一种基于深度学习和雷达检测的无人机救灾系统及方法技术方案

本发明专利技术公开了一种基于深度学习和雷达检测的无人机救灾系统及方法，使用微波雷达发射一定频率的电磁波信号并使用接收天线来接收人体回波信号；采集人体处于多种不同环境下的雷达回波信号，增加信号波形的多样性；将接收到的回波信号进行选取与处理得到所需的信号波形；将采集到的有效信号波段按照合适的比例分成训练集和测试集；将所有训练集的数据输入到卷积神经网络中，并在云端服务器上完成模型训练，之后使用训练好的模型来检测是否有人员被困；使用无人机来搭载测试好的雷达检测装置来做到实时检测环境中的活体存在信息；检测装置利用WiFi模块把采集到的环境回波信号传送至服务器，并得到活体检测结果。并得到活体检测结果。并得到活体检测结果。

【技术实现步骤摘要】
一种基于深度学习和雷达检测的无人机救灾系统及方法


[0001]本专利技术涉及穿墙雷达人体检测领域和无人机
，尤其是涉及一种基于深度学习和雷达检测的无人机救灾系统及方法。

技术介绍

[0002]现如今，无人机在灾后的救援工作中扮演着越来越重要的角色，开始应用于各种复杂的环境中，并且有着传统救援手段所无法替代的作用。虽然现在有了一些救灾无人机，并且已经投放于灾后的救援工作中了，但这些无人机大多是以摄像头、红外热释电等设备来检测被困人员位置的，这就会产生一些局限性。当遇到一些高温、寒冷或是地形、地势复杂的环境时，这些救援设备的搜救效率就会大大降低，同时，复杂多变的环境会影响这些设备的检测结果。
[0003]综合以上考虑，传统的无人机搜救设备对环境的要求较为苛刻，在一些特殊环境中难以达到预想的效果，很难适应于复杂多变的环境。

技术实现思路

[0004]为解决现有技术的不足，通过微波雷达进行人体的活体检测，加入深度学习的算法，能够穿墙人体探测，快速、准确的识别出被困人员的位置，不受复杂的地形、地势以及多变的自然环境的影响，实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习和雷达检测的无人机救灾系统，包括：雷达检测装置、处理模块、神经网络模型和无人机，其特征在于所述无人机搭载雷达检测装置，获取人体回波信号，经处理模块获取有效信号波段，并输入训练好的神经网络模型进行人员被困的检测，将检测结果反馈无人机，指导无人机调整搜救轨迹。2.根据权利要求1所述的一种基于深度学习和雷达检测的无人机救灾系统，其特征在于所述雷达检测装置的发射信号为步进信号：其中，N表示信号的工作频率的个数，Re表示取函数的虚部，f0表示步进频雷达的起始频率，Δf表示频率间隔，t表示时间；雷达检测装置的回波信号为：其中，τ＝2R/c表示回波信号的延迟时间，R表示雷达与被测物体之间的距离，c表示光传播的速度。3.根据权利要求1所述的一种基于深度学习和雷达检测的无人机救灾系统，其特征在于所述处理模块，将回波信号与发射信号进行正交解调，然后进行滤波处理，将信号的高频分量滤除使其固定在基带，之后得到基带回波信号：其中，N表示信号的工作频率的个数，j为虚数的单位，τ表示回波信号的延迟时间，f0表示步进频雷达的起始频率，Δf表示频率间隔，t表示时间。4.根据权利要求1所述的一种基于深度学习和雷达检测的无人机救灾系统，其特征在于所述无人机检测到生命体征活动后，悬停至该位置上方并报警，以此来告诉救援队被困人员的具体位置，无人机在轨迹上运行的过程中会进行短暂悬停。5.根据权利要求1所述的一种基于深度学习和雷达检测的无人机救灾系统，其特征在于所述无人机根据具有生命体征活动的反馈信息，记录并预测搜救路径，根据检测到生命体征活动位置的连续性，单位区域生命体征活动数量的多少，调整路径进行搜救。6.根据权利要求1所述的一种基于深度学习和雷达检测的无人机救灾系统，其特征在于所述神经网络的分类标签包括静止、生命体征活动，生命体征活动包括身体移动...

【专利技术属性】
技术研发人员：赵金铎，李文钧，岳克强，李懿霖，李瑞雪，梁嘉铠，甘智高，许雨婷，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：