雷达学报

作者：陈小龙, 陈唯实, 饶云华, 黄勇, 关键, 董云龙

单位：1.海军航空大学 烟台 264001；2.中国民航科学技术研究院机场研究所 北京 100028；3.武汉大学电子信息学院 武汉 430072；

关键词：雷达目标检测, 飞鸟和无人机, 微多普勒, 特征提取, 目标识别, 深度学习

基金：国家自然科学基金(U1933135, 61871391, 61931021)，山东省重点研发计划(2019GSF111004)，基础加强计划技术领域基金(2102024)，装发“十三五”领域基金(61404130212)

飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。

来源：2020年第5期

《雷达学报》期刊编辑部

查看雷达学报杂志2020年第5期