基于深度学习的低空杂波背景下无人机检测
信号处理
2022-02-25 v1
摘要
无人机(UAV)因其低成本和多用途而被广泛使用,但也带来了安全和隐私威胁。因此,低空无人机的可靠检测是一个重要问题。强地杂波使小型无人机的雷达回波淹没在噪声中,导致雷达检测可靠性低。针对上述问题,提出了一种基于深度对比学习的低空无人机检测方法:具体地,首先建立了低空杂波干扰下的低空无人机雷达回波模型。基于回波分量和无人机多普勒域可辨识机制,采用结合ZAM变换与形态学操作的时频变换方法抑制杂波下的模糊问题。然后利用引入对比学习的特征提取与融合方法抑制非目标地杂波干扰。最后,设计了一种依赖语义特征的检测器用于低空无人机的可靠识别。在真实与仿真数据上的实验证实,所提方法能有效抑制地杂波并可靠提取可辨识的无人机语义特征。与近期最先进方法相比,所提方法实现了更低的虚警与漏警,并在相同信噪比下将检测精度提高5%以上,有效提升了检测可靠性。
引用
@article{arxiv.2202.12053,
title = {Deep learning-based UAV detection in the low altitude clutter background},
author = {Zeyang Wu and Wenbo Wang and Yuexing Peng},
journal= {arXiv preprint arXiv:2202.12053},
year = {2022}
}