基于微多普勒特征和深度学习的旋翼飞行器目标识别方法

本发明涉及一种基于微多普勒特征和深度学习的旋翼飞行器目标识别方法，包括：分别仿真出单旋翼四叶片无人机、单旋翼三叶片无人机、四旋翼无人机的回波信号；通过理论计算分别得到单旋翼四叶片无人机、单旋翼三叶片无人机和四旋翼无人机的回波信号；进行时频变换，得到时频图数据集；划分为训练集和测试集；构建基于注意力机制的ResNet18‑SVM神经网络并训练；对三种类型旋翼飞行器的时频图进行分类，实现对三种类型旋翼飞行器的目标识别。本发明能代替实测，以更低的成本更便捷地获取更准确的无人机雷达回波；本发明的基于注意力机制的ResNet18‑SVM神经网络在基于飞行器微多普勒特征的目标识别中有良好的性能。