【技術實現步驟摘要】
本專利技術涉及軌跡跟蹤，尤其涉及基于多頻段雷達的無人機軌跡跟蹤目標分類方法及系統。
技術介紹
1、近年來，無人機技術的迅速發展和廣泛應用，傳統無人機雷達系統大多依賴單一頻段進行目標探測，其在分辨率、抗干擾能力以及環境適應性方面存在一定局限性，難以滿足在復雜電磁環境中對高速、小型、低可觀測性目標(如無人機)的精準探測和跟蹤要求。
2、目前，一些研究嘗試利用多頻段雷達系統采集不同頻段(如毫米波、ku頻段、l頻段)的回波數據，以期通過多源信息融合提升目標檢測性能，然而，由于各頻段信號采集存在時鐘偏差、脈沖觸發時序不一致等問題，多頻段數據難以實現高精度的同步，導致后續特征提取和目標識別過程中信息失真或誤匹配，此外，不同頻段所捕獲的目標特征在物理意義上存在差異，如毫米波頻段適合提取細微運動特征，ku頻段反映目標散射截面特性，而l頻段則更適用于多普勒速度測量，如何有效融合這些多維度特征，實現跨頻段的協同識別，一直是技術難點之一。
3、另外，現有的目標跟蹤與分類方法多側重于單幀或短時序數據的處理，缺乏充分利用目標在連續時空序列中的運動信息，傳統數據關聯算法往往依賴于固定模型或簡單的匹配規則，無法自適應地應對目標間復雜的時空關聯和動態變化，進而影響了目標軌跡的連續性判定和后續的分類準確率。
技術實現思路
1、本專利技術提供了基于多頻段雷達的無人機軌跡跟蹤目標分類方法及系統。
2、基于多頻段雷達的無人機軌跡跟蹤目標分類方法，包括以下步驟：
3、s1：通
4、s2：從同步后的多頻段數據集合中提取目標的多維度特征，包括毫米波頻段的高分辨率微動特征、ku頻段的散射截面特征及l頻段的多普勒速度特征，生成多頻段特征向量；
5、s3：根據多頻段特征向量，構建動態軌跡關聯矩陣，通過基于注意力機制的軌跡關聯算法確定目標軌跡的時空連續性；
6、s4：基于動態軌跡關聯矩陣和歷史分類數據，構建輕量化分類模型，所述模型包括長短時記憶網絡(lstm)模塊和自適應頻段權重分配模塊；
7、s5：利用所述輕量化分類模型對實時多頻段特征向量進行在線分類，輸出目標類型及置信度。
8、可選的，所述s1具體包括：
9、s11：配置多頻段雷達系統的硬件架構，包括毫米波雷達發射器、ku波段雷達發射器、l波段雷達發射器及共口徑接收天線陣列，所述毫米波雷達發射器、ku波段雷達發射器、l波段雷達發射器采用主從式時鐘同步機制，以毫米波雷達時鐘為基準時鐘源，通過鎖相環同步ku波段和l波段雷達的脈沖觸發時序；
10、s12：針對每個頻段獨立設置脈沖重復頻率prf，其中，毫米波頻段prf為100khz1mhz，ku頻段prf為1050khz，l頻段prf為110khz；
11、s13：在接收端對原始回波數據進行時域分割，根據發射時序分離各頻段信號，并基于雷達波束形成算法計算目標方位角，生成帶有時戳、方位角及對應頻段脈沖序列的三元組數據；
12、s14：將各頻段的三元組數據按時間戳對齊后，融合為統一的多頻段數據集合，所述多頻段數據集合中每個條目均包括同步后的時間戳、方位角及毫米波頻段、ku頻段和l頻段的三通道脈沖序列。
13、可選的，所述雷達波束形成算法采用延時求和法，利用共口徑接收天線陣列，對分離出的每一頻段信號采用延時求和法計算目標的方位角；
14、對于某一頻段內，共口徑接收天線陣列包含n個天線單元，記每個天線單元接收到的信號為xn(t)，其中n＝1,2,…,n，對于候選的目標方位角θ，通過計算每個天線單元的相應延時補償值τn(θ)后，對各單元信號進行加權求和；
15、所述延時補償值τn(θ)的計算依據天線陣列幾何結構確定，設第n個天線單元相對于陣列參考單元的相對位置沿陣列方向的投影距離為dn，信號以光速c傳播，則當目標位于候選方位角θ時，第n個天線單元所需補償的延時時間為：
16、其中，dn為第n個天線單元相對于參考單元的距離投影，θ是候選目標方位角，c為光速；
17、對候選角度θ在預設搜索范圍內進行掃描，計算各角度下波束形成輸出信號的功率，以確定目標的實際方位角：通過尋找輸出功率最大的角度，確定目標的估計方位角：其中，p(θ)為候選角度θ下的信號功率，θtarget即為估計的目標方位角。
18、可選的，所述s2具體包括：
19、s21：對毫米波頻段的同步數據采用信號處理技術，對目標回波信號進行時頻域分析，提取目標的微動特征μmm，所述微動特征反映目標細微運動(例如旋轉或震動)產生的微多普勒效應；
20、s22：對ku頻段的同步數據利用幅度和相位信息進行散射截面估計，計算目標的散射截面特征σku，表征目標對雷達波的反射能力；
21、s23：對l頻段的同步數據采用脈沖多普勒處理技術，通過對回波信號進行頻譜分析，計算目標回波中的多普勒頻移，提取目標的多普勒速度特征vl；
22、s24：將提取得到的毫米波微動特征、ku頻段散射截面特征及l頻段多普勒速度特征經過特征級融合，生成包括目標多維度信息的多頻段特征向量f，f＝
23、[μmm,σku,vl]，用于后續的軌跡跟蹤和目標分類。
24、可選的，所述s3具體包括：
25、s31，多頻段特征向量定義：在每個時間幀t內，針對檢測到的各目標，提取得到多頻段特征向量集合其中，每個表示第i個目標在時間幀t的特征向量，d為特征向量的維度，nt為時間幀t內目標的數量；
26、s32，查詢、鍵和值向量的計算：利用預設的權重矩陣其中，wq為查詢權重矩陣，wk為鍵權重矩陣，wv為值權重矩陣，對每個特征向量分別計算查詢向量、鍵向量和值向量：
27、
28、s33，注意力權重得分的計算：考慮相鄰時間幀t與t+1，對于時間幀t中的第i個目標與時間幀t+1中的第j個目標，計算注意力權重得分
29、s34，動態軌跡關聯矩陣的構建：根據注意力權重得分，構建動態軌跡關聯矩陣其矩陣元素定義為：
30、
31、s35，軌跡特征的聚合：利用矩陣mt,t+1對相鄰時間幀內的目標進行軌跡關聯，計算時間幀t中第i個目標在與時間幀t+1的關聯下的聚合特征向量
32、s36，時空連續性評分的計算：為確定目標軌跡的時空連續性，對每個目標i比較其原始特征向量與聚合特征向量的相似性，采用余弦相似度作為時空連續性評分，其計算公式為：其中，‖·‖表示歐幾里得范數，為目標i在相鄰幀間的時空連續性評分，數值越接近1表示連續性越好。
33、可選的，所述計算注意力權重得分采用點積注意力機制，表示為：
34、其中，為時間幀t中第i個目標的查詢向本文檔來自技高網...
【技術保護點】
1.基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述S1具體包括：
3.根據權利要求2所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述雷達波束形成算法采用延時求和法，利用共口徑接收天線陣列，對分離出的每一頻段信號采用延時求和法計算目標的方位角；
4.根據權利要求1所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述S2具體包括：
5.根據權利要求1所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述S3具體包括：
6.根據權利要求5所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述計算注意力權重得分采用點積注意力機制，表示為：
7.根據權利要求5所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述S3還包括時空連續性判定：根據預設的時空連續性閾值，將Scorei與時空連續性閾值進行比較，判定時間幀t與t+1中目標i的軌跡是否具有
8.根據權利要求5所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述S4具體包括：
9.根據權利要求8所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述輕量化分類模型輸入實時多頻段特征向量，通過自適應頻段權重分配模塊將各頻段特征向量融合為單一特征向量Fweighted，將融合后的特征向量Fweighted作為長短時記憶網絡模塊的輸入，經過長短時記憶網絡模塊計算得到隱藏狀態ht，最終，通過一層全連接層及Softmax層實現目標分類，其計算表示為：yt＝softmax(Wyht+by)，其中，Wy為輸出層權重矩陣，by為偏置向量，softmax(·)函數將輸出轉換為各類別的概率分布，yt為時刻t的分類結果向量，其每個分量代表對應類別的置信度。
10.基于多頻段雷達的無人機軌跡跟蹤目標分類系統，用于實現如權利要求1-9任一項所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，包括以下模塊：
...【技術特征摘要】
1.基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述s1具體包括：
3.根據權利要求2所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述雷達波束形成算法采用延時求和法，利用共口徑接收天線陣列，對分離出的每一頻段信號采用延時求和法計算目標的方位角；
4.根據權利要求1所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述s2具體包括：
5.根據權利要求1所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述s3具體包括：
6.根據權利要求5所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述計算注意力權重得分采用點積注意力機制，表示為：
7.根據權利要求5所述的基于多頻段雷達的無人機軌跡跟蹤目標分類方法，其特征在于，所述s3還包括時空連續性判定：根據預設的時空連續性閾值，將scorei與時空連續性閾值進行比較，判定...
【專利技術屬性】
技術研發人員：胡波雄，張廣亮，
申請(專利權)人：量子躍遷張家港科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。