无人机和鸟类在k波段和w波段的飞行RCS测量外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

摘要：这项研究展示了从大量实验性测试中获取的在K波段和W波段机载雷达对无人机和鸟类的RCS数据。研究的重点是在实际场景中论证这类目标的RCS特性，因此这里只会使用实测的结果。由于方向、比例和目标运动状态的变化，这些目标在飞行中测得的RCS值会大幅波动。三个已校准的调频连续波雷达系统用于搜集数据进行RCS分析，一个工作在K频段(24 GHz)，两个工作在W频段(94 GHz)。三个不同型号的无人机(大疆“精灵”3标准版，大疆“悟”1和大疆S900)和四只不同体型的猛禽(长尾鹄，栗翅鹰，印度雕鹄和茶色雕)用于数据搜集。最终结果表明，在使用光散射机制归一化，并且使每个目标的RCS值在K波段和W波段都可比的前提下，RCS随目标大小变化而强烈变化。每个目标的RCS统计分布都在一定范围内，这对于提升无人机探测雷达的预测性能有一定的意义。

正文：

1. 背景：

随着技术的进展，民用无人机的使用成本越来越低。据预估，到2020年时民用无人机的使用将变成现在的3倍[1]。在交通、高品质影像、辅助救援等领域对现代社会有较多好处。另一方面，无人机的监管尚不完善，无人机能很容易的被用于恶意行为。包括违禁品或易爆品的运输，非法的视频流，进入限制空域并拍摄涉密的国家机构照片。因此，对能针对无人机的探测器需求在当前非常迫切，而雷达则具备成为无人机探测器的条件，所以无人机探测雷达就有一定的可行性。

无人机探测雷达面临一个实际的问题，那就是鸟类因为大小相近而可能被误报成无人机。雷达系统必须有区分无人机和鸟类的能力。毫米波雷达很适合作为无人机探测系统，因为在毫米波频段多普勒灵敏度较高，这使得雷达回波产生高保真的微多普勒调制。这样，在毫米波波段研究无人机和鸟类(作为待区分的变量)的雷达散射横截面积就对系统的设计很有实际意义。目前为止，无人机和鸟类在微波波段的RCS报告很少，在毫米波波段的报告几乎没有。关于无人机雷达探测系统的报告主要集中于对微多普勒特征的应用和识别[3-5]。在[6,7]中民用无人机RCS的数值性、实践性结果被首次提出。在[6]中，研究者对大疆“精灵”2在X波段(10GHz)的RCS进行了分析。也有研究者提出了对无人机进行数值建模的方法，包括[8]中的有限元法，以及[9]中的矩估计法。这些数值建模方法的结果都通过了电磁波暗室数据的实际验证。无人机的RCS在考虑了不同姿态角的波动后，平均为-20dBsm。在[7]中，仅在S波段(2.4GHz)下对大疆“精灵”2Plus对旋翼进行了RCS分析。关于RCS预测方面，[10]中使用了时域有限差分法，并从暗室数据中得到了结果。通过碳纤维、熟料和金属旋翼的暗室实验预测假设出铝制叶片的模型。

而在鸟类的RCS方面，可参考的文献数量同样有限，在毫米波频段则完全没有任何报告。在[11]中，得到了鸟类的RCS值在-20dBsm左右，但要注意的是，这个值并没有考虑频率和姿态角带来的变化。在[12]中，研究者用泡沫塑料固定活鸟，非常粗糙的测量了鸡和鸭的RCS值。在[13]中，研究者在X波段测量蝙蝠的数值模型的方法是悬挂死的巴西无为蝙蝠标本。实测的RCS值在-45到-35dBsm之间变化。在[14]中有在X波段对飞行中鸟类的相对RCS计算值报告。在[15]中用类似[14]的方式通过K波段下的微多普勒特性测出了一只野鸭的身体和翅膀扇动的相对RCS。

在本论文中，目的是建立一个在K波段和W波段下飞行中各种大小的无人机和鸟类的RCS测量值目录。到完成论文为止，可参考的频率高于X波段的RCS值相关学术资源非常有限。对这两个高频下复杂结构的电磁散射进行数值建模是非常费时费力的。比较低频下模拟得到的RCS值和实测RCS值会发现有普适的规律。因此本文所采用的方法是，用校准良好的雷达搜集飞行中的数据。为使数据搜集更可靠将会设置一系列目标类型和大小。结果数据集对于无人机探测雷达来说是比暗室测量或数值模拟更具现实操作性的。

本论文的第2部分讨论了RCS的测量方法，阐述了使用雷达系统的实验情形和技术。第3部分显示了三种无人机在悬停和飞行状态下的RCS结果，这一结果来自于工作在24和94GHz两种频率的雷达。接着，第4部分展示了四种鸟类在两种雷达频率下飞行的时的RCS值。我们不会对相对静止的鸟类做任何测量，因为不可能把鸟类栖木的散射贡献从中分离出来。第5部分提供了简洁的摘要并分析了整体数据。最后，根据各种情况做出的总结在第6部分给出。

图1 通过测量雷达对已知参数的精密三面体的信号回波获得的三个雷达(非成像雷达(NIRAD)，T-220和24 GHz雷达)校准曲线。(94 GHz时为19.7dBsm，24 GHz时为7.9dBsm)

1. RCS测量和实验方法：

实验的第一步是确保所有的雷达都经过较好的校准。校准曲线可用于根据目标回波功率计算RCS。为测量W波段的相应数据，测量中使用了两个94GHz的雷达。一个相位噪声较低，基于外差架构的94GHz调频连续波雷达(FMCW)命名为NIRAD[16]。雷达的发射功率为 20dBm，圆极化(CP)，42.5dBi增益单束铅笔天线(0.74°方位角和0.8°仰角的波瓣宽度)，由于方位角和仰角的波瓣宽度都很窄，NIRAD仅用于悬停目标的测量。另一个是相位噪声非常低，基于零差架构的94GHz的FMCW雷达，命名为T-220[17]。这一个雷达具有双扇形波束天线(0.9°方位角和3°波束宽度)，增益40.5dBi，CP。雷达发射功率为 18dBm。两个雷达都使用上变频和直接相乘数字合成器的调频源，这两个雷达相位相干。对于K波段测量，基于锁相环的24 GHz相位相干FMCW雷达基于模拟设备的24 GHz雷达收发器评估板搭建[18]。并在室内建造了三个24.5dBi增益的喇叭天线(11.2°方位角和11.2°的仰角波瓣宽度)。由于从评估版中获取的最大发射功率只有 8dBm，我们使用了 24dBm输出功率的功率放大器以实现更好的范围覆盖。24GHz的雷达可配置为不同的线性极化，然而我们预先已经选定使用水平极化(HH)，因为这可以最大程度的提高水平对齐的螺旋桨叶片的回波[7]。三个雷达都通过由NI LabWindows/CVI编写的可视化用户界面进行操作，这个GUI可在数据搜集期间实时更新距离-剖面和距离-多普勒图像。三个雷达都配置成150MHz线性调频带宽使得分辨率为1m。

雷达使用边长为123mm的精密三面体根据距离进行了校准，三面体在94GHz时的RCS为19.7dBsm，24GHz时为7.9dBsm。将三面体安装在三脚架支撑的3m长塑料杆上，以最大程度减少地杂波的影像，同时严格对准三面体最大化反射功率面。接收到的功率在40到220m。然后用雷达测距方程对数据进行曲线拟合，这个曲线已经被改为可计算系统的频变增益问题。为提高幅度精度，FMCW的快速傅里叶变换使用了平顶窗，并且使用了相关窗口增益校正。

图1的结果显示三个雷达都已经正确校准：即除T-220的最远范围外(可能存在大范围的轻量测量误差)，所有雷达的测量值与模型相差都小于plusmn;1dB。24GHz雷达的响应遵循经典的1/R4曲线，因为它没有附加的频变滤波器。由于在接受信号的模块使用了R3滤波器，NIRAD的曲线在大部分范围都比较平坦。由于NIRAD和T-220都有基带抗混叠滤波器，在较远距离回波功率会迅速衰减。为了使拟合达到最佳，NIRAD的测量值加了1dB，T-220和24GHz雷达的测量值加了1.5dB。微小的调整值主要是为了抵消电缆/插入损耗以及数据表和测量值之间的微小差异。添加这个偏移补偿后，所有的校正曲线于实测值吻合较好，可以预测接收功率的期望，并以此确定一个函数范围，然后推出RCS。在校准雷达的同时，天线的指向被调整到合适的方向使从三面体反射的回波信号达到最佳。因为24GHz天线的波瓣宽度比W波段天线的要大，所以尽管仰角向上倾斜了(3°)，K波段雷达还是接受到超过94m距离反射过来的地杂波。因此，24GHz雷达在此范围之内没有测量值。如此，回波中的地杂波问题也需要被考虑到飞行目标RCS测量之中，特别是鸟(在这个部分的后面讨论)。

无人机和鸟的实验数据采集分别进行。在每个数据搜集日，对雷达的噪声基底的绝对功率和接受到的三面体回波功率在已知的范围用校准曲线进行了交互检验，以验证操作的正确性。图2所示的是安装在University of St. Andrews天文台的实验装置。雷达天线指向实验室窗外的一片待测目标飞行/盘旋的开阔草地。

对于无人机，首先收集的是目标在不同海拔盘旋的数据，天线要瞄准目标以确保校准结果良好。其次，收集数据时使无人机大致呈放射状飞回，并始终保持目标在天线的波束范围内(这样达到对了雷达的最高效利用)。在某些情况下，天线的指向需要在飞行时实时调整。从悬停的数据得到RCS值是很直接的,从与目标对应的单量程库中即可获得。处理飞行数据时，无人机首先使用峰值搜索来查找范围附有最大返回功率的距离表。RCS的值就是从这些表中得到的。图3a给出了计算连续线性调频的RCS图示例。这里显示的图大疆是“悟”1在K波段获得的。可以看出，RCS的波动是在双重调频的基础上产生的。这种特性在所有目标(无人机和鸟)的测量中都是一致的。由于这些目标是各种独立散射体的组合，所以这些目标是Swerling2型[19]。要注意的是，无人机要在足够高的地方飞行，以确保多路径(以及地杂波)效应不存在或者可以忽略不计。

图2 无人机和鸟类的RCS测量以及数据收集中两个雷达的实验场景。无人机测量(左)、鸟类测量(中)、数据收集时使用的24GHz和94GHz雷达。

图3 连续线性调频和距离-多普勒剖面的RCS值计算

a例K波段根据调频数得到的大疆“悟”1的RCS图，说明双重调频的RCS波动，b例在K波段鸟类飞行速度在10m/s的距离-多普勒剖面，c连续叠加K波段下距离-多普勒剖面的数据得到的轨迹图，d根据距离-多普勒剖面得到的鸟的飞行轨迹。然后计算相应的距离-多普勒的RCS库。

在收集鸟类的数据时，不可能让鸟类在空中固定位置盘旋，所以测量是在鸟类从一个栖木飞向另一个栖木的过程中进行的，这一转移栖木的动作可以由训导员的呼叫和食物来帮助完成。因为鸟的几何外形很多变，所以预计RCS将会随着方位角有更大的变化。因为猎鹰总是偏执的根据自己的目标来选择飞行路径，所以这种变化还没有量化的测量。为了最大限度的使数据收集的时间更长，只能很实际的选择近似的方法，即只需要鸟在雷达波束附近飞行即可。如果它们越过雷达波束飞行，我们就收集不到足够的数据，而现有雷达也无法跟踪快速变换方位的移动目标，这是测量中困难的地方。一般情况下，只要不是起飞或者降落，大型鸟的飞行总是在降低高度利用地效滑翔来节省能量，所以地杂波与多径效应较强，因此不能采用测量无人机时使用的峰值搜索方法进行跟踪，而是用雷达数据的距离-多普勒在飞行路径中找合适的距离库。由于所有的雷达都是相干的，所以能获得精确的距离多普勒剖面。在距离-多普勒剖面中，杂波在不同的速度库中体现，而多径在不同的距离库中体现。因此，通过仔细的跟踪鸟的飞行路径，并从距离-多普勒剖面中获取相应的距离/速度库的绝对功率值，可以显著减轻多路径(杂波?)的影响。图3b显示了这样一个范围剖面的示例。地杂波和栖木(分别在30m和100m)处于零多普勒区域。基于平均速度，如今可以很容易从混乱中分离出来。图3c通过添加所有连续的距离-多普勒图来显示鸟的飞行轨迹，由于叠加了，所以图中的地杂波信号强度看起来比真实值更强。图3d是轨迹图，显示了鸟类在任何给定的距离-多普勒剖面上所占的距离库。该图是利用非零多普勒区域沿距离-多普勒剖面的峰值搜索方法得到的。为了避免得到不准确的距离值，在最大信号搜索过程中忽略了零多普勒(plusmn;2ms^-1)的两个侧边带的近零速度，如图3b所示。同样，只使用鸟飞行时的值。从图3c中可以看出，这条平行线时在鸟站在栖木上时，鸟出于零多普勒区域。这些值不用于RSC测量过程。

NIRAD的线性调频周期被设置为144mu;s，T-220被设为80.5mu;s，24GHz系统被设为234.8mu;s。这些值分别对应于线性调频重复频率6.94、12.4和4.25KHz。在94GHz下，由于T-220系统的波束宽度稍宽，因此只有T-220系统用于飞行数据收集。在94GHz和24GHz下，最大准确速度范围分别为plusmn;9.93ms^-1和plusmn;13.3ms^-1。在T-220和24GHz雷达中，通过处理128个连续线性调频波(即相干处理间隔(CPI))来获得一个单距离-多普勒剖面。对每一个CPI取对应范围的信号强度，计算出鸟类的RCS。用这种方法，RCS可以在每一个距离-多普勒帧进行测量，而不是每一个线性调频波。应该注意的是，适当的修正是用来获取绝对接受功率的。FFT增益和窗口增益修正在快时或慢时来施加。为了获得振幅精度，我们使用了一个平顶窗来获取距离剖面。最后用校准曲线将dBm中的值转换为dBsm。

3无人机RCS：

这项工作的对象是在属于“小型无人机”范畴的民用无人机，在英国，根据民航管理局(Civil Aviation Authority(CAA))指导文件《民用航空出版物》722(CAP)，这个概念针对重量小于20公斤的无人机。两个四轴飞行器和一个六轴飞行器被用于RCS测量。所有的无人机都是由大疆制造的，大疆是最受欢迎的商用无人机制造商。无人机的型号和大小如下：

大疆“精灵”3标准版(重量1.216 kg，宽度35 cm，叶片长度13 cm)

大疆“悟”1(重量2.845 kg，宽度58 cm，叶片长度34.5 cm)

大疆S900(重量3.3 kg，宽度90 cm，叶片长度38.1 cm)

无人机的实物如图4所示。可以看出，“悟”的主体(不包括云台)不是中心对称的，不像其他两个。无人机总是在离地至少7 m的地

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[234293]，资料为PDF文档或Word文档，PDF文档可免费转换为Word