Slide Imaging and Characteristics Analysis of Rotary-wing Drone Using Frequency Modulated Continuous Wave Radar
-
摘要:
对旋翼无人机的精细化特性分析是提高雷达对“低慢小”目标分类和识别能力的关键。从目标距离-方位二维雷达成像的角度出发，利用K波段和太赫兹两个波段的调频连续波（FMCW）雷达，实现对旋翼无人机目标的滑轨成像。首先，建立了雷达滑轨成像的信号处理模型，给出了回波距离-方位二维聚焦的实现方法。其次，从雷达波段、调制带宽、扫频周期、滑轨长度、成像时间等多个角度分析和比较雷达成像性能的影响因素。最后，选取三种不同尺寸的典型旋翼无人机，利用两个波段FMCW雷达开展成像实验。实测数据分析表明：无人机在静止状态下，成像散射点能够较为精确地反映目标的物理结构；悬停状态受旋翼转动的影响，回波幅度增强，在距离和方位向能量发散程度与叶片长度和转速有关，并表现明显的微动特性，利用旋翼对无人机主体运动的调制和扰动特性，可用于后续的目标分类和识别。
Abstract: The refined characteristics analysis of the rotary-wing drone is the key point to improve the radar's ability for "low， slow and small" target classification. From the perspective of range-azimuth two-dimensional radar imaging， two bands frequency modulated continuous wave radar （FMCW）， i.e.， the K-band and terahertz band， are used to realize the sliding imaging of the rotor drone. Firstly， the signal processing model of radar slide imaging is established， and the realization method of range-azimuth two-dimensional focusing is given. Secondly， the influencing factors of radar imaging performance are analyzed and compared from multiple angles such as radar band， modulation bandwidth， modulation period， slide rail length， imaging time. Finally， three typical rotary wing drones of different sizes were selected to carry out imaging experiments using the two-bands FMCW radars. Analysis of measured data shows that when the drone is at rest， the imaging scattering point can accurately reflect the physical structure of the target； the hovering state is affected by the rotation of the rotor， the echo amplitude is enhanced， and the energy divergence in the distance and azimuth happens， which is related to the blade length and the rotation speed. At this time， micro-motion shows characteristics become more obvious. The properties of the rotor modulation and disturbance on the drone body can be used for subsequent target classification and recognition.
-
1. 引言
随着低空空域的逐步开放，以无人机为代表的“低慢小”飞行器得到了快速发展。普通消费类旋翼无人机成本低廉、操控简易、携行方便、升空制约因素少、突然性强，非法放飞无人机作为新的焦点问题，给飞行和公共安全以及要地防御等构成巨大威胁，已经成为全世界共同面临的挑战和威胁 ［ 1- 2］。无人机类“低慢小”目标的精确识别一直是国际性的难题 ［ 3］，除采用可见光和红外等常见的探测和识别技术之外，雷达等无线电探测是实现“低慢小”目标全天候全天时监视必不可少的重要手段之一。关于无人机探测，研究人员从雷达新体制和新技术角度提出了很多富有理论和应用价值的途径和方法 ［ 4- 8］，但对于无人机的雷达特性研究报道较少，有效的特性认知和分析是对无人机目标检测和分类的前提，也是目标精细化描述和识别的基础。
对于无人机目标特性的研究，目前多集中在分析无人机的RCS特性、极化特性 ［ 9］以及距离-多普勒特征 ［ 10］等。近年来，旋翼微动特性受到了广泛关注，无人机旋翼的转动会在主体平动产生的雷达回波多普勒频移信号附近引入额外的调制边带，该信号成为微多普勒信号，进而产生微多普勒效应 ［ 11- 14］。不同类型的无人机旋翼个数、尺寸大小以及转动速度不同，导致了微多普勒特性有所差异，为旋翼无人机的精细化特性描述提供了有效途径 ［ 15- 16］。然而，微动特征也有局限性，主要是目标的时频特性，无法反映目标的轮廓和形状特征，并且有时微动特征较为微弱，难以获得有效清晰的微多普勒图像。因此，除微多普勒特征之外，还需要研究目标在距离-方位的能量分布特性，即距离-方位二维像。由于对无人机目标成像过程中，也需要用到距离-方位二维数据，能够同时获得一维距离像，并通过计算目标单元的时频分析，得到微多普勒谱图。因此，研究无人机目标的成像方法和特性分析对于提高雷达特征提取和分类能力具有重要的意义。
调频连续波（Frequency Modulated Continuous Wave， FMCW）雷达具有高距离分辨率、无距离盲区、精度高、结构简单、体积小巧等特点 ［ 17］，利用其长时间观测可实现高速度分辨力，有助于获得目标的精细化运动特征，因此，在低慢小探测等安防领域应用广泛。将FMCW雷达放置在滑轨上，可实现对目标的成像，已应用于滑坡预警、形变检测等领域 ［ 18］，但对于无人机目标成像原理和特性分析报道尚不多见，尤其是当无人机运动时旋翼产生的微动对成像的影响值得深入研究。本文利用K波段和太赫兹两个频段的FMCW雷达对典型消费级旋翼无人机进行滑轨成像，建立了雷达滑轨二维成像信号处理模型，分析比较成像性能的影响因素，如雷达频段、调制带宽、扫频周期、滑轨长度以及成像时间等，并开展地面静止和悬停状态无人机的成像实验，通过实测数据分析比较一维距离像、距离-方位二维像、微多普勒等特性的异同，从而为后续的旋翼无人机特征提取和分类奠定基础。
2. FMCW雷达滑轨二维成像处理模型
雷达滑轨成像是指雷达安放在滑轨上，目标位于雷达前方，通过控制滑轨运动，实现雷达在方位向的虚拟孔径，进而得到距离-方位二维像，主要的信号处理流程包括如下几个步骤。
1）雷达回波距离向聚焦。
雷达沿轨道边滑动边发射信号，得到距离-方位向的回波数据，
式中， t为快时间，代表距离维， tm 为慢时间，代表方位维，
sr(t,tm) 为基带回波信号， Ar 是回波幅度， K为发射的线性调频信号调频斜率， T为扫频周期， R0为雷达与目标的初始距离， R（ tm， R0）为 tm 时刻雷达与目标的径向距离， c代表光速，2R(tm,R0)/c 为回波延迟， f0为发射信号的载波频率。对 式（1）进行解调或脉冲压缩，得到距离向积累后的雷达回波数据
式中， A1为信号幅度， 式（2）实现了雷达距离维信号的聚焦。
2）目标方位向有效数据选取。
选取方位向数据，若为聚焦式成像，指雷达在滑动过程中波束一直指向待成像目标或区域，则距离-方位向的回波数据均含有待观测目标回波；若为条带式成像，指雷达波束平行扫描，则需选择含有待观测目标回波的距离-方位向回波数据
s2(t,tm') 作为后续处理，tm'∈[tm1,tm2] 为含有目标的方位数据段时间范围。设滑轨滑动时间为 tn 、滑动轨道长度 Ls，则雷达运动速度为 va = Ls / tn。以明显抖动为起始点，成像有效数据时间段为3）雷达回波方位向聚焦。
s2[t,tm'] 的相位为对其进行菲涅尔近似可得到
式中， λ代表波长，将经过菲涅尔近似后的相位代入 式（2）中，得到一个新的线性调频信号
s3(t,tm') 其调频斜率为
μ=- 2v2aλR0 。设
tm'∈[tm1,tm2] 时间段的采样点数为 N=（ tm2- tm1）* fs， fs 为采样频率，采用去斜方法对s3(t,tm') 进行方位聚焦处理，输出信号s4(t,tm') 近似为sinc函数式中， A2为信号幅度，
L's=vatm' 为虚拟孔径长度，与滑动轨道长度 Ls 关系如 式（8）所示式中，
N' 为所有方位向时间段的采样点数，完成了距离和方位的聚焦，对s4(t,tm') 取幅值即可以得到雷达滑轨距离-方位二维像。3. 雷达滑轨成像影响因素分析
3.1. 成像方案与雷达配置
分别采用K波段和太赫兹波段FMCW雷达开展旋翼无人机滑轨成像数据采集，雷达由软件、采集、射频、控制四个模块组成 ［ 19］。采用三角波调频信号，成像模型同 式（7）。两种波段雷达的主要性能指标如下：（1）K波段雷达参数：中心频率23.7 GHz，带宽在10 MHz~2000 MHz范围内可调，三角波扫频周期在0.2 ms~20 ms范围内可调。重复频率为扫频周期的倒数，对应在50 Hz~5000 Hz内可调。（2）太赫兹雷达参数：中心频率122.5 GHz，带宽在500 MHz~5000 MHz范围内可调，三角波扫频周期在0.4 ms~20 ms范围内可调。重复频率在50 Hz~2500 Hz内可调。通过雷达在滑轨上的运动来模拟机载雷达在进行合成孔径成像时的运动情况。 图1给出了基于FMCW的滑轨成像的实验场景，雷达位于滑轨上，滑动速度可调，目标位于雷达前下方4~6 m左右。
3.2. 不同雷达参数对雷达成像性能的影响
为了分析雷达滑轨成像性能的主要影响因素，对角反目标进行成像，包括雷达自身的参数，如发射频率、调制带宽、扫频周期；雷达平台的运动情况，如成像时间、滑轨长度等。
3.2.1. 波段对成像距离分辨率的影响
调整扫频周期为10 ms、8 ms、6 ms、4 ms、2 ms，对角反目标进行成像，得到测量数据如 表1所示。可以看出，距离分辨率与扫频周期关系不大，提高扫频周期信号能量提升，有利于增大雷达作用距离，太赫兹雷达距离分辨率明显优于K波段雷达的距离分辨率。分别使用两种波段雷达在扫频周期为2 ms时对角反进行成像，其成像结果如 图2所示。根据第2节所述的成像步骤，首先得到 图2（a）的雷达滑动采集的距离-周期（方位）原始回波；然后对其进行距离向匹配滤波，实现距离高分辨（ 图2（b））；再根据目标方位向有效数据选取准则，选取合适的周期范围作为目标成像区；进而对方位向信号进行聚焦处理，得到距离-方位二维图像，如 图2（c）所示。
表 1 不同波段雷达距离分辨率与扫频周期的关系Tab. 1. The relationship between the range resolution of different band radars and the modulation period扫频周期/ms 2 4 6 8 T波段距离分辨率/m 0.126 0.128 0.124 0.128 K波段距离分辨率/m 0.146 0.147 0.138 0.147 3.2.2. 调制带宽对成像距离分辨率的影响
控制太赫兹雷达的扫频周期为10 ms，采样频率为500 kHz，合成孔径时间为14 s，滑轨长度为0.9 m，分别在调制带宽为5 GHz、4 GHz、3 GHz、2 GHz、1 GHz时对角反进行成像，根据测量数据得到距离分辨率随调制带宽的关系如 图3所示。分别在调制带宽为5 GHz和3 GHz对角反进行成像，如 图4所示。其他条件相同时，调制带宽为5 GHz时的距离分辨率明显优于调制带宽为3 GHz的距离分辨率。
![]()
图 3 调制带宽对成像距离分辨率的影响Fig. 3. The influence of different modulation bandwidths on the imaging range resolution![]()
图 4 不同调制带宽对角反目标的成像结果Fig. 4. Imaging results of corner reflector with different modulation bandwidths3.2.3. 扫频周期对成像幅值的影响
控制太赫兹雷达的调制带宽为2 GHz，采样频率为500 kHz，合成孔径时间为14 s，滑轨长度为0.9 m，分别在扫频周期为2 ms和8 ms时，对角反进行成像如 图5所示。可知，扫频周期为8 ms时的幅值明显高于扫频周期为2 ms时的幅值。分别在扫频周期为10 ms、8 ms、6 ms、4 ms、2 ms时对角反进行成像，得到数据如 表2所示，可知，随着扫频周期的增加幅值逐渐增大，一方面这是由于在扫频周期增大时雷达发射信号的能量增大；另一方面，在扫频周期增大时 式（7）中的sinc函数的峰值增大，表现为幅值的增大。
![]()
图 5 不同扫频周期对角反目标的成像结果Fig. 5. Imaging results of corner reflector with different modulation periods表 2 成像幅值与扫频周期的关系Tab. 2. The relationship between range resolution and modulation period扫频周期/ms 2 4 6 8 最强回波点距离维切面图幅值（×10 4） 0.787 1.095 1.125 2.006 3.2.4. 滑轨长度对成像方位分辨率的影响
控制太赫兹雷达的扫频周期为10 ms，采样频率为500 kHz，合成孔径时间为14 s，在滑轨长度为0.9 m和0.45 m两种情况下，分别在调制带宽为5 GHz、4 GHz、3 GHz、2 GHz、1 GHz时对角反进行成像，得到方位分辨率的测量结果，如 表3所示。通过对数据分析可知，在滑轨长度保持不变时，方位分辨率随调制带宽的改变变化并不明显，而将滑轨长度由0.45 m改变至0.9 m时，方位分辨率有所提升，在0.185 m至0.16 m范围变化。在有效的长度范围内，滑轨长度增加时虚拟的主波瓣宽度会变窄，提高方位分辨率。
表 3 不同孔径长度下成像方位分辨率Tab. 3. Imaging azimuth resolution under different aperture lengths调制带宽/GHz 1 2 3 4 5 0.9 m滑轨长度方位分辨率/m 0.147 0.156 0.158 0.167 0.159 0.45 m滑轨长度方位分辨率/m 0.187 0.189 0.183 0.179 0.176 在调制带宽为3 GHz、滑轨长度分别为0.9 m和0.45 m时，对角反进行成像如 图6所示。可知滑轨长度为0.9 m时的方位分辨率明显优于0.45 m时的方位分辨率。由于在雷达采集数据过程中，不能保证波束始终对目标覆盖，所以有效合成孔径长度与实际滑轨长度并不一定相等，两者关系如 式（9）所示，在实际成像过程中需进行有效数据的选取。
![]()
图 6 不同滑轨长度对角反目标的成像结果Fig. 6. Imaging results of corner reflector with different slide rail length3.2.5. 合成孔径时间对成像方位分辨率的影响
控制太赫兹雷达的扫频周期为10 ms，采样频率为500 kHz，合成孔径时间为14 s，调制带宽为5 GHz，合成孔径时间分别为6 s、8 s、10 s、12 s、14 s、18 s、20 s、22 s，对角反进行成像，得到数据如 表4所示。在滑轨长度为0.9 m，合成孔径时间分别为22 s和14 s时对角反进行成像，如 图7所示。合成孔径时间为22 s时的方位分辨率明显优于合成孔径时间为14 s时的方位分辨率。若保持滑轨长度不变，随着合成孔径时间的增加，距离分辨率基本不变，而方位向的分辨率大小有逐渐下降的趋势。在理论上，在完成距离向的脉冲压缩后输出的sinc函数中，其波束宽度与合成孔径雷达的运动速度 va 无关，而在完成方位向的聚焦后输出的sinc函数中，降低合成孔径雷达运动速度，延长接收目标回波时间，进而使sinc函数的峰值宽度变窄，提高了方位分辨能力。
表 4 距离和方位分辨率与合成孔径时间的关系Tab. 4. The relationship between range and azimuth resolution and synthetic aperture time合成孔径时间/s 6 8 10 12 14 16 18 20 22 距离分辨率/m 0.045 0.046 0.046 0.045 0.046 0.045 0.044 0.048 0.047 方位分辨率/m 0.186 0.177 0.151 0.142 0.159 0.143 0.131 0.129 0.135 ![]()
图 7 不同合成孔径时间对角反目标的成像结果Fig. 7. Imaging results of corner reflector with different synthetic aperture time4. 旋翼无人机目标二维成像及特性分析
4.1. 地面静止无人机目标成像
选取三种典型不同尺寸的消费级旋翼无人机进行成像实验，分别为大疆Mavic Air 2、Phantom 4、Inspire 2，实验场景如 图8所示。
![]()
图 8 对静止旋翼无人机成像场景，左至右依次为Mavic Air、phantom 4、Inspire 2Fig. 8. The imaging scene of stationary rotor drones， from left to right are Mavic Air， phantom 4， and Inspire 24.1.1. 御Mavic Air 2微小型无人机静止成像
分别采用太赫兹雷达和K波段雷达对Mavic Air 2无人机进行滑轨成像，如 图9所示。可以看出，两个频段的雷达二维像均存在强散射点，可反映无人机的四个旋翼和主体部分。对于太赫兹雷达，其距离分辨率高，距离维测量精度高，测量出两个相邻旋翼之间的间距为0.201 m，实际测量值为0.221 m；对于K波段雷达，尽管距离分辨率不如太赫兹雷达，但其回波散射点较为饱满，反而更容易对应实际目标的结构，根据图像测量出两个相邻旋翼之间的间距为0.251 m，距离向测量误差大于太赫兹雷达。
![]()
图 9 对静止御Mavic Air 2无人机成像结果Fig. 9. The imaging results of the stationary Mavic Air 2 drone4.1.2. 精灵Phantom 4小型无人机静止成像
对Phantom 4无人机进行成像，其体型略大于Mavic Air 2无人机，如 图10所示。对比 图9，可以看出，目标散射点更加明显，两部雷达的距离-方位二维像均能够反映出四个旋翼和主体特征，估计出两个相邻旋翼之间的间距分别为0.226 m和0.206 m，与实际测量值0.231 m基本相符。
![]()
图 10 对静止精灵Phantom 4无人机成像结果Fig. 10. The imaging results of the stationary Phantom 4 drone4.1.3. 悟Inspire 2中型无人机静止成像
对悟Inspire 2无人机进行成像，三者中体型最大，如 图11所示。由于其旋翼间距较大，对应于图像中的四个强散射点也很容易分辨，由于目标距离雷达很近，也引入了很多强散射点的副瓣，对成像产生了不利影响，可以通过控制幅值显示范围或加窗处理来克服。对于K波段图像（ 图11（b）），其左侧出现了两个亮斑，这是在成像处理中引入了与目标无关的成像周期范围所致，因此，目标成像区的选取也至关重要。估计出两个相邻旋翼之间的间距分别为0.403 m和0.410 m，与实际测量值0.380 m基本相符。
![]()
图 11 对静止悟Inspire 2无人机成像结果Fig. 11. The imaging results of the stationary Inspire 2 drone4.1.4. 三种旋翼无人机同时成像
对三种无人机同时成像，分别采用纵向排列和横向排列的方式，实验场景如 图12所示。
图13给出了太赫兹雷达对三个纵向排列无人机成像结果，对于2号和3号无人机成像较为明显，其方位和距离向切面图，能够对应显示3个无人机目标的幅值起伏。对比 图14的K波段雷达成像结果，1号和3号无人机的四个旋翼和主体特征更为明显，但距离向分辨率较差。对横向排列无人机进行成像，如 图15所示，能够较好地反映三个目标的位置和结构，对应于方位向切面图中的三个目标峰值起伏。由于滑轨长度有限，位于两侧的无人机部分回波无法被雷达接收，导致靠近中间的目标回波最多，因此影响了雷达对两侧边缘目标的成像质量。
![]()
图 13 太赫兹雷达对三个纵向排列无人机成像结果Fig. 13. Terahertz radar imaging results of three longitudinally arranged drones![]()
图 14 K波段雷达对三个纵向排列无人机成像结果Fig. 14. K-band radar imaging results of three longitudinally arranged drones![]()
图 15 K波段雷达对三个横向排列无人机成像结果Fig. 15. K-band radar imaging results of three horizontally arranged drones4.2. 空中悬停无人机目标成像
对无人机空中悬停状态进行成像，进一步研究飞行状态与静止状态的特性差异，分析旋翼转动对二维成像的影响，选取Mavic Air 2和Inspire 2开展实验，数据采集场景如 图16所示。
4.2.1. 御Mavic Air 2无人机悬停成像
图17给出了K波段雷达对Mavic Air 2无人机静止与悬停状态下成像的对比结果，可以看出，当无人机处于悬停状态时，会导致回波序列随时间的调制性，在距离和方位维能量扩散，造成图像的散焦现象，旋翼个体特征不明显。具体来看， 图17（a1）为滑轨数据采集后距离维匹配滤波后的结果，即完成了距离向的聚焦，其中白色框表示含有目标回波，为目标成像区，也即第2节所述的成像有效数据段。对该区域周期数据进行方位向匹配滤波，得到 图17（a2）距离-方位二维聚焦像，能够较为明显看出无人机的四个旋翼以及主体的能量分布，与前面分析的结论相一致。 图17（b1）反映无人机悬停时的距离-周期图，通过对比 图17（a1）可以看出，回波占据的距离单元扩展，产生了条形分布的能量扩散，对应于旋翼转动带来的周期距离变化。同时由于旋翼的转动，也引起了临近方位回波的发散。对比静止和悬停的二维像，悬停时旋翼转动反而使得目标能量更强，距离和方位向均有扩展，有利于目标的检测，但此时已很难区分主体和旋翼，表现为条状距离扩展，仅能大致估计出主体的位置和方位。此时，需要进一步分析悬停无人机的距离、方位向回波以及时频特性，如 图18所示。距离像有多个尖峰凸起，表示为目标的旋翼， 图18（b）为目标单元的短时傅里叶变换，除零频附近的主体外，有细小的周期调制尖峰，这是由旋翼旋转产生的微多普勒，其频率大小与旋翼转速和叶片长度有关。因此，无人机二维成像中距离向和方位向的发散是由旋翼转动产生的距离走动和微动引起的。
![]()
图 17 Mavic Air 2无人机静止和悬停成像对比（K波段）Fig. 17. Comparison of stationary and hovering imaging of Mavic Air 2 （K-band）![]()
图 18 Mavic Air 2无人机悬停幅度和多普勒特性Fig. 18. Amplitude and Doppler characteristics of the hovering Mavic Air 24.2.2. 悟Inspire 2无人机悬停成像
进一步分析Inspire 2悬停状态的成像结果和特性，如 图19和 图20所示。可以看出，Inspire 2体型较大，其距离-周期图中距离单元跨越数较多，在悬停时，距离扩散范围要明显大于Mavic Air 2；在静止时，其距离-方位二维像能够非常明显地描述出无人机的四个旋翼和主体部分，成像质量较好，但在悬停时，也出现了距离和方位能量发散现象，但由于旋翼叶片尺寸大，也能够反映出个别的散射强点，这一点有利于对Inspire 2目标的识别。根据最大多普勒计算公式，
fmax=(4lπn/λ)cosβ ，其中 l为叶片长度， n为转速，在相同的观测角度 β条件下，Inspire 2无人机微多普勒最大频率以及尖峰要大于Mavic Air 2。因此，可以结合目标的距离-方位二维像以及微多普勒特征，提高对旋翼无人机的特征提取和分类性能。![]()
图 19 Inspire 2无人机静止和悬停成像对比（K波段）Fig. 19. Comparison of stationary and hovering imaging of Inspire 2 （K-band）![]()
图 20 Inspire 2无人机悬停幅度和多普勒特性Fig. 20. Amplitude and Doppler characteristics of the hovering Inspire 25. 结论
本文对旋翼无人机雷达二维像的成像方法以及特性进行了研究，建立了基于滑轨成像的雷达距离-方位二维能量聚焦信号模型，利用K波段和太赫兹FMCW雷达分别从雷达波段、调制带宽、扫频周期、滑轨长度、成像时间等五个方面进行成像影响因素分析。选取三种典型消费级无人机，即Mavic Air 2、Phantom 4、Inspire 2，开展地面静止和空中悬停两种状态下旋翼无人机的滑轨成像实验，对其一维距离像、距离-方位二维图像、微多普勒等特性进行对比和分析。实测数据分析表明：太赫兹雷达带宽宽，其距离分辨率优于K波段雷达，但其成像能量聚集性较差；增大扫频周期能够提高发射信号能量，增加回波幅值；延长有效合成孔径长度、增大成像时间均能够提高方位分辨率；无人机静止状态时，散射点能够清晰对应目标的物理结构，悬停状态，受旋翼叶片转动作用，出现距离和方位能量发散，并具有明显的微动特征。由于无人机旋翼回波弱，转速高，微动特征提取困难，在实际中，可利用其整体特性，以及旋翼对无人机主体运动的调制和扰动特性，用于区分不同类型的无人机。此外，融合利用目标的一维距离像、二维图像以及微动特征，并采用深度学习的智能处理方法 ［ 20］，有利于进一步提高雷达的目标分类能力。
-
![]()
图 3 调制带宽对成像距离分辨率的影响
Figure 3. The influence of different modulation bandwidths on the imaging range resolution
![]()
图 4 不同调制带宽对角反目标的成像结果
Figure 4. Imaging results of corner reflector with different modulation bandwidths
![]()
图 5 不同扫频周期对角反目标的成像结果
Figure 5. Imaging results of corner reflector with different modulation periods
![]()
图 6 不同滑轨长度对角反目标的成像结果
Figure 6. Imaging results of corner reflector with different slide rail length
![]()
图 7 不同合成孔径时间对角反目标的成像结果
Figure 7. Imaging results of corner reflector with different synthetic aperture time
![]()
图 8 对静止旋翼无人机成像场景，左至右依次为Mavic Air、phantom 4、Inspire 2
Figure 8. The imaging scene of stationary rotor drones， from left to right are Mavic Air， phantom 4， and Inspire 2
![]()
图 9 对静止御Mavic Air 2无人机成像结果
Figure 9. The imaging results of the stationary Mavic Air 2 drone
![]()
图 10 对静止精灵Phantom 4无人机成像结果
Figure 10. The imaging results of the stationary Phantom 4 drone
![]()
图 11 对静止悟Inspire 2无人机成像结果
Figure 11. The imaging results of the stationary Inspire 2 drone
![]()
图 13 太赫兹雷达对三个纵向排列无人机成像结果
Figure 13. Terahertz radar imaging results of three longitudinally arranged drones
![]()
图 14 K波段雷达对三个纵向排列无人机成像结果
Figure 14. K-band radar imaging results of three longitudinally arranged drones
![]()
图 15 K波段雷达对三个横向排列无人机成像结果
Figure 15. K-band radar imaging results of three horizontally arranged drones
![]()
图 17 Mavic Air 2无人机静止和悬停成像对比（K波段）
Figure 17. Comparison of stationary and hovering imaging of Mavic Air 2 （K-band）
![]()
图 18 Mavic Air 2无人机悬停幅度和多普勒特性
Figure 18. Amplitude and Doppler characteristics of the hovering Mavic Air 2
![]()
图 19 Inspire 2无人机静止和悬停成像对比（K波段）
Figure 19. Comparison of stationary and hovering imaging of Inspire 2 （K-band）
![]()
图 20 Inspire 2无人机悬停幅度和多普勒特性
Figure 20. Amplitude and Doppler characteristics of the hovering Inspire 2
表 1 不同波段雷达距离分辨率与扫频周期的关系
Table 1 The relationship between the range resolution of different band radars and the modulation period
扫频周期/ms 2 4 6 8 T波段距离分辨率/m 0.126 0.128 0.124 0.128 K波段距离分辨率/m 0.146 0.147 0.138 0.147 
下载: 导出CSV
表 2 成像幅值与扫频周期的关系
Table 2 The relationship between range resolution and modulation period
扫频周期/ms 2 4 6 8 最强回波点距离维切面图幅值（×10 4） 0.787 1.095 1.125 2.006
下载: 导出CSV
表 3 不同孔径长度下成像方位分辨率
Table 3 Imaging azimuth resolution under different aperture lengths
调制带宽/GHz 1 2 3 4 5 0.9 m滑轨长度方位分辨率/m 0.147 0.156 0.158 0.167 0.159 0.45 m滑轨长度方位分辨率/m 0.187 0.189 0.183 0.179 0.176
下载: 导出CSV
表 4 距离和方位分辨率与合成孔径时间的关系
Table 4 The relationship between range and azimuth resolution and synthetic aperture time
合成孔径时间/s 6 8 10 12 14 16 18 20 22 距离分辨率/m 0.045 0.046 0.046 0.045 0.046 0.045 0.044 0.048 0.047 方位分辨率/m 0.186 0.177 0.151 0.142 0.159 0.143 0.131 0.129 0.135
下载: 导出CSV
-
[1] 陈唯实. 轻小型无人机监管、探测与干扰技术［J］. 中国民用航空，2017（7）：33- 34. CHEN Weishi. The supervision，detection and jamming technologies for light and small UAS［J］. China Civil Aviation，2017（7）：33- 34.（in Chinese）
[2] 罗淮鸿，卢盈齐. 国外反“低慢小”无人机能力现状与发展趋势［J］. 飞航导弹，2019（6）：32- 36. LUO Huaihong，LU Yingqi. Ability status and development trend of anti-"low，slow and small" UAVs［J］. Aerodynamic Missile Journal，2019（6）：32- 36.（in Chinese）
[3] 陈小龙，陈唯实，饶云华，等. 飞鸟与无人机目标雷达探测与识别技术进展与展望［J］. 雷达学报，2020，9（5）：803- 827. doi：10.12000/JR20068 doi: 10.12000/JR20068 CHEN Xiaolong，CHEN Weishi，RAO Yunhua，et al. Progress and prospects of radar target detection and recognition technology for flying birds and unmanned aerial vehicles［J］. Journal of Radars，2020，9（5）：803- 827.（in Chinese）. doi：10.12000/JR20068 doi: 10.12000/JR20068
[4] 荣娟，刘飞峰，刘泉华，等. 基于LTE信号的小目标回波相参积累：目标散射建模与影响分析［J］. 信号处理，2019，35（6）：965- 971. doi：10.1109/icsidp47821.2019.9173446 doi: 10.1109/icsidp47821.2019.9173446 RONG Juan，LIU Feifeng，LIU Quanhua，et al. Coherent integration of small target echoes based on LTE signals：Target scattering modeling and impact analysis［J］. Journal of Signal Processing，2019，35（6）：965- 971.（in Chinese）. doi：10.1109/icsidp47821.2019.9173446 doi: 10.1109/icsidp47821.2019.9173446
[5] 张月，邹江威，陈曾平. 泛探雷达长时间相参积累目标检测方法研究［J］. 国防科技大学学报，2010，32（6）：15- 20. doi：10.3969/j.issn.1001-2486.2010.06.003 doi: 10.3969/j.issn.1001-2486.2010.06.003 ZHANG Yue，ZOU Jiangwei，CHEN Zengping. Long-time coherent integration targets detection method for ubiquitous radar［J］. Journal of National University of Defense Technology，2010，32（6）：15- 20.（in Chinese）. doi：10.3969/j.issn.1001-2486.2010.06.003 doi: 10.3969/j.issn.1001-2486.2010.06.003
[6] 刘玉琪，易建新，万显荣，等. 数字电视外辐射源雷达多旋翼无人机微多普勒效应实验研究［J］. 雷达学报，2018，7（5）：585- 592. doi：10.12000/JR18062 doi: 10.12000/JR18062 LIU Yuqi，YI Jianxin，WAN Xianrong，et al. Experimental research on micro-Doppler effect of multi-rotor drone with digital television based passive radar［J］. Journal of Radars，2018，7（5）：585- 592.（in Chinese）. doi：10.12000/JR18062 doi: 10.12000/JR18062
[7] 章鹏飞，李刚，霍超颖，等. 基于双雷达微动特征融合的无人机分类识别［J］. 雷达学报，2018，7（5）：557- 564. doi：10.12000/JR18061 doi: 10.12000/JR18061 ZHANG Pengfei，LI Gang，HUO Chaoying，et al. Classification of drones based on micro-Doppler radar signatures using dual radar sensors［J］. Journal of Radars，2018，7（5）：557- 564.（in Chinese）. doi：10.12000/JR18061 doi: 10.12000/JR18061
[8] 陈小龙，黄勇，关键，等. MIMO雷达微弱目标长时积累技术综述［J］. 信号处理，2020，36（12）：1947- 1964. CHEN Xiaolong，HUANG Yong，GUAN Jian，et al. Review of long-time integration techniques for weak targets using MIMO radar［J］. Journal of Signal Processing，2020，36（12）：1947- 1964.（in Chinese）
[9] LI Tengmingyang，WEN Biyang，TIAN Yingwei，et al. Numerical simulation and experimental analysis of small drone rotor blade polarimetry based on RCS and micro-Doppler signature［J］. IEEE Antennas and Wireless Propagation Letters，2019，18（1）：187- 191. doi：10.1109/lawp.2018.2885373 doi: 10.1109/lawp.2018.2885373
[10] PARK J，JUNG D H，BAE K B，et al. Range-Doppler map improvement in FMCW radar for small moving drone detection using the stationary point concentration technique［J］. IEEE Transactions on Microwave Theory and Techniques，2020，68（5）：1858- 1871. doi：10.1109/tmtt.2019.2961911 doi: 10.1109/tmtt.2019.2961911
[11] CHEN V C，LI F，HO S S，et al. Micro-Doppler effect in radar：Phenomenon，model，and simulation study［J］. IEEE Transactions on Aerospace and Electronic Systems，2006，42（1）：2- 21.
[12] 陈小龙，南钊，张海，等. 飞鸟与旋翼无人机雷达微多普勒测量实验研究［J］. 电波科学学报，2021，36（5）：704- 714. doi：10.12265/j.cjors.2020192 doi: 10.12265/j.cjors.2020192 CHEN Xiaolong，Zhao NAN，ZHANG Hai，et al. Experimental research on radar micro-Doppler of flying bird and rotor UAV［J］. Chinese Journal of Radio Science，2021，36（5）：704- 714.（in Chinese）. doi：10.12265/j.cjors.2020192 doi: 10.12265/j.cjors.2020192
[13] 张群，胡健，罗迎，等. 微动目标雷达特征提取、成像与识别研究进展［J］. 雷达学报，2018，7（5）：531- 547. ZHANG Qun，HU Jian，LUO Ying，et al. Research progresses in radar feature extraction，imaging，and recognition of target with micro-motions［J］. Journal of Radars，2018，7（5）：531- 547.（in Chinese）
[14] KIM B K，KANG H S，PARK S O. Experimental analysis of small drone polarimetry based on micro-Doppler signature［J］. IEEE Geoscience and Remote Sensing Letters，2017，14（10）：1670- 1674. doi：10.1109/lgrs.2017.2727824 doi: 10.1109/lgrs.2017.2727824
[15] SINGH A K，KIM Y H. Automatic measurement of blade length and rotation rate of drone using W-band micro-Doppler radar［J］. IEEE Sensors Journal，2018，18（5）：1895- 1902. doi：10.1109/jsen.2017.2785335 doi: 10.1109/jsen.2017.2785335
[16] 何炜琨，孙景波，王晓亮，等. 基于RSP-CFD方法的小型旋翼无人机微动特征提取［J］. 信号处理，2021，37（3）：399- 408. HE Weikun，SUN Jingbo，WANG Xiaoliang，et al. Micro-motion feature extraction of micro-rotor UAV based on RSP-CFD method［J］. Journal of Signal Processing，2021，37（3）：399- 408.（in Chinese）
[17] 余启，饶彬，罗鹏飞. 线性调频连续波雷达对低小慢目标检测及性能分析［J］. 信号处理，2019，35（1）：1- 7. YU Qi，RAO Bin，LUO Pengfei. Detection performance analysis of low slow and small target based on LFMCW radar［J］. Journal of Signal Processing，2019，35（1）：1- 7.（in Chinese）
[18] 郭鹏，张昊宇，陈力. 新型FMCW地基合成孔径雷达在大桥变形监测中的应用［J］. 测绘通报，2017（6）：94- 97. GUO Peng，ZHANG Haoyu，CHEN Li. A novel FMCW GB-SAR based bridge deformation measurement campaign［J］. Bulletin of Surveying and Mapping，2017（6）：94- 97.（in Chinese）
[19] SHIN D H，JUNG D H，KIM D C，et al. A distributed FMCW radar system based on fiber-optic links for small drone detection［J］. IEEE Transactions on Instrumentation and Measurement，2017，66（2）：340- 347. doi：10.1109/tim.2016.2626038 doi: 10.1109/tim.2016.2626038
[20] 牟效乾，陈小龙，关键，等. 基于INet的雷达图像杂波抑制和目标检测方法［J］. 雷达学报，2020，9（4）：640- 653. doi：10.12000/JR20090 doi: 10.12000/JR20090 MOU Xiaoqian，CHEN Xiaolong，GUAN Jian，et al. Clutter suppression and marine target detection for radar images based on INet［J］. Journal of Radars，2020，9（4）：640- 653.（in Chinese）. doi：10.12000/JR20090 doi: 10.12000/JR20090
-
期刊类型引用(3)
1. 彭鸿飞，朱鑫潮，周成伟，史治国. 基于静动态综合估计的无人机蜂群态势感知技术. 信号处理. 2024(05): 826-838 . 
本站查看
2. 申文杰，吕文兴，王彦平，林赟，李洋，白泽朝，蒋雯. 基于毫米波雷达的地基ARCSAR系统研究与设计. 信号处理. 2024(09): 1709-1719 . 本站查看
3. 周鹏，李谕汝，曹楚文. 小型线性调频连续波毫米波合成孔径雷达实验平台设计. 实验技术与管理. 2022(12): 100-106+142 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 2970
- HTML全文浏览量: 47
- PDF下载量: 97
- 被引次数: 4
