System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于毫米波雷达感知和低空安全,具体涉及一种基于毫米波雷达的无人机多目标检测系统及方法。
技术介绍
1、近年来,无人机技术在民用领域得到了迅猛的发展。“低慢小”型飞行器,在打造智慧城市的进程中扮演了不可或缺的角色,如何检测它们成为一个极其重要和紧迫的问题。当前无人机检测方法主要有基于光学、声学、射频、传统雷达以及激光雷达等方法,但都存在一些缺陷,比如基于光学和激光雷达的方法对恶劣天气力不从心,基于声学的方法对噪声敏感,基于射频的方法易受到无人机信号干扰,传统雷达的检测准确率较低,而毫米波雷达则可以在全天候、低成本、准确性较高的情况下进行被动的无人机检测。然而,在毫米波雷达检测无人机的过程中,会同时出现空中其他飞行的目标,这些强干扰信息会让雷达难以检测出无人机;同时,由于边缘设备有限的内存和计算预算,需要考虑使用实时效率更高的检测算法。
2、因此,基于上述考虑,有必要提出一套创新的无人机检测系统,可以抵抗复杂场景下的强干扰信息,在其余飞行目标与无人机处在同一时空时,能够只跟踪无人机,并且拥有较高的时间效率。
技术实现思路
1、针对于上述现有技术的不足,本专利技术的目的在于提供一种基于毫米波雷达的无人机多目标检测系统及其检测方法,以解决现有技术中,仅能跟踪并检测一个目标出现在所测时空中,而很难对多个目标中的无人机进行跟踪和检测的问题。本专利技术采用毫米波雷达进行无人机被动感知技术,通过在多目标中仅跟踪无人机以实现对无人机的检测。
2、为达到上述目的,本专
3、一种基于毫米波雷达的无人机多目标检测系统,所述的系统包括特征提取模块、无人机跟踪模块和无人机检测模块:
4、特征提取模块,利用距离-多普勒-fft提取距离-多普勒频谱,再利用角度fft提取角度-多普勒频谱,并将距离-多普勒频谱、角度-多普勒频谱中的多普勒频谱视为时间序列进行自相关操作,得到无人机在多普勒频谱上的周期;
5、无人机跟踪模块,利用特征提取模块得到的周期进行多普勒频谱折叠以得到信噪比更高的周期性微动特征,通过周期性微动特征动态跟踪无人机的位置;
6、无人机检测模块,根据无人机的位置不断提取多普勒频谱,形成微多普勒图,通过预处理后将微多普勒图输入到基于高斯混合模型的无人机检测器中。
7、优选的,所述特征提取模块进行的周期提取,将距离-多普勒频谱、角度-多普勒频谱中的多普勒频谱视为具有周期性的时间序列,并进行自相关操作得到自相关系数序列以及95%置信区间上界,计算自相关系数序列和95%置信区间上界之差进而得到多普勒频谱最大置信度的周期。
8、优选的,所述无人机跟踪模块的动态跟踪,当前帧中,需进行多普勒频谱折叠的距离单元区间,是根据前一帧无人机所在的距离单元确定的,而第一帧中,无人机所在的距离单元则是由所有距离单元多普勒频谱折叠结果的最大值来确定的;当前帧中,需进行多普勒频谱折叠的角度单元区间,是根据前一帧无人机所在的角度单元确定的,而第一帧中,无人机所在的角度单元则是由所有角度单元多普勒频谱折叠结果的最大值来确定的。
9、一种基于毫米波雷达的无人机多目标检测方法,所述的方法包括步骤如下:
10、1)毫米波雷达发送调频连续波fmcw啁啾信号,毫米波雷达发出的调频连续波fmcw啁啾信号被无人机反射,毫米波雷达接收并混合发射信号和接收信号,得到拍频信号;
11、2)对拍频信号的每帧,进行距离-多普勒-fft提取每帧的距离-多普勒频谱,再利用角度fft得到角度-多普勒频谱,对每帧距离-多普勒频谱和角度-多普勒频谱中的多普勒频谱进行周期提取;
12、3)对每帧的距离-多普勒频谱,利用每个距离单元对应多普勒频谱中最大置信度的周期,对其多普勒频谱进行多普勒频谱折叠,选择折叠值最大的距离单元作为无人机在该帧下的径向距离,对每帧的角度-多普勒频谱,利用每个角度单元对应多普勒频谱中最大置信度的周期,对其多普勒频谱进行多普勒频谱折叠,选择折叠值最大的角度单元作为无人机在该帧下的方位角,并对所得到的路径进行平滑滤波;
13、4)根据无人机的跟踪结果不断提取其位置的多普勒频谱,形成微多普勒图,通过预处理后将微多普勒图输入到基于高斯混合模型的无人机检测器中进行检测。
14、优选的,所述步骤2)中周期提取的方法为:
15、21)获得距离-多普勒频谱中的多普勒频谱,记为{d1,d2,…,dr,…,dr},其中dr和r分别表示第r个距离单元的多普勒频谱和距离单元的个数;
16、22)对于第r个距离单元的多普勒频谱dr使用自相关操作,滞后数设为22,得到自相关系数序列acf以及95%置信区间上界up_confint,并将自相关系数序列acf剔除滞后数为0和1的自相关系数;
17、23)从自相关系数序列acf中倒序选取满足acfi-up_confinti>0的3个候选周期,其中i表示计算自相关系数时的滞后值,并选择acf与up_confint差值最大的候选周期作为dr中最大置信度的周期tdr;若无满足的候选周期,则将tdr置为0;
18、24)对于dr中的某一个周期,记录其中的最大值索引k,为多普勒频谱折叠做准备。
19、优选的,所述步骤3)的实现过程为:
20、31)对于第一帧,计算出所有距离单元的折叠值,记为{p1,1,p2,1,...,pr,1},其中最大值所在的距离单元即为无人机所在的距离单元;
21、32)对于除第一帧以外的帧,只需计算前一帧无人机所在距离单元区间之内的折叠值,距离单元区间为[gt-1-k,gt-1+k],其中gt-1表示第t-1帧无人机所在的距离单元,k表示在一帧内无人机所能移动的最大距离单元个数,即其中vmax表示无人机的最大移动速度,td表示距离-多普勒频谱的持续时间,rres表示毫米波雷达的距离分辨率;
22、33)对于除第一帧以外的帧,将距离单元区间[gt-1-k,gt-1+k]内的多普勒频谱进行频谱折叠,得到距离单元区间内的折叠值,其中最大值所在的距离单元即为无人机所在的距离单元,记为gt,表示第t帧无人机所在的距离单元;
23、34)将每帧所计算的无人机所在的距离单元组合得到无人机的径向距离序列;
24、35)利用savitzky-golay滤波器对跟踪路径进行平滑滤波;
25、36)将上述方法同样运用于角度-多普勒频谱得到无人机的方位角序列,同样使用savitzky-golay滤波器得到平滑后的方位角序列。
26、优选的,所述步骤3)中多普勒频谱折叠方法为:
27、a)将第r个距离单元的多普勒频谱dr记为{dr,1,dr,2,...,dr,l},其中l表示多普勒单元的个数;
28、b)将第r个距离单元的多普勒频谱dr依据计算出的置信度最大周期tdr进行频谱折叠,即其中pr为第r个距离单元的折叠值,td本文档来自技高网...
【技术保护点】
1.一种基于毫米波雷达的无人机多目标检测系统,其特征在于,所述的系统包括特征提取模块、无人机跟踪模块和无人机检测模块:
2.根据权利要求1所述的基于毫米波雷达的无人机多目标检测系统,其特征在于,所述特征提取模块进行的周期提取,将距离-多普勒频谱、角度-多普勒频谱中的多普勒频谱视为具有周期性的时间序列,并进行自相关操作得到自相关系数序列以及95%置信区间上界,计算自相关系数序列和95%置信区间上界之差进而得到多普勒频谱最大置信度的周期。
3.根据权利要求1所述的基于毫米波雷达的无人机多目标检测系统,其特征在于,所述无人机跟踪模块的动态跟踪,当前帧中,需进行多普勒频谱折叠的距离单元区间,是根据前一帧无人机所在的距离单元确定的,而第一帧中,无人机所在的距离单元则是由所有距离单元多普勒频谱折叠结果的最大值来确定的;当前帧中,需进行多普勒频谱折叠的角度单元区间,是根据前一帧无人机所在的角度单元确定的,而第一帧中,无人机所在的角度单元则是由所有角度单元多普勒频谱折叠结果的最大值来确定的。
4.一种用于权利要求1-3任意一项所述系统的无人机多目标检测方法,其
5.根据权利要求4所述的基于毫米波雷达的无人机多目标检测方法,其特征在于,所述步骤2)中周期提取的方法为:
6.根据权利要求4所述的基于毫米波雷达的无人机多目标检测方法,其特征在于,所述步骤3)的实现过程为:
7.根据权利要求5所述的基于毫米波雷达的无人机多目标检测系统,其特征在于,所述步骤3)中多普勒频谱折叠方法为:
8.根据权利要求6所述的基于毫米波雷达的无人机多目标检测系统,其特征在于,所述步骤4)中提取微多普勒图并利用高斯混合模型的检测方法为:
...【技术特征摘要】
1.一种基于毫米波雷达的无人机多目标检测系统,其特征在于,所述的系统包括特征提取模块、无人机跟踪模块和无人机检测模块:
2.根据权利要求1所述的基于毫米波雷达的无人机多目标检测系统,其特征在于,所述特征提取模块进行的周期提取,将距离-多普勒频谱、角度-多普勒频谱中的多普勒频谱视为具有周期性的时间序列,并进行自相关操作得到自相关系数序列以及95%置信区间上界,计算自相关系数序列和95%置信区间上界之差进而得到多普勒频谱最大置信度的周期。
3.根据权利要求1所述的基于毫米波雷达的无人机多目标检测系统,其特征在于,所述无人机跟踪模块的动态跟踪,当前帧中,需进行多普勒频谱折叠的距离单元区间,是根据前一帧无人机所在的距离单元确定的,而第一帧中,无人机所在的距离单元则是由所有距离单元多普勒频谱折叠结果的最大值来确定的;当前帧中,需进行多普勒频谱折...
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。