本發(fā)明涉及電子信息，尤其涉及一種基于毫米波雷達的輕量高效無人機3d追蹤和識別方法。

背景技術(shù)：

1、小型無人機(unmanned?aerial?vehicles,uav)的廣泛部署已引起一系列相關(guān)威脅，例如侵犯個人隱私、未經(jīng)授權(quán)運輸違禁品、對公共安全的擔(dān)憂以及對個人造成身體傷害的可能性等。如圖1所示，特別令人擔(dān)憂的是未經(jīng)邀請就侵入個人空間，這對個人的隱私和安全構(gòu)成了重大風(fēng)險。如果沒有嚴(yán)格的規(guī)定，無人機很容易在高空非法侵入個人空間，從事偷拍或盜竊等活動。鑒于這些無人機體積小巧，很難用肉眼發(fā)現(xiàn)它們，因此開發(fā)有效的檢測機制變得尤為緊迫。無人機檢測系統(tǒng)的開發(fā)對于實現(xiàn)幾個主要目標(biāo)至關(guān)重要。首先，檢測方法最好是被動的，在檢測過程中不需要無人機配合。其次，系統(tǒng)必須能夠檢測不同高度的無人機。檢測系統(tǒng)還應(yīng)具有成本效益和易于部署的特點，例如直接在fpga上運行，以便在移動終端上實現(xiàn)實時快速檢測。最后，該系統(tǒng)應(yīng)具有在不同光照和噪聲條件下檢測各種無人機的通用能力。

2、遺憾的是，現(xiàn)有的無人機檢測方法存在局限性，阻礙了它們的有效性。例如，基于聲音的無人機檢測方法容易受到復(fù)雜環(huán)境噪聲的干擾。同時，無人機的聲音在空中迅速衰減，限制了基于聲音的方法的檢測范圍。

3、基于視覺的無人機檢測技術(shù)在無人機可感知的場景中表現(xiàn)出有效性；然而，它們的精度和可靠性容易受到光照條件和視覺環(huán)境變化的影響。雖然熱成像和紅外輻射成像攝像機提供了可行的替代方案，但它們受到高成本和有限的監(jiān)視范圍的限制。一些研究主張通過分析射頻信號來檢測無人機，這需要專用設(shè)備來攔截和解釋不合作無人機的傳輸。傳統(tǒng)雷達系統(tǒng)的特點是成本高、功率要求高，這使得它們不適用于常規(guī)的無人機檢測操作。因此，目前的方法都不是理想地適合在常見的操作環(huán)境中進行無人機檢測的。非合作無人機檢測面臨諸多挑戰(zhàn)，包括由于無人機體積小導(dǎo)致信號反射弱、易受環(huán)境噪聲干擾、需要覆蓋較大的檢測范圍以檢測高空無人機、缺乏有關(guān)非合作無人機的關(guān)鍵信息，以及在復(fù)雜的日常場景中，需要在不同的照明和噪聲條件下準(zhǔn)確檢測無人機。mmhawkeye代表了基于毫米波的遠程無人機檢測方法的先驅(qū)。利用無人機周期性微動觸發(fā)的信號特性，mmhawkeye可以通過動態(tài)規(guī)劃和粒子濾波跟蹤無人機的距離信息，然后使用長短期記憶網(wǎng)絡(luò)進行識別。它已經(jīng)證明了即使在弱信號條件下也能檢測和分類非合作無人機的能力。然而，持續(xù)的挑戰(zhàn)在于實現(xiàn)高分辨率目標(biāo)角度估計，同時保持具有成本效益的信號處理。此外，無人機的快速機動性和廣泛的操作范圍要求廣泛安裝既節(jié)能又緊湊的監(jiān)控系統(tǒng)。這些需求給需要大量的計算資源和大量的能源消耗的現(xiàn)有方法帶來了進一步的挑戰(zhàn)法。

技術(shù)實現(xiàn)思路

1、基于上述技術(shù)問題，本發(fā)明提出了一種基于毫米波雷達的輕量高效無人機3d追蹤和識別方法，具體技術(shù)方案如下。

2、一種基于毫米波雷達的輕量高效無人機3d追蹤和識別方法，包括以下步驟：

3、步驟s1：對與無人機運動相關(guān)的毫米波信號進行特征提取，使用頻譜折疊技術(shù)增強無人機周期特征和噪聲之間的區(qū)別；

4、步驟s2：經(jīng)過信號處理后獲得多普勒頻譜序列ds，實時測量和追蹤無人機距離，減輕不同范圍內(nèi)多普勒頻譜強度和靜態(tài)背景噪聲水平的波動；

5、步驟s3：根據(jù)步驟s2測量的無人機距離，基于子空間的到達方向算法測量和追蹤無人機的角度位置信息；

6、步驟s4：基于脈沖神經(jīng)網(wǎng)絡(luò)snn架構(gòu)構(gòu)建輕量的無人機識別網(wǎng)絡(luò)模型，獲取無人機3d識別結(jié)果。

7、具體地，所述步驟s1具體包括以下子步驟：

8、步驟s11：經(jīng)過距離多普勒fft處理后，反射的毫米波信號產(chǎn)生距離多普勒頻譜，用di表示第i個距離bin中的多普勒頻譜，r表示總的距離多普勒頻譜；

9、步驟s12：將多普勒頻譜折疊成矩陣放大周期性，迭代指定范圍[jmin,jmax]內(nèi)的所有整數(shù)值確定理想的折疊尺寸；其中，jmin和jmax是由從螺旋槳旋轉(zhuǎn)速度范圍得出的預(yù)期折疊尺寸的下限和上限；

10、步驟s13：具有指定折疊尺寸j的每個多普勒頻譜di的折疊值計算式為：

11、

12、其中，k和m分別表示折疊列索引和行索引；每個多普勒頻譜的折疊結(jié)果表示為：

13、

14、具體地，所述多普勒頻譜序列ds包含t范圍多普勒頻譜，其中每個頻譜圖包含r范圍間隔，值ds(r,t)表示第t個距離多普勒頻譜內(nèi)的第r個距離間隔的折疊結(jié)果,無人機的軌跡表現(xiàn)為序列ds內(nèi)一系列具有較高值的距離間隔。

15、具體地，所述步驟s2實時測量和追蹤無人機距離還包括：利用軌跡連續(xù)性減輕跟蹤差異，對相鄰列無人機的最大距離箱偏差施加約束保持跟蹤精度。

16、具體地，所述步驟s2減輕不同范圍內(nèi)多普勒頻譜強度和靜態(tài)背景噪聲水平的波動具體包括：

17、用頻譜減法算法進行預(yù)處理，減去通過平均背景噪聲計算出的估計平均背景噪聲頻譜；

18、使用動態(tài)規(guī)劃算法計算最大累積折疊結(jié)果，并通過ds空間內(nèi)的回溯識別最佳無人機軌跡，從最后一列回溯到第一列，最終產(chǎn)生受約束的最大路g，代表最佳跟蹤解決方案；

19、采用粒子濾波器優(yōu)化初始跟蹤估計并減輕潛在的錯誤，根據(jù)每個粒子與折疊結(jié)果的一致性分配權(quán)重，將粒子濾波器集中在最可能的無人機軌跡上。

20、具體地，所述步驟s3具體包括以下子步驟：

21、隨機生成一個每行具有單個隨機非零條目的均勻采樣矩陣ω，通過采樣矩陣的正交歸一化計算毫米波信號協(xié)方差矩陣的正交基；

22、利用譜的酉不變性和frobenius范數(shù)以及低秩分解，得到近似的信號子空間并生成偽頻譜，計算式為：

23、

24、其中：

25、a(θ)＝[a0(θ),a1(θ),...,am-1(θ)]h；

26、

27、im表示m×m單位矩陣，表示近似的信號子空間，偽頻譜中峰值位置即為目標(biāo)的方向信息，具體為：

28、

29、peak為峰值判斷函數(shù)。

30、具體地，所述步驟s4包括以下子步驟：

31、利用特征對齊算法將中心頻率與多普勒頻譜中心對齊，使用線性插值填充間隙；

32、緩解跟蹤差異，生成一系列固定長度的分段，將低于預(yù)設(shè)經(jīng)驗閾值的每個片段的最大折疊結(jié)果排除；

33、將分段的多普勒頻譜輸入到無人機識別網(wǎng)絡(luò)模型脈沖神經(jīng)網(wǎng)絡(luò)snn架構(gòu)中進行無人機分類。

34、具體地，所述無人機識別網(wǎng)絡(luò)模型為l-128-128-2的脈沖神經(jīng)網(wǎng)絡(luò)snn架構(gòu)，l為每個時隙的多普勒箱個數(shù)；采用中頻尖峰神經(jīng)元模型構(gòu)建脈沖神經(jīng)網(wǎng)絡(luò)snn架構(gòu)基本單元，包括膜電位積累、尖峰產(chǎn)生和重置機制；將浮點突觸權(quán)重量化為1位表示，在前向傳播過程中增加二進制權(quán)重的信息熵，整合二進制峰值s[t]和二進制權(quán)重b，利用按位運算來執(zhí)行卷積運算。

35、本發(fā)明的有益效果：本發(fā)明提出了一種基于毫米波雷達的輕量高效無人機3d追蹤和識別方法，過捕捉無人機運動的微多普勒特性，它可以有效處理低信噪比和不確定信號。改進的角度估計算法結(jié)合動態(tài)規(guī)劃和粒子濾波器，可以實現(xiàn)實時3d無人機跟蹤，同時降低計算復(fù)雜度，跟蹤計算時間效率顯著提高。此外，利用無人機的位置和相應(yīng)的多普勒信息，開發(fā)了一種基于脈沖神經(jīng)網(wǎng)絡(luò)(snn)架構(gòu)的簡單無人機識別模型,其大小減小到原始大小的十分之一，但系統(tǒng)性能卻保持接近原始水平。