[发明专利]一种基于分数阶域特征的旋翼类无人机深度学习识别方法

权利要求书

1.一种基于分数阶域特征的旋翼类无人机深度学习识别方法，其特征在于包括以下步骤：

S1、利用连续波雷达采集旋翼类无人机目标的雷达回波数据，并做速度和加速度补偿运算后，获得回波的数学表达式为：

s(n)＝exp{jsin[2π(f₀+knT_s)nT_s]}                                  (公式1)

公式1中，sin[·]函数表示无人机旋翼产生的非正弦波形式的回波相位；f₀表示中心频率，单位为赫兹；k表示频率变化率，单位为赫兹/秒；n为信号采样点数，单位为个；T_s为信号采样间隔，单位为秒；j为虚数符号；

S2、对步骤S1获得的回波的数学表达式s(n)利用短时分数阶傅里叶变换进行处理，则第p_i段信号的分数阶阶次为：

公式2中，N为信号总点数，M为信号分段长度，N是M的整数倍，α(N)表示长度为N信号的分数阶阶次，α(p_i)表示第p_i段长度为M信号的分数阶阶次，i＝1,2,3,……,N/M；

S3、对步骤S2中每段信号进行分数阶傅里叶变换处理后，选取目标峰值位置，并将峰值位置处3dB带宽内的数据抽取出来；

[u,v]＝max|{FRFT[s(p_i)]}|                                       (公式3)

公式3中，u、v分别对应分数阶傅里叶域的u域和v域坐标，i＝1,2,3,……,N/M；

公式4中，r、q分别对应分数阶傅里叶域的u域和v域坐标范围，a、b为坐标范围大小，其中，r∈[u-a,u+a],q∈[v-b,v+b]；

S4、将步骤S3抽取出来的数据放到一个数组中，进行归一化处理，并转换为u域、v域、u-v域三个二维数组，

公式5中，Y{r,q,|FRFT[s(p_i)]|_(r,q)}表示步骤S3抽取出来的数据放到的数组；表示Y{r,q,|FRFT[s(p_i)]|_(r,q)}归一化后的数组；

接着对进行维度转换，可得u域、v域、u-v域三个二维数组，分别为Y₁[r,A]_u，Y₂[q,A]_v，Y₃[r,q]_u-v；

S5、对步骤S4获得的Y₁[r,A]_u，Y₂[q,A]_v，Y₃[r,q]_u-v三个数组利用自编码深度学习算法进行分类识别；

S6、将步骤S5获得的分类结果进行统计分析，利用少数服从多数的原则确定目标的最后分类结果。