面向城市低空安防的无人机目标微多普勒特征提取与智能识别系统设计.docxVIP

PAGE2

面向城市低空安防的无人机目标微多普勒特征提取与智能识别系统设计

摘要

随着低空经济的快速发展，无人机在城市物流、巡检、安防等领域的应用日益普及，但也带来了非法入侵、恐怖袭击、隐私侵犯等安全威胁。城市低空安防面临目标种类繁多、飞行环境复杂、实时响应要求高等挑战。传统雷达目标识别方法依赖单一运动特征，难以准确区分小型无人机与飞鸟等低可探测目标。本设计提出一种基于微多普勒特征提取与轻量化智能识别的边缘计算系统，通过分析旋翼转动产生的微多普勒调制，提取无人机精细特征，并设计改进的轻量化卷积神经网络，在嵌入式边缘设备上实现实时目标识别。系统采用毫米波雷达作为前端传感器，利用短时傅里叶变换与多尺度特征融合方法，从雷达回波中提取微多普勒谱图，并构建基于深度可分离卷积的轻量化识别网络，通过模型剪枝和量化加速推理。最终将算法部署于NVIDIAJetsonNano边缘计算平台，实现端到端低延迟处理。论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路，全面阐述了系统架构、算法原理、实现细节与测试验证。实验表明，系统对典型旋翼无人机的识别准确率达到93.5%，单帧推理时间小于15毫秒，满足城市低空安防的实时性要求。本课题的创新点在于融合物理特征驱动与数据驱动的方法，将微多普勒特征工程与轻量化网络设计深度结合，为边缘侧低空目标识别提供了实用化方案。

第一章绪论

1.1