基于信号和数据特征融合的外辐射源雷达无人机与飞鸟识别技术研究

Based on the urgent need, i.e., effective identification of UAVs and flying bird targets in public safety and airport clearance areas, the project employs a wide range of digital television signals for passive radar to conduct target recognition via signal and data features fusion. Based on the target modeling and characteristics analysis of flying birds and drone targets, The motion characteristics (micro-motion and maneuvering motion) are well described from the two perspectives, i.e., the signal characteristics (echo serials, micro-Doppler, range-Doppler, transform domain features, and data characteristics (flight trajectory), using multiple dimensions such as time-frequency domain, transform domain, and inter-frame, and multi-view (multi-receiving station) dimension. The proposed methods would further develop and breakthrough the traditional time-domain classification techniques based on echo scattering characteristics and amplitudes. The features differences extraction methods of the UAVs and bird targets are proposed and then the intelligent classification and recognition are achieved based on a new multi-modal convolution neural network. The effectiveness of the methods is verified using simulation and radar real data. The results will provide theoretical and technical support for improving the target detection and recognition capability of low-altitude drones, and ensure the safety of important areas such as airports.

本项目从威胁公共安全和机场净空区的无人机和飞鸟目标有效识别的迫切需求出发，利用广泛覆盖的数字电视信号的外辐射源雷达，开展基于信号和数据特征融合的目标识别技术研究。在对飞鸟和无人机目标建模和特性认知的基础上，突破传统基于回波散射特性及幅度的时域分类技术手段，从无人机和飞鸟目标的信号特征（回波序列、微多普勒、距离-多普勒、变换域特征）和数据特征（运动飞行轨迹）两个层面，利用时频域、变换域、帧间等多个维度和多视角（多接收站位）信息，对两类目标的运动特征（微动和机动）实现精细化描述，提出无人机和飞鸟目标的差异特征提取方法，并进一步研究基于多模态卷积神经网络的智能分类和识别方法。采取仿真数据与雷达实测数据验证理论与方法的有效性，成果将为提升低空无人机目标探测和识别能力、保障机场等重要区域安全提供理论和技术支撑。

项目从威胁公共安全和机场净空区的无人机和飞鸟目标有效识别的迫切需求出发，利用广泛覆盖的数字电视信号的外辐射源雷达，开展了基于信号和数据特征融合的目标检测和识别技术研究。在对飞鸟和无人机目标建模和特性认知的基础上，突破传统基于回波散射特性及幅度的时域分类技术手段，从无人机和飞鸟目标的信号特征（回波序列、微多普勒、距离-多普勒、变换域特征）和数据特征（运动飞行轨迹）两个层面，利用时频域、变换域、帧间等多个维度和多视角信息，对两类目标的运动特征（微动和机动）实现精细化描述，提出了泛探模式下多域多维多视角运动特征增强与提取、无人机与飞鸟目标运动轨迹差异特征提取与分类方法，并进一步完成基于多模态卷积神经网络的智能分类和识别方法研究。采取仿真数据与雷达实测数据验证理论与方法的有效性。.项目共发表学术论文21篇，其中SCI收录4篇，EI收录12篇。申请国家发明专利8项（授权2项），软件著作权2项。ESI高被引论文1篇，《雷达学报》封面文章1篇，期刊优秀论文5篇，出版学术专著3部，其中国家科技出版基金资助专著1部。成果获军委科技委“创客行动2022”一等奖、中国电子学会电子信息领域优秀科技论文奖、IEEE ICCAIS、EAI AICON 2021等国际会议最佳论文奖2项。项目负责人获国家自然科学基金优青、山东省优青项目资助，被评为《雷达学报》优秀编委、创刊十周年最佳审稿人、高被引作者，担任《Remote Sensing》、《信号处理》、《雷达学报》专刊主编。指导研究生获2022年研究生电子设计竞赛全国总决赛三等奖、全军优秀硕士论文奖。主办雷达学报学术讲堂、中国电子学会青年科学家俱乐部年会分论坛，参加国内外本领域学术会议并做学术报告14次。成果已在北京大兴机场、海军某军用机场等单位推广应用，显著提升对飞鸟与无人机探测和识别能力。

内容获取失败，请点击重试