基于VMD与STFT双域特征融合的雷达低信噪比条件下无人机分类方法

《Sensors》：A Classification Recognition Method of UAVs and Birds Based on a Fusion Measure with the VMD-Driven Model and Time–Frequency Spectrum Segmentation

　　

摘要

为了提高雷达在低信噪比条件下对无人机（UAV）的分类与识别能力，本文提出了一种双域特征提取方法，该方法结合了基于变分模态分解（VMD）的模态特征与基于短时傅里叶变换（STFT）的子带统计特征。从两个域中分别选取模态能量比和子带均值作为代表性特征，对其进行归一化和融合，构建最终的特征向量。随后提出了一种加权高斯朴素贝叶斯分类器，用于无人机与鸟类的判别。特征权重通过训练数据进行估计，最终分类决策基于最大后验概率准则获得。在不同低信噪比条件下的实验结果表明，所提方法在强噪声干扰下仍保持具有竞争力的分类性能，并保留了有用的判别信息。结果表明，VMD模态特征与STFT子带统计特征的组合为低信噪比条件下的无人机与鸟类分类提供了有效的表征。