本发明专利技术属于无人机识别技术领域，具体涉及一种多旋翼无人机识别中的多型子块组合特征提取方法。本发明专利技术的方法首先利用多个大小不同的窗口对无人机目标的雷达回波数据的时频谱图进行子块划分，然后，对每型子块化的时频谱图，提取相应的子块变化特征，组合形成特征矢量，以此对无人机目标进行识别。由于利用了多个大小不同的子块变化信息，能够提取到对雷达回波数据的微小变化更稳健的特征，从而改善了对目标的识别率。对4类多旋翼无人机的仿真实验结果验证了方法的有效性。验结果验证了方法的有效性。
【技术实现步骤摘要】
一种多旋翼无人机识别中的多型子块组合特征提取方法
[0001]本专利技术属于无人机识别
，具体涉及一种多旋翼无人机识别中的多型子块组合特征提取方法。
技术介绍
[0002]随着无人机技术的迅猛发展，在军事和民用方面带来了巨大的安全威胁，如何有效监控、管理无人机，甚至推毁攻击我方的无人机，是当前需要解决的重大问题。因此，准确识别出无人机的类型对国家安全防御具有非常重要的意义。
[0003]目前，子空间方法是一种传统的目标识别方法，主要利用训练数据集按确定的准则建立变换子空间矩阵，直接从数据中提取目标的分类特征，而对无人机目标，不同目标的差异信息主要包含在雷达回波数据中的微动信息，由于子空间的建模特点，不能充分利用回波数据中的微动信息，因此，常规子空间识别方法的目标识别率有进一步改善的余地。
技术实现思路
[0004]本专利技术的目的在于提出一种多旋翼无人机识别中的多型子块组合特征提取方法，通过提取回波数据时频谱图中的多个大小不同的子块变化特征，形成组合特征，完成对目标的识别。
[0005]本专利技术的技术方案为：
[0006]一种多旋翼无人机识别中的多型子块组合特征提取方法，包括以下步骤：
[0007]S1、定义获取的多旋旋翼无人机的雷达回波训练数据序列为n维列矢量x
ij
，i＝1,2,
…
g，j＝1,2
…
N
i
，其中，i表示无人机的类别，g表示类别数，N
i
表示第i类无人机目标的训练样本数，则总的训练样本数为
[0008]S2、对训练样本数据x
ij
进行短时付氏变换，得时频谱图A
ij
：
[0009]A
ij
＝[a
ij,km
]K
×
M
(1)
[0010]其中，a
ij,km
表示时频谱图A
ij
中的元素，k＝1,2,
…
K，m＝1,2,
…
M，k为行下标，表示频率变化方向，m为列下标，表示时间变化方向，K是A
ij
的行数，M是A
ij
的列数；
[0011]S3、对时频谱图A
ij
进行多型子块分割：
[0012]将频谱图A
ij
分割为3x3、4x4和5x5大小的子块，分别得到3个子块集S
ij,3
×3、S
ij,4
×4和S
ij,5
×5：
[0013][0014][0015][0016][0017][0018][0019]其中，表示3x3大小的子块集S
ij,3
×3中的第r1行第l1列的子块矩阵，表示子块矩阵中的元素，R1表示S
ij,3
×3的行数，L1表示S
ij,3
×3的列数；表示4x4大小的子块集S
ij,4
×4中的第r2行第l2列的子块矩阵，表示子块矩阵中的元素，R2表示S
ij,4
×4的行数，L2表示S
ij,4
×4的列数；表示5x5大小的子块集S
ij,5
×5中的第r3行第l3列的子块矩阵，表示子块矩阵中的元素，R3表示S
ij,5
×5的行数，L3表示S
ij,5
×5的列数；
[0020]S4、计算各型子块的均值和
[0021][0022][0023][0024]S5、提取多型子块组合特征：
[0025]以子块均值和作为像素值，计算在各型子块化图像的横向和纵向的变化量：
[0026][0027][0028][0029][0030][0031][0032]其中，和分别表示横向和纵向的变化量，以此计算变化量的幅度和方向角：
[0033][0034][0035][0036][0037][0038][0039]其中，和表示变化量的幅度，和表示变化量的方向角，将各型子块化图中的变化量的幅度和方向角构成变化特征矩阵H
ij,3
×3、H
ij,4
×4和H
ij,5
×5：
[0040][0041][0042][0043]S6、将各型子块化图的变化特征矩阵H
ij,3
×3、H
ij,4
×4和H
ij,5
×5按行构成组合特征矢量v
ij
：
[0044][0045]其中，v
ij
即为提取的特征，h
ij,1,3
×3、分别是矩阵H
ij,3
×3中第1行和第R1行，h
ij,1,4
×4、分别是矩阵H
ij,4
×4中第1行和第R2行，h
ij,1,5
×5、分别是矩阵H
ij,5
×5中第1行和第R3行。
[0046]获取特征后，即可利用最近邻分类器对目标进行分类识别。
[0047]本专利技术的有益效果为，本专利技术一方面通过时频分析显式利用目标相应的微动信息，另外，采用多型子块形成的组合特征，降低数据中微小变化对识别性能的影响，能够提取到对雷达回波数据的微小变化更稳健的特征，从而改善了对目标的识别率。
具体实施方式
[0048]下面结合仿真以证明本专利技术的有效性和取得的进步：
[0049]采用4种类型的无人机进行仿真，包括三旋翼无人机、四旋翼无人机、六旋翼无人机、八旋翼无人机，其仿真参数如表1所示。仿真雷达参数包括：雷达载频为24GHz；脉冲重复频率为100KHz；目标与雷达间的距离200m；无人机相对于雷达的俯仰角为10
°
、方位角为30
°
。
[0050]每类目标记录10s的雷达回波信号，并将其分为固定长度0.05s的段(至少包含一个旋转周期)，段之间的重叠为50％，每段包含0.05
×
100000＝5000个雷达回波采样数据点，每类共400段。在400段中随机选取200段作为训练数据集，其余200段作为测试数据集，则4类目标的训练数据集总共包括800个段，测试数据集包括800个段。对选取的训练数据集，利用本文方法提取多型子块组成特征矢量，采用最近邻分类器对无人机进行分类识别实验，对4类多旋翼无人机的平均正确识别率达到98％。其中，信噪比为15dB。
[0051]表1四种无人机的仿真参数
[0052]
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多旋翼无人机识别中的多型子块组合特征提取方法，其特征在于，包括以下步骤：S1、定义获取的多旋旋翼无人机的雷达回波训练数据序列为n维列矢量x
ij
，i＝1,2,
…
g，j＝1,2
…
N
i
，其中，i表示无人机的类别，g表示类别数，N
i
表示第i类无人机目标的训练样本数，则总的训练样本数为S2、对训练样本数据x
ij
进行短时付氏变换，得时频谱图A
ij
：A
ij
＝[a
ij,km
]
K
×
M
其中，a
ij,km
表示时频谱图A
ij
中的元素，k＝1,2,
…
K，m＝1,2,
…
M，k为行下标，表示频率变化方向，m为列下标，表示时间变化方向，K是A
ij
的行数，M是A
ij
的列数；S3、对时频谱图A
ij
进行多型子块分割：将频谱图A
ij
分割为3x3、4x4和5x5大小的子块，分别得到3个子块集S
ij,3
×3、S
ij,4
×4和S
ij,5
×5：：：：：：其中，表示3x3大小的子块集中的第r1行第l1列的子块矩阵，表示
子块矩阵中的元素，R1表示S
ij,3
×3的行数，L1表示S
ij,3
×3的列数；表示4x4大小的子块集S
ij,4
×4中的第r2行第l2列的子块矩阵，表示子块矩阵中的元...
【专利技术属性】
技术研发人员：周代英，廖阔，沈晓峰，冯健，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。