26 / 2024-08-04 17:36:18

基于动态多特征融合网络的FMCW雷达低慢小目标分类方法

低慢小目标；调频连续波雷达；微动特征；神经网络；分类

针对雷达对鸟类和旋翼无人机进行分类的难题，本文使用距离周期序列张量数据，提出一种动态多特征融合的神经网络分类方法，提高目标分类的精度。利用K波段调频连续波采集5种类型旋翼无人机和飞鸟回波数据，包括大疆悟2、大疆御2、大疆M350、大疆M600、固定翼无人机和仿真飞鸟。通过时频分析方法提取目标的微多普勒并构建二维数据集，通过全局特征提取模块提取微动特征，构建三维距离周期序列张量数据提取时空动态变化特征，从二维距离周期图中提取的局部特征，通过注意力机制关注这些特征提出多通道特征融合的神经网络进行特征的融合实现低慢小目标的分类，与传统分类网络相比，加入动态数据提高了低慢小目标的分类精度。实测数据进行验证表明，加入动态特征数据分类的准确率平均提高了2.33%，相比传统分类方法准确率平均提高了4.7%，使用动态距离周期数据的动态多特征融合网络对低慢小目标的平均分类准确率达到99.56%。