买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明涉及一种基于微多普勒特征和深度学习的旋翼飞行器目标识别方法，包括：分别仿真出单旋翼四叶片无人机、单旋翼三叶片无人机、四旋翼无人机的回波信号；通过理论计算分别得到单旋翼四叶片无人机、单旋翼三叶片无人机和四旋翼无人机的回波信号；进行时频变换，得到时频图数据集；划分为训练集和测试集；构建基于注意力机制的ResNet18‑SVM神经网络并训练；对三种类型旋翼飞行器的时频图进行分类，实现对三种类型旋翼飞行器的目标识别。本发明能代替实测，以更低的成本更便捷地获取更准确的无人机雷达回波；本发明的基于注意力机制的ResNet18‑SVM神经网络在基于飞行器微多普勒特征的目标识别中有良好的性能。

主权项：1.一种基于微多普勒特征和深度学习的旋翼飞行器目标识别方法，其特征在于：该方法包括以下顺序的步骤：（1）分别仿真出单旋翼四叶片无人机、单旋翼三叶片无人机、四旋翼无人机的回波信号；（2）通过理论计算分别得到单旋翼四叶片无人机、单旋翼三叶片无人机和四旋翼无人机的回波信号；（3）通过短时傅里叶变换对步骤（1）、（2）中所述的回波信号进行时频变换，得到表示包括单旋翼四叶片无人机、单旋翼三叶片无人机和四旋翼无人机的微多普勒特征的时频图数据集；（4）将时频图数据集按照8:2的比例划分为训练集和测试集；（5）构建基于注意力机制的ResNet18-SVM神经网络；（6）通过训练集训练基于注意力机制的ResNet18-SVM神经网络，得到训练好的基于注意力机制的ResNet18-SVM神经网络，并通过测试集对基于注意力机制的ResNet18-SVM神经网络进行测试；（7）用训练好的基于注意力机制的ResNet18-SVM神经网络对三种类型旋翼飞行器的时频图进行分类，实现对三种类型旋翼飞行器的目标识别；所述步骤（2）具体是指：单旋翼无人机的雷达回波信号表示为： ；其中，为单旋翼无人机的叶片总个数，为散射系数，为单旋翼无人机旋转中心到旋翼叶片根部的距离，为单旋翼无人机旋转中心到旋翼叶片尖端的距离，和分别表示机身相对于雷达的方位角和俯仰角，表示旋翼叶片的初相角，表示旋翼每秒旋转的圈数，表示雷达载频，表示机身距雷达的距离，是无人机平动速度，为信号接收总时长；为雷达发射信号的波长，表示单旋翼无人机的第个叶片；对于四旋翼无人机，在雷达坐标系中，为坐标中心，也为雷达信号发射源；在无人机坐标系中，为坐标中心，也为机身中心；为第个旋翼的旋转中心，与的连线设为，的长度为，n=1，2，3，4；与的连线设为OQ,与的连线设为；由OQ和得到的长度： ；其中，为与x轴的夹角；因此为投影在XOY平面上的坐标，投影后的与X轴的夹角为相对于雷达发射源的方位角，设为，则： ；式中，为与无人机坐标系轴的夹角；设相对于雷达发射源的方位角为，而与Z轴的夹角为，则： ；对于四旋翼无人机，第一个旋翼的雷达回波信号为： ；其中，为第一个旋翼的初始角度；为四旋翼无人机每个旋翼的叶片总个数，表示四旋翼无人机的第个叶片，为四旋翼无人机旋转中心到旋翼叶片根部的距离，为四旋翼无人机旋转中心到旋翼叶片尖端的距离，和分别表示第一个旋翼中心相对于雷达的方位角和俯仰角，表示第一个旋翼每秒旋转的圈数；第二个旋翼的雷达回波信号为： ；式中，和分别表示第二个旋翼中心相对于雷达的方位角和俯仰角，为第二个旋翼的初始角度，表示第二个旋翼每秒旋转的圈数；第三个旋翼的雷达回波信号为： ；式中，和分别表示第三个旋翼中心相对于雷达的方位角和俯仰角，为第三个旋翼的初始角度，表示第三个旋翼每秒旋转的圈数；第四个旋翼的雷达回波信号为： ；式中，和分别表示第四个旋翼中心相对于雷达的方位角和俯仰角，为第四个旋翼的初始角度，表示第四个旋翼每秒旋转的圈数；将四个旋翼的雷达回波信号、、、相加即得到四旋翼无人机的回波信号；这种雷达回波的理论计算方法考虑到每个旋翼相对于雷达发射源的距离、方位角、俯仰角均不同，更加准确地计算出多旋翼无人机的理论雷达回波；所述步骤（5）具体是指：基于注意力机制的ResNet18-SVM神经网络由输入层、ResNet18网络、卷积注意力模块、SVM分类器和输出层组成，其中，ResNet18网络包括一个卷积层、四个残差子网络和一个全连接层，所述卷积层的卷积核大小为3×3，步长为1，填充为1；所述残差子网络包括两个卷积层、批归一化层以及ReLU激活函数层，所述卷积层的卷积核大小为3×3，步长为1；所述卷积注意力模块包括空间注意力机制和通道注意力机制模块，将卷积注意力模块加在ResNet18网络的最后一个残差子网络之后，有助于帮助网络集中注意力于最具信息量的特征上，更好地理解时频图的特征，提高分类性能；将ResNet18网络的全连接层更换为SVM分类器，提高模型泛化能力，改善边界决策。

全文数据：

权利要求：

百度查询： 安徽大学 基于微多普勒特征和深度学习的旋翼飞行器目标识别方法