Clasificación de Drones mediante el Uso de un Radar Multifuncional y Análisis Micro-Doppler
Autores: Leonardi, Mauro; Ligresti, Gianluca; Piracci, Emilio
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Clasificación de Drones mediante el Uso de un Radar Multifuncional y Análisis Micro-Doppler
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Clasificación
Radar
Análisis micro-doppler
Espectrograma
Aprendizaje automático
Clasificación basada en características
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La clasificación de objetivos mediante el uso de radares ha recibido un gran interés en los últimos años, en particular en aplicaciones de defensa y militares, en las que el desarrollo de sistemas de sensores capaces de identificar y clasificar objetivos amenazantes es un requisito obligatorio. En el caso específico de los drones, ya se han propuesto varias técnicas de clasificación y, hasta ahora, se consideraba que la técnica más efectiva era el análisis micro-Doppler utilizado en conjunto con herramientas de aprendizaje automático. Las firmas micro-Doppler de los objetivos suelen representarse en forma de espectrograma, que es un diagrama tiempo-frecuencia que se obtiene al realizar una transformada de Fourier de corto tiempo (STFT) en la señal de retorno del radar. Además, frecuentemente es posible extraer información útil que también puede ser utilizada en la tarea de clasificación a partir del espectrograma de un objetivo. El objetivo principal del artículo es comparar diferentes formas de explotar el análisis micro-Doppler del dron en diferentes etapas de un radar multifuncional. Se comparan tres enfoques de clasificación diferentes: clasificación clásica basada en espectrogramas; clasificación basada en espectros en la que la señal recibida del objetivo se recoge después del detector de objetivos en movimiento (MTD); y clasificación basada en características, en la que la señal recibida del objetivo pasa por la etapa de detección después del MTD, tras lo cual se extraen características discriminativas y se utilizan como entrada para el clasificador. Para comparar los tres enfoques, se desarrolla un modelo teórico para la señal de retorno del radar de diferentes tipos de drones y objetivos aéreos, validado mediante comparación con datos grabados reales, y se utiliza para simular los objetivos. Los resultados muestran que el tercer enfoque (basado en características) no solo tiene un mejor rendimiento que los otros, sino que también es el que requiere menos modificaciones y menos potencia de procesamiento en un radar multifuncional moderno porque reutiliza la mayor parte de la capacidad de procesamiento ya presente.
Descripción
La clasificación de objetivos mediante el uso de radares ha recibido un gran interés en los últimos años, en particular en aplicaciones de defensa y militares, en las que el desarrollo de sistemas de sensores capaces de identificar y clasificar objetivos amenazantes es un requisito obligatorio. En el caso específico de los drones, ya se han propuesto varias técnicas de clasificación y, hasta ahora, se consideraba que la técnica más efectiva era el análisis micro-Doppler utilizado en conjunto con herramientas de aprendizaje automático. Las firmas micro-Doppler de los objetivos suelen representarse en forma de espectrograma, que es un diagrama tiempo-frecuencia que se obtiene al realizar una transformada de Fourier de corto tiempo (STFT) en la señal de retorno del radar. Además, frecuentemente es posible extraer información útil que también puede ser utilizada en la tarea de clasificación a partir del espectrograma de un objetivo. El objetivo principal del artículo es comparar diferentes formas de explotar el análisis micro-Doppler del dron en diferentes etapas de un radar multifuncional. Se comparan tres enfoques de clasificación diferentes: clasificación clásica basada en espectrogramas; clasificación basada en espectros en la que la señal recibida del objetivo se recoge después del detector de objetivos en movimiento (MTD); y clasificación basada en características, en la que la señal recibida del objetivo pasa por la etapa de detección después del MTD, tras lo cual se extraen características discriminativas y se utilizan como entrada para el clasificador. Para comparar los tres enfoques, se desarrolla un modelo teórico para la señal de retorno del radar de diferentes tipos de drones y objetivos aéreos, validado mediante comparación con datos grabados reales, y se utiliza para simular los objetivos. Los resultados muestran que el tercer enfoque (basado en características) no solo tiene un mejor rendimiento que los otros, sino que también es el que requiere menos modificaciones y menos potencia de procesamiento en un radar multifuncional moderno porque reutiliza la mayor parte de la capacidad de procesamiento ya presente.