基于雷达截面的微波频段无人机统计识别
信号处理
2021-02-25 v1
摘要
本文提出了一种基于雷达截面(RCS)的统计识别系统，用于在微波频段识别/分类无人机(UAV)。首先，本文给出了六款商用无人机在15 GHz和25 GHz下于紧缩场微波暗室中垂直(VV)和水平(HH)极化RCS测量结果。测量结果表明，无人机平均RCS取决于目标无人机的形状、尺寸、材料组成以及照射雷达的方位角、频率和极化方式。随后，通过将RCS测量数据拟合到11种不同的统计模型来实现目标无人机的雷达特征刻画。从模型选择分析中发现，对数正态、广义极值和伽马分布最适合对商用无人机RCS建模，而高斯分布表现相对较差。最优的无人机雷达统计量构成了所提无人机统计识别系统的类条件概率密度。借助蒙特卡洛分析，该无人机统计识别系统在不同信噪比(SNR)下的性能得到评估。在10 dB信噪比下，可实现97.43%或更高的平均分类准确率。
引用
@article{arxiv.2102.11954,
title = {Radar Cross Section Based Statistical Recognition of UAVs at Microwave Frequencies},
author = {Martins Ezuma and Chethan Kumar Anjinappa and Mark Funderburk and Ismail Guvenc},
journal= {arXiv preprint arXiv:2102.11954},
year = {2021}
}
备注
one column, 39 pages