵元组成、阵列半径为a、采用单天线接收,设旋翼目标悬停于空中,旋翼目标的中心坐标为O'(x0,y0,z0),旋翼目标上任意一点P的坐标为其中,r为PO'长度,Ω为旋翼转速,圆形阵列在空间中P点处所产生的电场强度E表示为如公式(1)所示:
其中,在公式(1)中,rp(t)为P点到接收天线的距离,φp(t)为P点的方位角,θp(t)为P点的俯仰角,l为涡旋电磁波模态数,Jl(kasinθp(t))为l阶的第一类贝塞尔函数,在公式(2)中,R表示接收天线与旋翼目标中心的直线距离,θO'表示旋翼中心所在的方位角,设P点处的后向散射系数为σp,则接收天线接收到的回波信号表示为如公式(4)所示:
旋翼叶片看作为N个散射点叠加,则涡旋电磁波对旋翼产生总的回波信号表示为如公式(5)所示:
对于“低慢小”类型的旋翼目标,旋翼叶片长度小于发射天线到目标的距离,故公式(5)近似表示为如公式(6)所示:
其中,L为螺旋桨的叶片长度,将公式(2)、(3)带入到公式(6)中,整理得如公式(7)所示:
式中,
2)特征分析:旋翼目标处于悬停状态,螺旋桨的转动对涡旋电磁波信号产生微多普勒和旋转多普勒效应,故旋翼目标回波中含有微多普勒和旋转多普勒,称为混合多普勒,若旋翼目标处于移动状态,旋翼目标回波中混合多普勒包含平动多普勒,分析混合多普勒分为以下两种情况:
2-1)正对情况:若旋翼目标位于发射天线正上方,即O'(0,0,z0),目标方位角θO'=0,微多普勒为零,混合多普勒中只有旋转多普勒,则公式(7)化简为如公式(8)所示:
由于目标悬停于空中,位置距离固定,发射天线数目和圆形阵列半径固定,当发射固定模态数l时,则S0为常数,对回波信号中的相位进行时间求导即得到旋转多普勒值fm-D,A如公式(9)所示:
2-2)非正对情况:若旋翼目标位于发射天线非正上方,则旋翼目标的相位函数表示为如公式(10)所示:
对于具有n个叶片的旋翼目标,n个叶片具有n个不同的初始旋转角,叶片之间的夹角相等,公式(10)的初相替换为/>
对公式(10)求导得到混合多普勒表达式如公式(12)-公式(14)所示:
其中,fm-D表示混合多普勒值,fm-D,L表示微多普勒值,对公式(13)中的微多普勒取最值得:
对公式(14)求导得到旋转多普勒的极值点满足如公式(16)所示:
当旋翼目标位置关系满足公式(16)中的第一种情况时,旋转多普勒化简为如公式(17)所示:
当旋翼目标位置关系满足公式(16)中的第二种情况时,特别地,当旋翼目标只位于x轴上时,满足则/>而此时微多普勒也取得最大值,故混合多普勒的极值表示为微多普勒和旋转多普勒极值的线性叠加,若已知混合多普勒和微多普勒极值,求得旋转多普勒极值,从而反演出目标叶片长度如公式(18)所示:
其中,|fm-D,A|max表示旋转多普勒取极值时绝对值的最大值,|fm-D,A|min表示旋转多普勒取极值时绝对值的最小值,极值同号表示旋转多普勒极大值与极小值符号相同,极值异号表示极大值与极小值符号相反,将公式(18)代入公式(15)中得如公式(19)所示:
3)发射不同模态涡旋电磁波束、处理回波信号:固定旋翼目标和收发装置,依次发射正负不同模态的涡旋电磁波,接收回波信号,对回波中的载波信号进行剔除;
4)目标特征参数估计:结合步骤2)中的公式,采用时频分析法和频谱分析法对目标特征进行提取,具体分析方法为以下两种情况:
4-1)正对情况:混合多普勒只含有旋转多普勒时,将回波信号进行短时傅里叶变换即时频分析法,在时频谱图中获得目标的转速和叶片数参数特征;
4-2)非正对情况:混合多普勒既含有微多普勒,又含有旋转多普勒时,将步骤3)处理后的回波信号进行傅里叶变换即频谱分析法:采用延拓周期方式估计出目标转速和叶片数、且从频谱中获得多普勒的最值,当发射模态数为零和非零时,可分别得到微多普勒和混合多普勒最值,在y0=0的情况下,可计算得到旋转多普勒最值,采用公式(15)获得目标叶片长度,将天线搭载雷达系统测得目标距离R,从而根据公式(16)获得目标方位角特征;
5)目标识别:将所获得的的目标特征进行汇总,为后续进行具体目标识别提供依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227195.8A CN114578308B (zh) | 2022-03-08 | 2022-03-08 | 一种基于混合多普勒的旋翼目标特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227195.8A CN114578308B (zh) | 2022-03-08 | 2022-03-08 | 一种基于混合多普勒的旋翼目标特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114578308A CN114578308A (zh) | 2022-06-03 |
CN114578308B true CN114578308B (zh) | 2024-04-16 |
Family
ID=81772697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210227195.8A Active CN114578308B (zh) | 2022-03-08 | 2022-03-08 | 一种基于混合多普勒的旋翼目标特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114578308B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6137439A (en) * | 1998-09-08 | 2000-10-24 | Lockheed Martin Corporation | Continuous wave doppler system with suppression of ground clutter |
CN107515253A (zh) * | 2017-07-10 | 2017-12-26 | 西安科技大学 | 基于卷积神经网络的梁结构缺陷非接触定量诊断方法 |
CN111722244A (zh) * | 2020-06-12 | 2020-09-29 | 南京森林警察学院 | 双折射激光自混合多普勒测速方法 |
CN112731367A (zh) * | 2020-12-18 | 2021-04-30 | 桂林电子科技大学 | 基于涡旋电磁波的旋翼目标特征分析及提取方法 |
-
2022
- 2022-03-08 CN CN202210227195.8A patent/CN114578308B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6137439A (en) * | 1998-09-08 | 2000-10-24 | Lockheed Martin Corporation | Continuous wave doppler system with suppression of ground clutter |
CN107515253A (zh) * | 2017-07-10 | 2017-12-26 | 西安科技大学 | 基于卷积神经网络的梁结构缺陷非接触定量诊断方法 |
CN111722244A (zh) * | 2020-06-12 | 2020-09-29 | 南京森林警察学院 | 双折射激光自混合多普勒测速方法 |
CN112731367A (zh) * | 2020-12-18 | 2021-04-30 | 桂林电子科技大学 | 基于涡旋电磁波的旋翼目标特征分析及提取方法 |
Non-Patent Citations (2)
Title |
---|
基于微多普勒分析的直升机旋翼参数估计;陈广锋;张林让;刘高高;;计算机工程;20120905(第17期);全文 * |
激光自混合多普勒测速法;付似愚;韩道福;马力;;南昌大学学报(理科版);20070615(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114578308A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109975780B (zh) | 基于脉冲多普勒雷达时域回波的直升机型号识别算法 | |
Sun et al. | Improving the Doppler resolution of ground-based surveillance radar for drone detection | |
GB2322986A (en) | Target classification in radar systems | |
CN110531331B (zh) | 等离子体包覆目标雷达回波建模仿真方法 | |
Kumawat et al. | Spectrum localization and hough transform-based β tuning for LSS targets’ accurate micro-Doppler imaging system | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 | |
CN112731367B (zh) | 基于涡旋电磁波的旋翼目标特征分析及提取方法 | |
CN110109048B (zh) | 一种基于相位差的入侵信号来波方向角度范围估计方法 | |
CN109884337B (zh) | 一种利用高频地波雷达探测海面风向的方法 | |
CN114578308B (zh) | 一种基于混合多普勒的旋翼目标特征提取方法 | |
Song et al. | A multicomponent micro-Doppler signal decomposition and parameter estimation method for target recognition | |
CN108535704A (zh) | 一种基于自适应二维聚类的信号预分选方法 | |
Agnihotri et al. | Effect of frequency on micro-Doppler signatures of a helicopter | |
KR20190122288A (ko) | 회전익기 탐지 방법 및 회전익기 탐지 시스템 | |
CN110488237B (zh) | 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 | |
CN114236489A (zh) | 运动平台下的悬停旋翼机检测方法 | |
CN103033801A (zh) | 基于虚拟时间采样与wvd变换的空中机动目标检测方法 | |
CN108983189B (zh) | 一种振动目标的二维微动轨迹估计方法 | |
CN112710999A (zh) | 基于径向速度搜索的弧形阵列雷达运动目标聚焦检测方法 | |
CN109633584B (zh) | 雷达lprf工作条件下的直升机目标识别方法 | |
CN113238210B (zh) | 基于微多普勒效应的悬停无人机特征检测方法 | |
JP2007218689A (ja) | 目標類別装置 | |
CN113567976B (zh) | 一种基于毫米波雷达的无人机旋翼检测系统及其检测方法 | |
Wang et al. | Rotational angular velocity estimation of rotor target via 3D-OMP-Based parametric sparse representation | |
CN115980733B (zh) | 一种基于涡旋电磁波雷达的加速运动目标参数估计方法 |
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 |