對雷達回波信號中的微多普勒特征提取及分析,是識別飛行目標的重要方法。本文針對旋翼無人機和鳥兩種飛行目標,通過提取雷達回波信號中的微動特征,結合人工智能技術,實現(xiàn)飛行目標識別。本文采取建模仿真的方法去研究分析,分別對旋翼無人機旋槳槳葉和鳥的翅膀建立微動數(shù)學模型,通過短時傅里葉變換(STFT)、魏格納-威爾分布(WVD)、短時分數(shù)階傅里葉變換(STFRFT)三種時頻分析方法得到微動產生的微多普勒時頻譜圖并分析,將選好的時頻譜圖作為機器學習的樣本,由表征學習算法對時頻圖差異性特征學習再由卷積神經(jīng)網(wǎng)絡去分類。通過時頻分析和深度學習方法的結合實現(xiàn)了對飛行目標智能識別分類的系統(tǒng)研究,研究得出的結論如下:1)對旋翼無人機和鳥的微動建立了數(shù)學模型并分析微動特性,為后續(xù)信號集的獲取提供依據(jù)。首先把飛行目標用點代替,經(jīng)過平動和旋轉兩個過程,得出多普勒信號中存在微動分量信號,然后再以旋槳槳葉和鳥翅膀的運動建模得出兩種飛行目標的微動回波信號。2)對時頻譜圖的選擇。通過STFT、WVD、STFRFT三種時頻方法對微動回波信號時-頻分析,對比得出,STFRFT方法更好,STFT方法次之,WVD方法不適用。3)對圖...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 無人機隱患研究現(xiàn)狀
        1.2.2 雷達識別技術研究現(xiàn)狀
        1.2.3 微多普勒時頻分析技術研究現(xiàn)狀
    1.3 本論文的研究內容和結構安排
第二章 飛行目標的微多普勒運動及回波信號建模
    2.1 雷達與飛行目標幾何關系建模
    2.2 飛行目標微動建模
    2.3 旋翼無人機建模
    2.4 鳥的微動建模
    2.5 總結
第三章 微多普勒特征提取的時頻分析方法研究
    3.1 常規(guī)微多普勒特征提取方法
        3.1.1 短時傅里葉變換
        3.1.2 魏格納-威爾分布
        3.1.3 短時分數(shù)階傅里葉變換
    3.2 飛行目標微動時頻方法分析仿真
        3.2.1 旋翼無人機微多普勒的時頻分析
        3.2.2 鳥類微多普勒的時頻分析
        3.2.3 單分量情況下的時頻分辨率比較
    3.3 總結
第四章 飛行目標分類方法研究與實現(xiàn)
    4.1 整體設計流程
    4.2 人工神經(jīng)網(wǎng)絡介紹
        4.2.1 神經(jīng)網(wǎng)絡結構
        4.2.2 激活函數(shù)
        4.2.3 反向傳播算法
        4.2.4 隨機梯度下降算法
        4.2.5 正則化
    4.3 時頻圖中的特征提取
        4.3.1 預處理
        4.3.2 稀疏自編碼器
        4.3.3 特征學習
    4.4 飛行目標的分類
        4.4.1 卷積神經(jīng)網(wǎng)絡
        4.4.2 圖像的卷積
        4.4.3 池化
    4.5 仿真結果及分析
    4.6 總結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間發(fā)表的論文
致謝



本文編號：3946645