[发明专利]一种基于雷达数据的轻小型无人机与飞鸟分类识别方法

摘要

本发明公开了一种基于雷达数据的轻小型无人机与飞鸟分类识别方法。本发明提出的轻小型无人机与飞鸟分类识别方法基于雷达获取的目标量测信息，通过多模型目标跟踪、多模型概率提取、目标运动模式判断、目标运动特征提取等四个步骤，最终提取出目标运动模型转换频率等目标特征，用以区分轻小型无人机目标与飞鸟目标。本发明克服了低空空域雷达监视系统无法区分轻小型无人机与飞鸟的缺点，利用雷达数据提取出目标运动特征，用以区分轻小型无人机目标与飞鸟目标，提升低空空域雷达监视系统的识别能力。

主权项

1.一种基于雷达数据的轻小型无人机与飞鸟分类识别方法，包括如下步骤：步骤一、多模型目标跟踪；在某一时刻，多模型目标跟踪采用n种模型并行工作，通过混合上一时刻所有滤波器生成的状态估计，获得某种模型配置滤波器的初始条件；设模型Mⁱ和M^j在k时刻的混合概率为：式中，为k‑1时刻模型Mⁱ的概率，为归一化参数，在下一时刻由模型Mⁱ转换到模型M^j的概率表示为：其中：分别表示k时刻的模型M^j和k‑1时刻的模型Mⁱ，i和j均为1～n之间的自然数，且i≠j；计算每个滤波器的混合输入：其中，分别表示k‑1时刻所有滤波器生成的混合均值与协方差，和是k‑1时刻模型Mⁱ的更新均值和协方差；对每个模型Mⁱ，滤波如下：式中，表示k时刻模型Mⁱ的更新均值，表示k时刻模型Mⁱ的协方差，标准卡尔曼滤波器的预估和更新分别用F_P(·)和F_u(·)表示，y_k是k时刻的量测，和是k时刻模型Mⁱ的预估均值和协方差，和为k‑1时刻模型Mⁱ的转换矩阵和过程噪声矩阵，和为k时刻模型Mⁱ的量测模型矩阵和量测噪声矩阵；计算每个滤波器的测量相似性：其中：为测量残差，为模型Mⁱ在滤波更新部分的协方差，N(·)为高斯概率密度分布函数；步骤二、多模型概率提取；k时刻每个模型Mⁱ的概率为：其中：c是归一化因子；为模型Mⁱ的归一化参数；步骤三、目标运动模式判断；在k时刻n种并行存在的模型中，选择概率最大的模型Mⁱ作为k时刻的目标运动模式I_k，记为步骤四、目标运动特征提取；提取目标运动模型的转换频率F：即目标在固定时间T内运动模式变化的次数，N_k‑T表示到k‑T时刻为止，目标运动模式变化的累计次数，N_k表示到k时刻为止，目标运动模式变化的累计次数，由下式计算设定阈值S，如目标模型的转换频率高于S，则判断为飞鸟目标，反之，判断为轻小型无人机目标。