基于高分辨定向算法的旋翼無人機被動聲探測與 跟蹤技術

袁 彥

（中國電子科技集團公司第三研究所，北京 100015）

0 引 言

近年來，民用無人機正朝著小型化、輕型化的方向演變。無人機快速發展的同時，也帶來諸多安全問題。對旋翼無人機的探測需求日益增大，利用雷達、無線電、光電及聲學等多手段綜合探測，才能更有效地對旋翼無人機進行探測發現。傳統聲探測多針對直升機等較大型飛行器，而旋翼無人機具有機動性強、角速度變化快、聲音小等特點，傳統聲探測手段已經不適用。本文針對旋翼無人機的發現和探測，詳細介紹了基于高分辨定向算法的被動聲探測與跟蹤技術。

1 基于高分辨定向算法的旋翼無人機被動聲探測技術

以最普遍的民用大疆精靈3作為旋翼無人機的典型代表，電動力多旋翼無人機的主要噪聲源為旋翼噪聲，可分為旋轉噪聲和寬帶噪聲兩個部分。多旋翼無人機由于存在多個旋翼聲場的相互作用，其頻譜既表現出旋翼噪聲的線譜和多諧波特性，同時又具有以各線譜為中心頻譜展寬的特點[1]。大疆精靈3的噪聲信號時頻圖如圖1所示。

圖1 大疆精靈3的噪聲時頻圖

經過聲特征頻率分析，旋翼無人機的頻譜多分布在100～1 000 Hz，設計8 000 Hz的采樣率。含有目標噪聲的信號經過AD模塊采樣后得到陣列數字信號，為了適應小目標快速機動的特點，選取 0.5 s作為信號處理周期[2]。下面詳細介紹基于窄帶的高分辨定向算法解決探測寬頻信號的方法步驟。

1.1 聲特征頻率的選取算法

聲特征頻率的選取算法由以下步驟實現，如圖2所示。

圖2 聲特征頻率的選取流程圖

1.1.1 時頻變換

為了減少頻譜泄露，時域信號加hanning窗。陣列信號進行快速傅里葉（Fast Fourier Transform，FFT）時頻變換，多通道頻域疊加。

式中：M為陣列通道數，Fs為信號采樣率。

1.1.2 特征頻率選取

噪聲歸一化，檢測1 000 Hz頻率范圍內的特征頻點。為了提高頻率點的準確性、減少干擾頻點，將相鄰特征頻點合并，提高頻點置信度。緩存5個處理周期的頻率數組，選取頻次較多的頻率點。

1.2 經典music法

利用信號子空間和噪聲子空間的正交性，假設噪聲、信號噪聲為空間不相關，由陣列的接收的窄帶遠場信號為X(t)=A(θ)s(t)+N(t)，數據的協方差陣進行特征分解為確定信號子空間和噪聲子空間空間譜的表達式為：

式中：a(φ)為陣列流型矩陣，uN為噪聲子空間，Pmusic(φ)的峰值顯示了信號的來波方向。

根據信號參數范圍對Pmusic(φ)進行譜峰搜索，找出最大值點對應的角度即為信號入射方向。

2 基于灰色預測模型的航跡跟蹤技術

2.1 航跡的建立

航跡的建立采用基于密度的聚類法：在連續秒的方位中，如果在一定誤差范圍內的方位角連續超過5個探測周期，就建立一條新的航跡。

2.2 數據關聯

數據關聯使用最近鄰法：把當前秒的方位和已經形成的航跡預測值或航跡的最后一點比較，選取最接近差值的方位角度，續在已存在航跡的 末尾[3]。

2.3 航跡預測

2.3.1 灰色預測

對于低空飛行目標航跡點，二階曲線擬合在有錯誤點時顯得不足，灰色預測需要的數據量較少，可根據實際情況選用適量的數據進行累加生成，選取4～6個數就進行建模測試，通過研究認為GM（1，1）模型符合對空中飛行目標航跡的預測：

3 實驗室數據分析和算法仿真

實驗室分析旋翼無人機的聲信號特點，連續時頻圖如圖3所示，呈現寬譜信號特性，也存在一定的基頻和諧頻特征，但總體來說特征頻點分布較廣。傳統的直升機線譜探測方法不再適用，改用上述寬譜探測方法。

圖3 大疆精靈3無人機時頻圖

對每一個特征頻率點進行經典music定位計算，得到的空間譜上將出現目標的方位信息，其中最大譜峰對應的位置信息即目標在空間的對應方位角和俯仰角。在實驗室用MATLAB仿真2個和3個目標的仿真寬帶信號，針對每一頻率點進行高分辨方位估計，得到的空間譜圖如圖4所示。從圖4可清晰地看到，從空間譜的角度能分辨出2個和3個目標，從而獲得目標的方位角度和俯仰角度。

圖4 多目標三維空間譜

4 外場試驗驗證

為了進一步驗證實驗室結果，選取比較安靜開闊的場地，在天氣晴朗、風力3級以下的環境下，對大疆精靈3做實時探測試驗，能實時發現探測到大疆精靈3并在一定的探測范圍內實現航跡跟蹤，結果如圖5所示。

圖5 大疆精靈3點跡探測圖

5 結 語

在傳統的聲探測技術基礎上，本文提出的針對旋翼無人機的基于高分辨定向算法的被動聲探測與跟蹤技術，在實驗室仿真和外場實飛試驗中均取得了滿意的效果。下一步可繼續在噪聲抑制、探測精度及探測距離這幾個方面進行不斷改進和 提高。