基于雷达探测数据的轻小型无人机目标识别方法及装置与流程

本发明属于雷达目标探测和分类领域，涉及到一种基于雷达探测数据的轻小型无人机目标识别方法及装置，提高轻小型无人机探测识别率。

背景技术：

轻小型无人机属于一种典型的“低慢小”目标，传统的雷达探测设备难以应对。随着消费级无人机行业的兴起，各种无人机“黑飞”事件层出不穷，给航空运输和社会公共安全造成了极大的隐患，因此对轻小型无人机的有效探测和识别具有重要意义。

在各方研究人员的不懈努力之下，当前已有部分雷达厂商和研究机构实现了对“低慢小”类型目标的成功探测，但如何根据有限的数据对目标的类型进行有效区分，提取轻小型无人机目标，还普遍存在问题。具体难点如下：

1)空中可能存在的鸟类、风筝、气球等物体，同样具备有“低慢小”目标的特征，对雷达而言，很容易将这些物体与轻小型无人机相混淆；

2)雷达探测的目标数据十分有限，难以充分利用以表征不同的目标类型。

技术实现要素：

为了解决雷达探测虚警率高的难题，本发明提供了一种基于雷达探测数据的轻小型无人机目标识别方法，通过模糊规则初步筛选，并将得到的置信因子作为目标特征的一部分，最终经分类器处理以正确识别无人机目标。

本发明第一方面，公开一种基于雷达探测数据的轻小型无人机目标识别方法，所述方法包括：

s1、建立轻小型无人机运动特征库，将运动特征数据以表格形式离散化；

s2、获取雷达相邻两个周期的探测数据，根据所述轻小型无人机运动特征库的数据对所述雷达探测数据进行初步筛选；

s3、根据相邻两个周期的探测数据获取目标状态，根据经验制定模糊规则，对轻小型无人机目标处于各个网格区间的可能性大小进行量化，基于所述目标状态，根据所述模糊规则为筛选出的目标生成置信因子；

s4、将所述目标状态和其对应的置信因子作为bp神经网络的分类器的输入，输出目标是否为轻小型无人机的判断结果；

s5、若所述分类器输出目标类型为轻小型无人机，则把目标上报到系统；若所述分类器输出的分类结果不是轻小型无人机，则重新采集当前目标后续两个周期的探测数据，重复步骤s3～s4，若依旧得到非轻小型无人机目标的判断，则剔除该目标。

优选地，所述步骤s1中，所述轻小型无人机运动特征库中的运动特征具体包括飞行速度范围、高度范围信息。

优选地，所述步骤s2中，所述雷达探测结果的表示方式为：以雷达探测到目标的距离s，方位高度h为基本数据，构成特征向量以表示任一时刻的雷达探测结果。

优选地，所述步骤s2具体为：获取雷达第t时刻和t+1时刻探测结果pt和pt+1，根据轻小型无人机运动特征库中高度或速度范围，对探测结果进行初步筛选，规则为：

1)在范围内的目标，进入下一个处理步骤；

2)不在范围内的目标，则重新采集后续两个周期的探测数据，若持续多个周期均不在范围内，剔除该目标；

优选地，所述步骤s3中，根据相邻两个周期的探测数据获取目标状态具体为：

根据相邻两个周期的探测数据，求取目标的水平速度vh和垂直速度vv，公式为：

其中，st、st+1分别为t、t+1时刻目标的距离，ht、ht+1分别为t、t+1时刻目标的高度，t为雷达探测周期，认为vh和vv为目标在t+1时刻的状态信息，并构成目标状态

本发明第二方面，公开一种基于雷达探测数据的轻小型无人机目标识别装置，所述装置包括：

特征库模块：建立轻小型无人机运动特征库，将运动特征数据以表格形式离散化；

筛选模块：获取雷达相邻两个周期的探测数据，根据所述轻小型无人机运动特征库的数据对所述雷达探测数据进行筛选，获取目标状态；

量化模块：根据经验制定模糊规则，对轻小型无人机目标处于各个表格区间的可能性大小进行量化，基于所述目标状态，根据模糊规则为筛选出的目标生成置信因子；

分类模块：构建一个基于bp神经网络的分类器，将所述目标状态和其对应的置信因子作为神经网络的输入，输出目标是否为轻小型无人机的判断结果；

再分类模块：若分类模块中所述分类器输出目标类型为轻小型无人机，则把目标上报到系统；若所述分类器输出的分类结果不是轻小型无人机，则重新采集当前目标后续多个周期的探测数据，重新计算目标状态、生成置信因子并输入所述分类器，若依旧得到非轻小型无人机目标的判断，则剔除该目标。

优选地，所述特征库模块中，所述轻小型无人机运动特征库中的运动特征具体包括飞行速度范围、高度范围信息。

优选地，所述筛选模块中，所述雷达探测结果的表示方式为：以雷达探测到目标的距离s，方位高度h为基本数据，构成特征向量以表示任一时刻的雷达探测结果。

优选地，所述筛选模块具体包括：

目标初步筛选单元：获取雷达第t时刻和t+1时刻探测结果pt和pt+1，根据轻小型无人机运动特征库中高度或速度范围，对探测结果进行初步筛选，规则为：

1)在范围内的目标，进入下一个处理步骤；

2)不在范围内的目标，则重新采集后续两个周期的探测数据，若持续多个周期均不在范围内，剔除该目标；

目标状态计算单元：对初步筛选单元筛选出的、满足进入下一个处理步骤条件的目标，求取目标的水平速度vh和垂直速度vv，公式为：

其中，st、st+1分别为t、t+1时刻目标的距离，ht、ht+1分别为t、t+1时刻目标的高度，t为雷达探测周期，认为vh和vv为目标在t+1时刻的状态信息，并构成目标状态

置信因子生成单元：基于所述目标状态，按照所述模糊规则为目标生成置信因子。

本发明提供了一种基于雷达探测数据的轻小型无人机目标识别方法及装置，建立轻小型无人机运动特征库，通过轻小型无人机运动特征库对相邻两个周期的探测数据进行初步筛选，将轻小型无人机目标速度范围、高度范围信息以表格形式离散化，为筛选出的目标按照模糊规则生成置信因子，并将得到的置信因子作为目标特征的一部分，最终经bp神经网络分类器处理以正确识别无人机目标。本发明在基于雷达探测的无人机防控系统中，可提高轻小型无人机探测识别率，有助于减少系统虚警率。

附图说明

为了更清楚地说明本发明的技术方案，下面将对本发明技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于雷达探测数据的轻小型无人机目标识别方法流程示意图；

图2为本发明实施例提供的对目标速度范围、高度范围以表格形式离散化，并对每个区间按照模糊规则生成置信因子的示意图；

图3为本发明实施例提供的基于雷达探测数据的轻小型无人机目标识别装置结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明提出一种基于雷达探测数据的轻小型无人机目标识别方法，所述方法包括：

s1、建立轻小型无人机运动特征库，将运动特征数据以表格形式离散化；

进一步的，所述轻小型无人机运动特征库中的运动特征具体包括飞行速度范围[vmin,vmax]、高度范围信息[hmin,hmax]，然后对速度、高度两个维度的数据以表格形式离散化，形成一个个封闭的网格区间。

图1为本发明提供的一种基于雷达探测数据的轻小型无人机目标识别方法示意图，其对应以下步骤s2～s5的根据雷达探测数据进行目标识别的具体实施流程。

s2、获取雷达相邻两个周期的探测数据，根据所述轻小型无人机运动特征库的数据对所述雷达探测数据进行筛选；

进一步地，所述雷达探测结果的表示方式为：以雷达探测到目标的距离s，方位高度h为基本数据，构成特征向量以表示任一时刻的雷达探测结果。

进一步地，所述步骤s2具体为：

获取雷达第t时刻和t+1时刻探测结果pt和pt+1，根据轻小型无人机运动特征库中高度或速度范围，对探测结果进行初步筛选，规则为：

1)在范围内的目标，进入下一个处理步骤；

2)不在范围内的目标，则重新采集后续两个周期的探测数据，若持续多个周期均不在范围内，剔除该目标；

s3、根据相邻两个周期的探测数据获取目标状态，根据经验制定模糊规则，对轻小型无人机目标处于各个网格区间的可能性大小进行量化，为筛选出的目标生成置信因子；

进一步的，步骤s3所述根据相邻两个周期的探测数据获取目标状态具体为：

根据相邻两个周期的探测数据，求取筛选出的目标的水平速度vh和垂直速度vv，公式为：

其中，st、st+1分别为t、t+1时刻目标的距离，ht、ht+1分别为t、t+1时刻目标的高度，t为雷达探测周期，认为vh和vv为目标在t+1时刻的状态信息，并构成目标状态

具体的，根据经验制定模糊规则，对轻小型无人机目标处于各个网格区间的可能性大小进行量化，记之为置信因子θ，范围为[0,1)，θ值大小的定义遵循模糊规则：目标以一般性的速度、高度飞行，θ越大，反之则越小。请参阅图2，图2为对目标速度范围、高度范围以表格形式离散化，并对每个区间按照模糊规则生成置信因子的示意图，θ＝f(h,v)，其中，f(·)表示一种模糊规则，其根据目标飞行高度信息h、速度信息v来大致判断属于无人机目标的可能性。

s4、将所述目标状态和其对应的置信因子θ作为bp神经网络的分类器的输入，输出目标是否为轻小型无人机的判断结果；

具体的，构建一个基于bp神经网络的分类器，分类器在设计上不需要太强的泛化能力。将所述目标状态和其对应的置信因子θ作为无人机目标的特征，输入所述分类器，通过所述分类器识别出轻小型无人机目标。

s5、若步骤s4中所述分类器输出目标类型为轻小型无人机，则把目标上报到系统；若所述分类器输出的分类结果不是轻小型无人机，则重新采集当前目标后续两个周期的探测数据，重复步骤s3～s4，若依旧得到非轻小型无人机目标的判断，则剔除该目标。

请参阅图3，本发明提供一种基于雷达探测数据的轻小型无人机目标识别装置，所述装置包括：

特征库模块310：建立轻小型无人机运动特征库，将运动特征数据以表格形式离散化；

进一步地，所述特征库模块310中，所述轻小型无人机运动特征库中的运动特征具体包括飞行速度范围、高度范围信息。

筛选模块320：获取雷达相邻两个周期的探测数据，根据所述轻小型无人机运动特征库的数据对所述雷达探测数据进行初步筛选，获取筛选出的目标的目标状态；

进一步地，所述筛选模块320中，所述雷达探测结果的表示方式为：以雷达探测到目标的距离s，方位高度h为基本数据，构成特征向量以表示任一时刻的雷达探测结果。

进一步地，所述筛选模块320具体包括：

目标初步筛选单元3201：获取雷达第t时刻和t+1时刻探测结果pt和pt+1，根据轻小型无人机运动特征库中高度或速度范围，对探测结果进行初步筛选，规则为：

1)在范围内的目标，进入下一个处理步骤；

2)不在范围内的目标，则重新采集后续两个周期的探测数据，若持续多个周期均不在范围内，剔除该目标；

目标状态计算单元3202：根据相邻两个周期的探测数据，求取目标的水平速度vh和垂直速度vv，公式为：

其中，st、st+1分别为t、t+1时刻目标的距离，ht、ht+1分别为t、t+1时刻目标的高度，t为雷达探测周期，认为vh和vv为目标在t+1时刻的状态信息，并构成目标状态

量化模块330：根据经验制定模糊规则，对轻小型无人机目标处于各个表格区间的可能性大小进行量化，基于所述目标状态按照模糊规则为筛选出的目标生成置信因子；

分类模块340：构建一个基于bp神经网络的分类器，将所述目标状态和其对应的置信因子作为神经网络的输入，输出目标是否为轻小型无人机的判断结果；

再分类模块350：若分类模块中所述分类器输出目标类型为轻小型无人机，则把目标上报到系统；若所述分类器输出的分类结果不是轻小型无人机，则重新采集当前目标后续多个周期的探测数据，重新计算目标状态、生成置信因子并输入所述分类器，若依旧得到非轻小型无人机目标的判断，则剔除该目标。

以上装置实施例与方法实施例是一一对应的，装置实施例简略之处，参见方法实施例即可。本发明可用于雷达对轻小型无人机探测和发现过程中，既能从设备层面给雷达探测数据处理软件提供设计思路，也可以在系统层面(如包含雷达设备的无人机防控系统)对提高无人机识别效率、减少资源浪费等方面有所帮助。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应超过本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其他形式的存储介质中。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。