每日（一文 Localization and Activity Classification of Unmanned Aerial Vehicle using mmWave FMCW Radars

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$1\times (h\times w\times c)$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。