Title:
包含了几个关键信息
- 对象为UAV
- 定位(Localization)& 动作的识别(Activity Classification)两个任务均要完成。
- UAV的动作识别是什么?
Abstract:
- 任务:对UAV进行定位并识别其动作
- 方法:基于雷达的基本测角测距功能以确定UAV位置;基于微多普勒确定UAV动作;涉及到基本的机器学习方法以及一个简单CNN。
- 初步对该文章的认知:(似乎)没有针对该场景提出新的测距测角方法或思路;简单的机器学习方法(当然摘要段仍未涉及特征工程的内容); 将自己的CustomedNet与PretrainedNet做比较(没有经过迁移的PretrainedNet显然大概率干不过)
Methods:
- 测距:1-D FFT / CFAR
- 测角:接收阵元间相位差求平均(对应于时域内求采样点间的相位差并求平均以确定信号的频率……;这是一个很简单且粗糙的方法,可以考虑简单的波束形成方式;而且在3T4R的前提下可以考虑使用MIMO)
- 测高:根据角度与距离即可计算得到(……)
- 微多普勒效应:通过该作者对RawData进行处理过程的讲述,我们有理由怀疑该文章作者并不了解雷达2-D数据的基本处理流程。
- 基于微多普勒的分类:直接将Spectrogram转换成 1 × ( h × w × c ) 1\times (h\times w\times c) 1×(h×w×c)的特征向量,然后利用传统的机器学习方法(以及一个简单的CNN)进行分类的处理(真是个人才)。
Comments:
没有任何参考价值,水文章都能水歪来。