تشخیص وکلاسبندی انواع پهباد و اهداف پروازی در رادار FMCW
محور پژوهش
رادار، مراقبت پرواز و صنایع دفاعی
دانشکده/پژوهشکده
مهندسی برق و کامپیوتر
حوزه پژوهش
کلاسبندی اهداف در رادار
عنوان
تشخیص وکلاسبندی انواع پهباد و اهداف پروازی در رادار FMCW
هدف از اجرای پژوهش، کاربردها، مزیت‌ها و ضرورت انجام پروژه
: هدف از اجراء پروژه مشاهده سیگنال برگشتی از اهدافی مانند ملخ چرخان و انواع پهبادها (کوادکوپتر، هگزاکوپتر، اوکتاکوپتر و...) و تخمین پارامترهای آن مانند سرعت چرخش بال ها و طول بال ها و تعداد روتور پهباد و همچنین کلاسبندی اهداف پروازی با استفاده از پارامترهای تخمین زده شده در رادار FMCW است. کلاسبندی اهداف در رادار باعث کاهش خطا آشکارسازی هدف خواهد شد و می‌توان هدف خاصی را از میان اهداف متنوع آشکارسازی کرد. گزارش و شرح زیرساخت‌ها، فعالیت‌ها، و دستاوردها با استفاده از رادارهای FMCW علاوه بر فاصله و سرعت جسم متحرک می‎توان ریزحرکت های اهداف را نیز مشاهده کرد. بدین منظور باید از تبدیل های زمان فرکانسی استفاده کرد که خروجی این تبدیل، سرعت قطعات متحرک هدف را در طول زمان نشان می‌دهد که به این خاصیت پدیده مایکروداپلر گفته و تصویر ایجاد شده توسط تبدیل‌های زمان فرکانسی امضاء مایکروداپلر می‌گویند[1] روش های زیادی بیان شده است که با استفاده از امضاء مایکروداپلر پارامترهای اهداف پروازی مانند تعداد روتور و تعداد بال های هر روتور و سرعت چرخش هر روتور را می‌توان تخمین زد. همچنین گاهی برای کلاسبندی اهداف از الگوریتم های یادگیری ماشین استفاده می‌شود. بدین منظور بعد از محاسبه امضاء مایکروداپلر، با استفاده از روش هایی مانند SVD(Singular Value Decomposition)و یا PCA(Principal Component Analysis) بردارهای ویژگی بدست آورده که با دادن این بردارها به الگوریتم های کلاسبندی مانند KNN(K-Nearest Neighbors) یا SVM(Support Vector Machine) یا ... می‌توان اهداف مختلف را با توجه به نوع ریزحرکت آنها کلاسبندی کرد که در [2] بین پرندگان در حال پرواز و پهباد های کوچک با استتفاده از امضاء مایکروداپلر و الگوریتم های هوش مصنوعی با دقت مناسبی کلاسبندی انجام داده است. همچنین در[3] با استفاده از امضاء مایکروداپلر در رادار FMCW بین انواع مختلف پهباد کلاسبندی انجام داده است. دراین زمینه تا کنون یک پروژه کارشناسی ارشد و دو پروژه کارشناسی به اتمام رسیده و یک پروژه کارشناسی ارشد در حال فعالیت می باشد. مراجع: [1]: Chen, Victor C. The micro-Doppler effect in radar. Artech House, 2011. [2]:Molchanov, Pavlo, et al. "Classification of small UAVs and birds by micro-Doppler signatures." 2013 European Radar Conference. IEEE, 2013. [3]:Oh, Beom-Seok, Xin Guo, and Zhiping Lin. "A UAV classification system based on FMCW radar micro-Doppler signature analysis." Expert Systems with Applications 132 (2019): 239-255. تصاویر و محتوای گرافیکی مرتبط تصویر امضاء مایکروداپلر یک پهباد کوادکوپتر در شکل نشان داده شده است.