基于多参数线性回归算法的无人机旋翼旋转频率估计方法,属于信号处理与分析领域。所述方法为:步骤1:建立多点散射的旋翼双叶片模型;步骤2:基于所述旋翼双叶片模型,通过周期法和最大频移法估计旋翼旋转频率;步骤3:在周期法和最大频移法估计旋翼旋转频率的基础上,通过对两者的结果进行加权,估算出旋翼旋转的频率,称为线性回归算法。通过无人机旋翼微多普勒特征检测实验,验证多元线性回归算法估计无人机旋翼频率的有效性和准确性。本技术通过多元线性回归算法,综合利用现有的周期法与最大频移法,能够更加准确地估计无人机旋翼的自旋频率。此方法为无人机微多普勒特征的提取提供了一个新颖且有效的途径,具有较高的应用潜力。
背景技术
对于旋翼无人机,旋翼叶片是其主要动力部件,也是产生微多普勒效应的关键来源,同时其微动特征也是无人机类别型号的重要标志。在描述旋翼结构特征时,通常采用参数化的方式进行表示。当前,用于识别无人机的主要参数包括旋翼旋转频率、旋翼长度、叶片个数和旋翼个数。其中,旋翼旋转频率作为基础参数,它影响着其余三个参数和频移提取精确度。
目前,估计旋翼叶片旋转频率的方法主要有两种,一种方法是通过旋翼叶片完成一个周期所用的时间的倒数求取出旋翼叶片旋转频率。提取时频图中波谷的周期求倒数时,周期的提取受限于时间分辨率,旋翼叶片旋转速度过快时误差越大。另一种是由微多普勒最大频移公式推导出旋翼叶片的旋转频率。该方法在估算时频图中微多普勒最大频移时,受外界环境和实验设备内部噪声的影响,估算出的最大频移有很大的误差。同时,旋转频率较低时由于分辨率不够导致误差较大。
实现思路