标签: CN0566

  • 鲍尔航空航天:无源雷达

    原作者代码

    No

    研究团队

    • Mason Stone
    • Matt Pierce

    无源雷达概念

    • 无源雷达利用电磁频谱中的信号
    • 信号可以直接或间接检测
    • 定位可以通过多种方式实现:
      • 两个独立的接收器进行三角测量
      • 一个接收器在位置和时间上移动
    • 演示采用的是直接检测方案,带有两个相位器

    三角测量

    • 每个相位器的位置已知
    • 测量与发射器的角度
      • 相位器方位角扫描范围为 -60° 至 60°
      • 使用单脉冲角度测量可提高精度

    多个信号

    • 测量每个发射器的频率和幅度
    • 信号按频率在一定范围内排序
    • 频率与角度的扫描由一个移相器完成

    追踪

    • 已排序的信号会随时间推移进行跟踪
    • 每次相位器扫描时,都会计算每个相位器的角度
    • 位置会绘制在二维空间中
      • “目标位置”中的红点代表一个正在后退的目标。
      • 请注意,最近的撞击点颜色较暗,并且会随着时间的推移而逐渐暗淡

    GUI

  • 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%
    长窗口混淆矩阵
    短窗口混淆矩阵

    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%
    长窗口混淆矩阵
    短窗口混淆矩阵

    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)