阿拉巴马大学：对无人机进行单 CPI 分类

原作者代码

https://gitee.com/tekdf/2024_IEEE_Radar_Challenge

研究团队

• Sean J. Kearney
• Josh Haeker
• Emily Curl

问题陈述

需要利用短时间内收集的数据来检测不明无人机（UAV）

目标

• MetaBird
• Syma 遥控直升机
• 电动螺旋桨
• DEERC 四轴飞行器

雷达数据

• X波段雷达
• 使用​​MATLAB运行
  • 最大探测距离 = 2米
  • 最大速度 = 5米/秒
• 频谱图：
  • STFT
  • 窗口大小：短窗口 vs. 长窗口
    • Bin 大小：10 vs. 267
    • 重叠：8 vs. 250

分类网络

• 编码器 – 4 层
  • 2 个卷积
  • 卷积级联
  • 最大池化

• 解码器 – 4 层
  • 2 卷积
  • 卷积级联
  • 二维上采样

• 分类编码器
  • 训练好的编码器，后接全连接层和softmax层

跨 100 个 CPI 进行分类

• 每个目标 9 个样本
• 长窗口
  • 准确率 = 13.3%
• 短窗口
  • 准确率 = 40%

跨 1 个 CPI 的分类

• 每个目标 900 个样本
• 长窗口
  • 准确率 = 84.4%
• 短窗口
  • 准确率 = 97.6%

结论

• Phaser X 波段雷达可探测无人机特征
• 单次 CPI 无人机探测可提升训练数据集大小，进而提高模型分类准确率
• 单次 CPI 叶片闪光与 HERM 线的有效性对比

未来工作

• 远距离探测
• 不同 CPI 数量下的同等大小数据集如何比较？
• 环境中的噪声如何影响 Blade Flash？

附录

单个 CPI 频谱图

Bird (window 10 vs 200)

Heli (window 10 vs 200)

Propeller (window 10 vs 200)

Quad (window 10 vs 200)