基于低分辨雷達系統的無人機微多普勒特征分析

李秋菊　朱東方

摘 ?要：小型無人機具有體積小、飛行速度慢、飛行高度低的特點，而基于低分辨雷達獲取的回波信號在很短的駐留時間內獲得，包含的目標信息有限，因此使用低分辨雷達系統對其進行分類是一項具有挑戰性的任務。文章從微多普勒特征的角度分析了無人機目標回波信號，包括對單個旋翼回波建模，多普勒譜和時頻譜的微動特性分布。實測數據分析表明，回波信號除包含無人機機身的平動頻率分量，還可觀測到旋翼產生的微多普勒分量。

關鍵詞：無人機;微多普勒特征;時頻分析;低分辨雷達

中圖分類號：TN957.51 文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）31-0005-04

Abstract： Small unmanned aerial vehicle（UAV） has the characteristics of small size， slow flight speed and low flight altitude. Based on low-resolution radar， the echo signals contain limited target information under the condition of low range resolution and short dwell time. Therefore， it is a challenging task to realize UAV classification by using low-resolution radar system. In this paper， we analyze the micro-Doppler signature of UAV target， including the echo modeling of single rotor and the micro-motion feature distribution of Doppler spectrum. The measured data analysis shows that the echo signal contains not only the translational frequency component generated by UAV fuselage， but also the micro-Doppler component by rotor.

Keywords： UAV; micro-Doppler signature; Time-Frequency Analysis; low-resolution radar

1 概述

近年來，無人機發展迅速，為消費者帶來全新體驗的同時，“黑飛”現象也頻繁發生。無人機可以用于偵察、攻擊，對軍事安全、要地防御、重點設施防護、民航飛行保障、大型活動安保等帶來了嚴峻挑戰。因此，對無人機必須采取有效的管控與監測手段。快速準確的無人機檢測和分類是近年來的研究熱點之一[1，2]。

由于雷達具有全天候快速遙感的能力，雷達技術已被廣泛應用于無人機探測和分類。雷達微多普勒是指在目標運動時產生的主多普勒分量之外觀察到的微運動現象。近年來，目標微動特性分析引起學術界及工程界廣泛關注及研究。目標微運動產生的微多普勒特征包含了目標的精細結構和運動細節等信息，可以從該信號中提取有用信息進行識別。

美國海軍研究實驗室Chen Victor C最早將微運動和微多普勒特征的相關概念引入到雷達觀測中，對旋轉、振動、進動等多種微動形式進行建模分析，闡述了根據微動特性實現目標分類的理論依據，寫了一些人類微多普勒分析領域的重要出版物[3-5];加拿大雷達應用與空間防御技術研究所的Thayaparan等聯合小波變換與時頻分析，成功獲取了直升機與行人窄帶雷達回波的微動特征[6];國防科技大學著重對雷達微動目標特性進行研究，闡述了窄帶及寬帶雷達中目標的微動現象，并介紹了多種微動特征的提取方法[7];西安電子科技大學劉宏偉、杜蘭等發表了多篇針對低分辨雷達目標分類方法的論文，提取了回波自相關矩陣的特征值譜特征，綜合了CLEAN技術與EMD方法，實現了從回波中對微動分量的提取，并將分形理論應用于特征提取[8]。以上研究成果表明基于微多普勒特征的雷達目標分類方法研究是實際可行的。

本文開展使用低分雷達對無人機目標進行微多普勒特性分析，并與非無人機目標對比。文章結構如下：第2節對無人機單個旋翼回波建模，分析旋翼產生微動特性機理。第3節對實測無人機實測數據進行微多普勒分析。第4節討論了無人機實測數據的時頻譜分布。最后第5節對論文進行了總結。

2 無人機旋翼建模及分析

無人機目標主要包含機身及旋翼兩種部件，如圖1所示。機身平動可視為剛體運動，而由旋翼旋轉為非剛體運動。

圖1 無人機典型目標

以單個旋翼為例，一個旋翼由多個槳葉葉片組成，每個槳葉可等效為一個條狀散射體。對條狀散射體各點散射回波積分可得單個葉片的散射回波，多個槳葉葉片回波疊加即可得到單個旋翼的回波。低分辨雷達體制下可對單個旋翼回波建模，仿真生成的單個旋翼時域回波及其多普勒譜如圖2所示。

由于旋翼的對稱性結構，每旋轉至一定角度時，其有效散射截面積（RCS）會達到最大。因此旋翼旋轉速度恒定時，其回波幅度表現為在某一時刻出現尖峰，且呈周期性出現，其重復周期與旋翼轉速有關。多普勒譜則表現為呈對稱分布的多條離散譜線。

3 無人機實測數據微多普勒特性分析

目標的回波含有微動信息，可以進行特征提取與分析，實現目標的識別。對于無人機目標來說，旋翼轉動產生的微多普勒信息，是重要的分類依據。本節以無人機實測數據展開討論。

用于實驗的是一部脈沖多普勒體制的低分辨雷達系統，工作參數如表1所示。

表1 雷達工作參數

低分辨雷達系統實現無人機分類并不簡單。除了無人機體積小、飛行速度慢導致回波信號弱之外，由于雷達回波的時間分辨率很低，因此在目標上駐留時間很短，可獲取用于分類的微動信息有限。圖3給出無人機懸停，慢速等多種運動場景下的雷達回波實測數據。

在數據采集實驗中，雷達一個相關處理間隔（CPI）的脈沖積累數為256，稱為一幀。在得到無人機目標的雷達回波后，一幀的各個脈沖間包含了目標的多普勒信息，對這256點信號進行傅里葉變換，就可以得到目標的多普勒譜。其中圖3場景（c）為無人機目標先是處于懸停狀態，機身多普勒頻率位于零頻率軸，后逼近雷達運動，機身多普勒頻率移于正頻率軸，雷達連續觀測了目標的整個運動過程。同樣場景（d）為無人機目標先處于懸停狀態，后背離雷達運動。同時，每個場景我們都可觀測到無人機機身主多普勒頻率兩側的多條離散譜線。

目標的多普勒譜反應了目標的主體平動和微運動信息，我們正是利用這樣的信息來對目標進行分類。圖4給出無人機在懸停和運動狀態下的實測數據單幀多普勒譜。可以看出，多普勒譜的峰值頻率對應無人機平動速度，峰值兩側的若干個小尖峰，則對應無人機旋翼轉動產生的微動分量。

然而實際情況中，旋翼分量并不能總是被雷達觀測到，如圖5所示。無人機目標體積小使得RCS小，常導致回波的微動分量微弱，另外若目標速度過慢，也可能會導致雜波與目標回波發生重合，對后面的分析產生影響。缺失重要的微動信息或者微動信息較弱，將會對無人機的高性能分類帶來挑戰。

時頻分析可以顯示信號瞬時頻率隨時間的變化規律，可有效顯示和分析目標的微多普勒特性。圖6給出無人機目標在懸停和運動狀態下的時頻圖，用短時傅里葉變換獲得。我們同樣可以觀測，無人機平動速度產生的頻譜對應圖中的峰值頻率，峰值上下側的離散譜線則對應無人機旋翼轉動產生的微動分量。

在圖6實測數據基礎上還應進行雜波抑制和去噪等預處理，可保證在后續特征提取和目標分類時，使得微動分量不被噪聲和雜波等無用信號影響。

4 結束語

在本文中，我們介紹了基于低分辨雷達系統生成的無人機實測數據的分析，包含無人機身平動分量，旋翼微多普勒分量，及噪聲等無用分量，重點針對旋翼轉動的微動特性進行建模和實測數據對比。分析表明，無人機回波信號的多普勒譜和時頻譜均可觀測到旋翼轉動產生的微多普勒分量。根據上述討論我們可知無人機的微多普勒調制特點，從而對無人機目標實行進一步的特征提取和分類。

參考文獻：

[1]Jianfeng Ren， Xudong Jiang. Regularized 2-D complex-log spectral analysis and subspace reliability analysis of micro-Doppler signature for UAV detection[J]. Pattern Recognition， 2017， 69：225-237.

[2]Beom-Seok Oh ， Xin Guo， Fangyuan Wan， Kar-Ann Toh， and Zhiping Lin. Micro-Doppler Mini-UAV Classification Using Empirical-Mode Decomposition Features[J]. IEEE Geoscience and Remote Sensing Letters， 2018， 15（2）：227-231.

[3]Al-Ashwal， W.A.， Baker， C.J.， Balleri， A.， et al.Statistical analysis of simultaneous monostatic and bistatic sea clutter at low grazing angles[J]. Electron.Lett.， 2011， 47 （10）： 621-622.

[4]Chen， V.C.， Fayin， L.， Ho， S.S.， Wechsler， H.： Micro-Doppler effect in radar： phenomenon， model， and simulation study[J]. IEEE Trans. Aerosp. Electron. Syst.， 2006，42（1）：2-21.

[5]Chen， V.C.： The micro-Doppler effect in radar[M].Artech House， 2011.

[6]Thayapaparan T， Abrol S， Qian S. Analysis of radar micro-Doppler signatures from experimental helicopter and human data[J]. IEE Proceedings on Radar， Sonar and Navigation，2007，1（4）：289-299.

[7]金光虎.中斷彈道目標ISAR成像及物理特性反演技術研究[D].長沙：國防科技大學，2009：94-120.

[8]李彥兵，杜蘭，劉宏偉，等.基于微多普勒特征的地面目標分類[J].電子與信息學報，2010，32（12）：641-648.