基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
无人机的日益流行在带来便利的同时也造成了潜在的威胁,对无人机进行分类识别具有重要意义.雷达微多普勒信号能够区分不同类型的无人机.为了提高基于微多普勒的无人机分类的鲁棒性,该文提出了一种多角度雷达观测微动特征融合的无人机识别方法.首先利用多部雷达同时从不同角度观测目标;然后对采集的雷达数据分别进行短时傅里叶变换(Short-Time Fourier Transform,STFT),得到时频谱图;接着利用主成分分析(Principal Component Analysis,PCA)从时频谱图中提取特征,将两个不同角度雷达传感器得到的特征融合在一起;最后利用支持向量机(Support Vector Machine,SVM)进行训练与分类识别.基于实际雷达数据的实验结果表明:两个雷达传感器观测融合得到的分类精度优于单个雷达传感器的分类精度,最终识别准确率较仅利用X波段雷达传感器方法提升了5%以上.
推荐文章
无人机识别的音频特征提取方法
声学
经验模态分解
梅尔频率倒谱系数
特征提取
矢量量化方法
分类与识别
基于遥控信号频谱特征的无人机识别算法
无人机识别
频谱模板
跳频信号
特征参数学习
基于深度卷积神经网络的无人机识别方法研究
深度卷积神经网络
无人机分类
无人机识别
特征提取
识别模型
无人机载多传感器图像融合评述
图像融合
无人机
侦察
合成孔径雷达
红外图像
多光谱图像
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于双雷达微动特征融合的无人机分类识别
来源期刊 雷达学报 学科 工学
关键词 微多普勒 无人机 目标识别 多角度多波段观测
年,卷(期) 2018,(5) 所属期刊栏目 雷达微多普勒分析技术专题
研究方向 页码范围 557-564
页数 8页 分类号 TN95
字数 3765字 语种 中文
DOI 10.12000/JR18061
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李刚 清华大学电子系 53 509 13.0 21.0
2 殷红成 5 10 1.0 3.0
3 章鹏飞 清华大学电子系 1 9 1.0 1.0
4 霍超颖 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (8)
参考文献  (13)
节点文献
引证文献  (9)
同被引文献  (27)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(5)
  • 参考文献(2)
  • 二级参考文献(3)
2017(7)
  • 参考文献(6)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(6)
  • 引证文献(6)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
微多普勒
无人机
目标识别
多角度多波段观测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
雷达学报
双月刊
2095-283X
10-1030/TN
大16开
北京市海淀区北四环西路19号
2012
chi
出版文献量(篇)
766
总下载数(次)
3
总被引数(次)
4241
论文1v1指导