基于双雷达微动特征融合的无人机分类识别

随着近年来无人机产业快速发展，各种各样的遥控飞机、直升机、多旋翼飞行器越来越容易获得。然而，无人机的日益增多引发了一些安全担忧，如对空中交通管理的潜在威胁，以及滥用于犯罪行为甚至恐怖袭击等，其潜在的危险日益引起各国政府的关注，并推动了反无人机技术和系统的迅速开发。

由于雷达具有全天候全天时工作的能力，基于雷达微多普勒效应的无人机检测与识别是一个重要的研究方向。所谓“微多普勒效应”，指的是雷达目标在进行平动的同时，其整体或部件伴随有振动、旋转、摇摆或其他形式的微运动，使得雷达回波在平动多普勒频率之外还包含附加的时变频率调制的物理现象。

图1 无人机及其对应的微多普勒特征

微多普勒特征是目标内部部件精细运动在雷达回波中的反映，通过提取无人机的微多普勒信号特征可以实现对无人机的分类识别。为了进一步提高无人机的识别鲁棒性，可以采用多角度或者多站点的雷达传感器对无人机进行观测，从而进行多雷达传感器的融合特征与识别。 

图2 两个雷达传感器观测与特征提取、融合流程示意图

为提高无人机识别的准确率，清华大学李刚教授和北京环境特性研究所殷红成研究员的团队研究了基于多角度雷达传感器观测和微动特征的无人机分类方法。基于实测数据的实验结果表明，该方法对三种典型无人机（四翼机，直升机，六翼机）的分类效果良好，多角度雷达传感器观测融合得到的分类精度优于单角度雷达传感器。

该工作已发表在《雷达学报》2018年第5期“雷达微多普勒分析技术”专题“基于双雷达微动特征融合的无人机分类识别”（章鹏飞, 李刚, 霍超颖, 殷红成）。

该文提出了一种多角度雷达观测微动特征融合的无人机识别方法。首先利用多部雷达同时从不同角度观测目标；然后对采集的雷达数据分别进行短时傅里叶变换（STFT），得到时频谱图；接着利用主成分分析（PCA）从时频谱图中提取特征，将两个不同角度雷达传感器得到的特征融合在一起；最后利用支持向量机（SVM）进行训练与分类识别。基于实际雷达数据的实验结果表明：两个雷达传感器观测融合得到的分类精度优于单个雷达传感器的分类精度，最终识别准确率较仅利用X波段雷达传感器方法提升了5%以上。

随着无人机技术和性能的进一步提升，集群智能蜂群化将是未来无人机的一个发展方向。利用传感器对同时对集群多类无人机进行检测分类识别，而这将会比“独狼”更难对付。通过结合雷达、光学和电子监视传感器进行融合检测识别以及反制无人机，尽管在目前有足够成熟的技术，但是如何将这些技术无缝整合并且创新性地应用到无人机防御领域，值得深入思考与研究。

了解详细信息请点击下面阅读原文。