摘要：近年来，随着科技发展，无人机行业高速发展，空域的情况变得愈加复杂，消费级无人机的入侵事件日益增多，对无人机防控系统的需求越来越迫切。飞鸟和无人机都是典型的“低慢小”目标，二者的回波特征、运动模式都有极其相似之处，如何对二者进行有效的观测、区分和追踪已成为保障空中航路安全研究中的重要问题。本文针对传统方法难以将二者区分的问题，首先利用仿真建立无人机和飞鸟的数学及物理模型，并对二者的微动特征进行提取，利用卷积神经网络和集成学习方法对其进行区分，在此基础上对实测数据进行识别，证明了本文方法的有效性。
文章目录
0 引 言
1 微动目标模型及干扰杂波模型描述
1.1 无人机模型描述
1.2 飞鸟模型描述
1.3 干扰杂波模型描述
1.3.1 环境杂波
1.3.2 无关目标的运动杂波
2 识别算法描述
2.1 神经网络概述
2.2 特征挖掘
2.3 神经网络构建
2.3.1 适用于学习隐性特征的卷积神经网络构建
2.3.2 关联集成学习流程
3 实验验证
3.1 实验数据集构建及数据预处理
3.1.1 实验数据集构建
3.1.2 数据预处理
3.2 实验结果分析
3.2.1 评价指标
3.2.2 基于仿真目标的准确率检测实验
3.2.3 基于实测目标的准确率检测实验
4 结束语
