本发明涉及航空,具体涉及一种机坪杂波环境下鸟类目标的识别方法和存储介质。
背景技术:
1、机场及其空域是预防鸟击事故发生的重点区域,机坪飞机回波环境下非合作鸟类目标的识别对于提升鸟类目标监测水平、保障民航飞行安全具有重要意义。
2、在相关现有技术中,针对鸟类目标的识别主要是围绕鸟类目标的微动特征展开的,大多针对鸟类与无人机目标的特征提取及辨识问题展开研究,且在特征提取中大多没有考虑强杂波等对目标特征提取及辨识的影响,使得在机坪杂波环境下鸟类目标的识别的精确度不高。
技术实现思路
1、因此,本发明要解决的技术问题在于克服现有技术中在机坪杂波环境下对鸟类目标的识别精确度不高的技术缺陷,从而提供一种能够提高识别精度的机坪杂波环境下鸟类目标的识别方法,从而提高飞机航行的安全性。
2、一方面,为了解决上述技术问题,本发明提供的一种机坪杂波环境下鸟类目标的识别方法,包括:将获取的机坪杂波环境的目标回波去除飞机回波后分离出鸟类目标回波;对所述鸟类目标回波进行重构以降噪;获取降噪后的所述鸟类目标回波的特征谱能量熵;获取降噪后的所述鸟类目标回波的归一化特征值之和;根据所述特征谱能量熵和所述归一化特征值之和,构建特征量并输入dbscan算法中,识别出鸟类目标。
3、作为一种优选的实施方式,将获取的机坪杂波环境的目标回波去除飞机回波后分离出鸟类目标回波,具体为,采用鸟类目标和飞机回波的稀疏特性和增广拉格朗日方法对鸟类目标回波与飞机回波进行分离。
4、作为一种优选的实施方式,采用鸟类目标和飞机回波的稀疏特性和增广拉格朗日方法对所述鸟类目标回波与飞机回波进行分离,具体包括:采用l1范数作为稀疏性的度量,将所述鸟类目标回波与所述飞机回波的分离问题转化为求解如下优化问题:;式中,为稀疏解的最优解,为雷达回波信号,为鸟类目标回波在变换域中的稀疏系数,为飞机回波在变换域中的稀疏系数,为鸟类目标回波的权向量,为飞机回波的权向量,为l1范数,为l2范数;通过增广拉格朗日算法求解,使得所述鸟类目标回波与所述飞机回波相分离,得到剔除飞机回波后的鸟类目标回波。
5、作为一种优选的实施方式,对所述鸟类目标回波进行重构以降噪,具体包括:剔除飞机回波后的鸟类目标回波信号表示为:;式中,为剔除飞机回波后的鸟类目标回波信号,为目标信号,为噪声;
6、对进行小波变换:;式中,为的小波系数,为小波函数,、分别为小波变换的分解层数和平移时间,为信号长度,为离散信号中各函数值在序列中出现的序号,为整数集;经离散小波变换后可得:;式中,和分别为目标信号和噪声的小波系数;设置临界阈值对小波系数进行阈值处理,得到的估计值,使得达到最小;将进行小波重构,得到降噪后的鸟类目标回波信号。
7、作为一种优选的实施方式,获取降噪后的所述鸟类目标回波的特征谱能量熵,具体包括:对所述鸟类目标回波信号做spwvd处理,得到鸟类目标的时频矩阵;对所述时频矩阵进行svd分解,通过svd构造的相关特征量提取鸟类目标的微动特征;针对左奇异矢量求特征谱能量熵,具体如下:;式中,为特征谱能量熵,为样本的数量,,,为第个样本前两个大奇异值对应的左奇异矢量的能量占比,为第个样本前两个左奇异矢量能量和,和分别表示第个样本的第一个和第二个左奇异矢量的能量,为第一个奇异值,为第个奇异值。
8、作为一种优选的实施方式,获取降噪后的所述鸟类目标回波信号的归一化特征值之和,具体包括:根据鸟类目标振翅回波自相关矩阵的特征值之和的计算公式计算鸟类目标的归一化特征值之和,其中,计算公式如下:;
9、式中,为鸟类目标的归一化特征值之和,为鸟类目标振翅回波自相关矩阵的特征值的个数,为第个特征值,为最大特征值。
10、作为一种优选的实施方式,根据所述特征谱能量熵和所述归一化特征值之和,构建特征量并输入dbscan算法中,识别出鸟类目标,具体包括:利用提取的特征谱能量熵和归一化特征值之和构建融合后的特征量如下:;其中,为融合后的特征量,为特征谱能量熵,为鸟类目标的归一化特征值之和;将融合后的特征量输入dbscan算法中,识别出鸟类目标。
11、另一方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的机坪杂波环境下鸟类目标的识别方法。
12、本发明技术方案,具有如下优点:
13、1.本发明提供的机坪杂波环境下鸟类目标的识别方法,通过去除飞机回波,并对分离后的鸟类目标回波进行降噪,实现了机坪强杂波环境下非合作鸟类目标的识别,提高了识别精度,能够提升机场驱鸟及无人机反制设备、非合作目标监视设备性能,对于保障飞行安全具有商业价值及实际工程应用价值。
14、2.本发明提供的计算机可读存储介质,由于可执行上述的机坪杂波环境下鸟类目标的识别方法,因此,具备上述的机坪杂波环境下鸟类目标的识别方法有益效果,在此不再赘述。
1.一种机坪杂波环境下鸟类目标的识别方法,其特征在于,包括:
2.根据权利要求1所述的机坪杂波环境下鸟类目标的识别方法,其特征在于,将获取的机坪杂波环境的目标回波去除飞机回波后分离出鸟类目标回波,具体为,采用鸟类目标和飞机回波的稀疏特性和增广拉格朗日方法对鸟类目标回波与飞机回波进行分离。
3.根据权利要求2所述的机坪杂波环境下鸟类目标的识别方法,其特征在于,采用鸟类目标和飞机回波的稀疏特性和增广拉格朗日方法对所述鸟类目标回波与飞机回波进行分离,具体包括:
4.根据权利要求1至3中任一项所述的机坪杂波环境下鸟类目标的识别方法,其特征在于,对所述鸟类目标回波进行重构以降噪,具体包括:
5.根据权利要求4所述的机坪杂波环境下鸟类目标的识别方法,其特征在于,获取降噪后的所述鸟类目标回波信号的特征谱能量熵,具体包括:
6.根据权利要求4所述的机坪杂波环境下鸟类目标的识别方法,其特征在于,获取降噪后的所述鸟类目标回波信号的归一化特征值之和,具体包括:
7.根据权利要求6所述的机坪杂波环境下鸟类目标的识别方法,其特征在于,根据所述特征谱能量熵和所述归一化特征值之和,构建特征量并输入dbscan算法中,识别出鸟类目标,具体包括:
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的机坪杂波环境下鸟类目标的识别方法。