李秋菊　朱東方

摘 ?要：小型無人機(jī)具有體積小、飛行速度慢、飛行高度低的特點(diǎn)，而基于低分辨雷達(dá)獲取的回波信號(hào)在很短的駐留時(shí)間內(nèi)獲得，包含的目標(biāo)信息有限，因此使用低分辨雷達(dá)系統(tǒng)對(duì)其進(jìn)行分類是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。文章從微多普勒特征的角度分析了無人機(jī)目標(biāo)回波信號(hào)，包括對(duì)單個(gè)旋翼回波建模，多普勒譜和時(shí)頻譜的微動(dòng)特性分布。實(shí)測(cè)數(shù)據(jù)分析表明，回波信號(hào)除包含無人機(jī)機(jī)身的平動(dòng)頻率分量，還可觀測(cè)到旋翼產(chǎn)生的微多普勒分量。

關(guān)鍵詞：無人機(jī);微多普勒特征;時(shí)頻分析;低分辨雷達(dá)

中圖分類號(hào)：TN957.51 文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號(hào)：2095-2945（2020）31-0005-04

Abstract： Small unmanned aerial vehicle（UAV） has the characteristics of small size， slow flight speed and low flight altitude. Based on low-resolution radar， the echo signals contain limited target information under the condition of low range resolution and short dwell time. Therefore， it is a challenging task to realize UAV classification by using low-resolution radar system. In this paper， we analyze the micro-Doppler signature of UAV target， including the echo modeling of single rotor and the micro-motion feature distribution of Doppler spectrum. The measured data analysis shows that the echo signal contains not only the translational frequency component generated by UAV fuselage， but also the micro-Doppler component by rotor.

Keywords： UAV; micro-Doppler signature; Time-Frequency Analysis; low-resolution radar

1 概述

近年來，無人機(jī)發(fā)展迅速，為消費(fèi)者帶來全新體驗(yàn)的同時(shí)，“黑飛”現(xiàn)象也頻繁發(fā)生。無人機(jī)可以用于偵察、攻擊，對(duì)軍事安全、要地防御、重點(diǎn)設(shè)施防護(hù)、民航飛行保障、大型活動(dòng)安保等帶來了嚴(yán)峻挑戰(zhàn)。因此，對(duì)無人機(jī)必須采取有效的管控與監(jiān)測(cè)手段?？焖贉?zhǔn)確的無人機(jī)檢測(cè)和分類是近年來的研究熱點(diǎn)之一[1，2]。

由于雷達(dá)具有全天候快速遙感的能力，雷達(dá)技術(shù)已被廣泛應(yīng)用于無人機(jī)探測(cè)和分類。雷達(dá)微多普勒是指在目標(biāo)運(yùn)動(dòng)時(shí)產(chǎn)生的主多普勒分量之外觀察到的微運(yùn)動(dòng)現(xiàn)象。近年來，目標(biāo)微動(dòng)特性分析引起學(xué)術(shù)界及工程界廣泛關(guān)注及研究。目標(biāo)微運(yùn)動(dòng)產(chǎn)生的微多普勒特征包含了目標(biāo)的精細(xì)結(jié)構(gòu)和運(yùn)動(dòng)細(xì)節(jié)等信息，可以從該信號(hào)中提取有用信息進(jìn)行識(shí)別。

美國(guó)海軍研究實(shí)驗(yàn)室Chen Victor C最早將微運(yùn)動(dòng)和微多普勒特征的相關(guān)概念引入到雷達(dá)觀測(cè)中，對(duì)旋轉(zhuǎn)、振動(dòng)、進(jìn)動(dòng)等多種微動(dòng)形式進(jìn)行建模分析，闡述了根據(jù)微動(dòng)特性實(shí)現(xiàn)目標(biāo)分類的理論依據(jù)，寫了一些人類微多普勒分析領(lǐng)域的重要出版物[3-5];加拿大雷達(dá)應(yīng)用與空間防御技術(shù)研究所的Thayaparan等聯(lián)合小波變換與時(shí)頻分析，成功獲取了直升機(jī)與行人窄帶雷達(dá)回波的微動(dòng)特征[6];國(guó)防科技大學(xué)著重對(duì)雷達(dá)微動(dòng)目標(biāo)特性進(jìn)行研究，闡述了窄帶及寬帶雷達(dá)中目標(biāo)的微動(dòng)現(xiàn)象，并介紹了多種微動(dòng)特征的提取方法[7];西安電子科技大學(xué)劉宏偉、杜蘭等發(fā)表了多篇針對(duì)低分辨雷達(dá)目標(biāo)分類方法的論文，提取了回波自相關(guān)矩陣的特征值譜特征，綜合了CLEAN技術(shù)與EMD方法，實(shí)現(xiàn)了從回波中對(duì)微動(dòng)分量的提取，并將分形理論應(yīng)用于特征提取[8]。以上研究成果表明基于微多普勒特征的雷達(dá)目標(biāo)分類方法研究是實(shí)際可行的。

本文開展使用低分雷達(dá)對(duì)無人機(jī)目標(biāo)進(jìn)行微多普勒特性分析，并與非無人機(jī)目標(biāo)對(duì)比。文章結(jié)構(gòu)如下：第2節(jié)對(duì)無人機(jī)單個(gè)旋翼回波建模，分析旋翼產(chǎn)生微動(dòng)特性機(jī)理。第3節(jié)對(duì)實(shí)測(cè)無人機(jī)實(shí)測(cè)數(shù)據(jù)進(jìn)行微多普勒分析。第4節(jié)討論了無人機(jī)實(shí)測(cè)數(shù)據(jù)的時(shí)頻譜分布。最后第5節(jié)對(duì)論文進(jìn)行了總結(jié)。

2 無人機(jī)旋翼建模及分析

無人機(jī)目標(biāo)主要包含機(jī)身及旋翼兩種部件，如圖1所示。機(jī)身平動(dòng)可視為剛體運(yùn)動(dòng)，而由旋翼旋轉(zhuǎn)為非剛體運(yùn)動(dòng)。

圖1 無人機(jī)典型目標(biāo)

以單個(gè)旋翼為例，一個(gè)旋翼由多個(gè)槳葉葉片組成，每個(gè)槳葉可等效為一個(gè)條狀散射體。對(duì)條狀散射體各點(diǎn)散射回波積分可得單個(gè)葉片的散射回波，多個(gè)槳葉葉片回波疊加即可得到單個(gè)旋翼的回波。低分辨雷達(dá)體制下可對(duì)單個(gè)旋翼回波建模，仿真生成的單個(gè)旋翼時(shí)域回波及其多普勒譜如圖2所示。

由于旋翼的對(duì)稱性結(jié)構(gòu)，每旋轉(zhuǎn)至一定角度時(shí)，其有效散射截面積（RCS）會(huì)達(dá)到最大。因此旋翼旋轉(zhuǎn)速度恒定時(shí)，其回波幅度表現(xiàn)為在某一時(shí)刻出現(xiàn)尖峰，且呈周期性出現(xiàn)，其重復(fù)周期與旋翼轉(zhuǎn)速有關(guān)。多普勒譜則表現(xiàn)為呈對(duì)稱分布的多條離散譜線。

3 無人機(jī)實(shí)測(cè)數(shù)據(jù)微多普勒特性分析

目標(biāo)的回波含有微動(dòng)信息，可以進(jìn)行特征提取與分析，實(shí)現(xiàn)目標(biāo)的識(shí)別。對(duì)于無人機(jī)目標(biāo)來說，旋翼轉(zhuǎn)動(dòng)產(chǎn)生的微多普勒信息，是重要的分類依據(jù)。本節(jié)以無人機(jī)實(shí)測(cè)數(shù)據(jù)展開討論。

用于實(shí)驗(yàn)的是一部脈沖多普勒體制的低分辨雷達(dá)系統(tǒng)，工作參數(shù)如表1所示。

表1 雷達(dá)工作參數(shù)

低分辨雷達(dá)系統(tǒng)實(shí)現(xiàn)無人機(jī)分類并不簡(jiǎn)單。除了無人機(jī)體積小、飛行速度慢導(dǎo)致回波信號(hào)弱之外，由于雷達(dá)回波的時(shí)間分辨率很低，因此在目標(biāo)上駐留時(shí)間很短，可獲取用于分類的微動(dòng)信息有限。圖3給出無人機(jī)懸停，慢速等多種運(yùn)動(dòng)場(chǎng)景下的雷達(dá)回波實(shí)測(cè)數(shù)據(jù)。

在數(shù)據(jù)采集實(shí)驗(yàn)中，雷達(dá)一個(gè)相關(guān)處理間隔（CPI）的脈沖積累數(shù)為256，稱為一幀。在得到無人機(jī)目標(biāo)的雷達(dá)回波后，一幀的各個(gè)脈沖間包含了目標(biāo)的多普勒信息，對(duì)這256點(diǎn)信號(hào)進(jìn)行傅里葉變換，就可以得到目標(biāo)的多普勒譜。其中圖3場(chǎng)景（c）為無人機(jī)目標(biāo)先是處于懸停狀態(tài)，機(jī)身多普勒頻率位于零頻率軸，后逼近雷達(dá)運(yùn)動(dòng)，機(jī)身多普勒頻率移于正頻率軸，雷達(dá)連續(xù)觀測(cè)了目標(biāo)的整個(gè)運(yùn)動(dòng)過程。同樣場(chǎng)景（d）為無人機(jī)目標(biāo)先處于懸停狀態(tài)，后背離雷達(dá)運(yùn)動(dòng)。同時(shí)，每個(gè)場(chǎng)景我們都可觀測(cè)到無人機(jī)機(jī)身主多普勒頻率兩側(cè)的多條離散譜線。

目標(biāo)的多普勒譜反應(yīng)了目標(biāo)的主體平動(dòng)和微運(yùn)動(dòng)信息，我們正是利用這樣的信息來對(duì)目標(biāo)進(jìn)行分類。圖4給出無人機(jī)在懸停和運(yùn)動(dòng)狀態(tài)下的實(shí)測(cè)數(shù)據(jù)單幀多普勒譜?？梢钥闯?，多普勒譜的峰值頻率對(duì)應(yīng)無人機(jī)平動(dòng)速度，峰值兩側(cè)的若干個(gè)小尖峰，則對(duì)應(yīng)無人機(jī)旋翼轉(zhuǎn)動(dòng)產(chǎn)生的微動(dòng)分量。

然而實(shí)際情況中，旋翼分量并不能總是被雷達(dá)觀測(cè)到，如圖5所示。無人機(jī)目標(biāo)體積小使得RCS小，常導(dǎo)致回波的微動(dòng)分量微弱，另外若目標(biāo)速度過慢，也可能會(huì)導(dǎo)致雜波與目標(biāo)回波發(fā)生重合，對(duì)后面的分析產(chǎn)生影響。缺失重要的微動(dòng)信息或者微動(dòng)信息較弱，將會(huì)對(duì)無人機(jī)的高性能分類帶來挑戰(zhàn)。

時(shí)頻分析可以顯示信號(hào)瞬時(shí)頻率隨時(shí)間的變化規(guī)律，可有效顯示和分析目標(biāo)的微多普勒特性。圖6給出無人機(jī)目標(biāo)在懸停和運(yùn)動(dòng)狀態(tài)下的時(shí)頻圖，用短時(shí)傅里葉變換獲得。我們同樣可以觀測(cè)，無人機(jī)平動(dòng)速度產(chǎn)生的頻譜對(duì)應(yīng)圖中的峰值頻率，峰值上下側(cè)的離散譜線則對(duì)應(yīng)無人機(jī)旋翼轉(zhuǎn)動(dòng)產(chǎn)生的微動(dòng)分量。

在圖6實(shí)測(cè)數(shù)據(jù)基礎(chǔ)上還應(yīng)進(jìn)行雜波抑制和去噪等預(yù)處理，可保證在后續(xù)特征提取和目標(biāo)分類時(shí)，使得微動(dòng)分量不被噪聲和雜波等無用信號(hào)影響。

4 結(jié)束語

在本文中，我們介紹了基于低分辨雷達(dá)系統(tǒng)生成的無人機(jī)實(shí)測(cè)數(shù)據(jù)的分析，包含無人機(jī)身平動(dòng)分量，旋翼微多普勒分量，及噪聲等無用分量，重點(diǎn)針對(duì)旋翼轉(zhuǎn)動(dòng)的微動(dòng)特性進(jìn)行建模和實(shí)測(cè)數(shù)據(jù)對(duì)比。分析表明，無人機(jī)回波信號(hào)的多普勒譜和時(shí)頻譜均可觀測(cè)到旋翼轉(zhuǎn)動(dòng)產(chǎn)生的微多普勒分量。根據(jù)上述討論我們可知無人機(jī)的微多普勒調(diào)制特點(diǎn)，從而對(duì)無人機(jī)目標(biāo)實(shí)行進(jìn)一步的特征提取和分類。

參考文獻(xiàn)：

[1]Jianfeng Ren， Xudong Jiang. Regularized 2-D complex-log spectral analysis and subspace reliability analysis of micro-Doppler signature for UAV detection[J]. Pattern Recognition， 2017， 69：225-237.

[2]Beom-Seok Oh ， Xin Guo， Fangyuan Wan， Kar-Ann Toh， and Zhiping Lin. Micro-Doppler Mini-UAV Classification Using Empirical-Mode Decomposition Features[J]. IEEE Geoscience and Remote Sensing Letters， 2018， 15（2）：227-231.

[3]Al-Ashwal， W.A.， Baker， C.J.， Balleri， A.， et al.Statistical analysis of simultaneous monostatic and bistatic sea clutter at low grazing angles[J]. Electron.Lett.， 2011， 47 （10）： 621-622.

[4]Chen， V.C.， Fayin， L.， Ho， S.S.， Wechsler， H.： Micro-Doppler effect in radar： phenomenon， model， and simulation study[J]. IEEE Trans. Aerosp. Electron. Syst.， 2006，42（1）：2-21.

[5]Chen， V.C.： The micro-Doppler effect in radar[M].Artech House， 2011.

[6]Thayapaparan T， Abrol S， Qian S. Analysis of radar micro-Doppler signatures from experimental helicopter and human data[J]. IEE Proceedings on Radar， Sonar and Navigation，2007，1（4）：289-299.

[7]金光虎.中斷彈道目標(biāo)ISAR成像及物理特性反演技術(shù)研究[D].長(zhǎng)沙：國(guó)防科技大學(xué)，2009：94-120.

[8]李彥兵，杜蘭，劉宏偉，等.基于微多普勒特征的地面目標(biāo)分類[J].電子與信息學(xué)報(bào)，2010，32（12）：641-648.