Classification and Discrimination of Birds
and Small Drones
Using Radar Micro-Doppler Spectrogram
Images
Plan :
• Cet article étudie l’utilisation des signatures basées sur les spectrogrammes micro-
Doppler de cibles volantes, telles que des drones et des oiseaux, afin de faciliter
leur classification à distance.
• À l’aide d’un système radar à onde continue (CW) de 10 GHz spécialement conçu,
des mesures provenant de différents scénarios et d’une variété de cibles ont été
enregistrées pour créer des données destinés à la classification d’images.
• Des spectrogrammes temps/vitesse générés pour l’analyse micro-Doppler de
plusieurs drones et oiseaux ont été utilisés pour l’identification des cibles et la
classification de leurs mouvements à l’aide de TensorFlow (open-source machine
learning framework).
• En utilisant des machines à vecteurs de support (SVM), les résultats ont montré
une précision d’environ 90 % pour la classification de la taille des drones, d’environ
96 % pour la classification drone vs. oiseau, et d’environ 85 % pour la distinction
individuelle entre cinq classes de drones et d’oiseaux. Différentes caractéristiques
de détection des cibles ont été explorées, notamment l’environnement et le
comportement de la cible.
• Le signal réfléchi par une cible en mouvement par rapport à un radar
contient un décalage de fréquence par rapport à la fréquence transmise
en raison de l’effet Doppler
• Si f est la fréquence de transmission d’un radar monostatique et pour
une cible se déplaçant à une vitesse v à un angle θ vers le radar, le
décalage de fréquence Doppler f_d est donné par f_d = 2v cos θ/λ, (λ
est la longueur d’onde de transmission)
• Remarques
- Pour des cibles s’approchant directement, θ = 0, le décalage Doppler
est positif, tandis que pour des cibles s’éloignant directement, θ = π, le
décalage Doppler est négatif.
- Pour une cible stationnaire (v = 0) ou pour une cible se déplaçant à
angle droit par rapport à la LOS du radar (θ = π/2), le décalage
Doppler est nul.
• Dans de nombreux cas, un composant structurel attaché à une cible peut présenter des micromouvements en plus du
mouvement principal de l’objet (y compris un mouvement global nul). Les micromouvements peuvent être causés par de petits
déplacements autour de la position de repos, tels que vibration, oscillation, rotation, balancement, battement, flottement.
• La source du micromouvement peut être une surface tournante, comme les pales d’un drone, ou une surface vibrante, comme
les bras et jambes oscillants d’un humain marchant, ou les ailes battantes d’un oiseau, par exemple.
• Ces micromouvements induisent des modulations de fréquence dans le décalage Doppler principal causé par le mouvement
global de la cible.
• Les micromouvements constitués de vibrations ou rotations purement périodiques génèrent des décalages de fréquence
Doppler autour de la fréquence porteuse décalée Doppler centrale et apparaissent sous forme de bandes latérales.
• La modulation contient des fréquences harmoniques déterminées par la fréquence porteuse, la vitesse de vibration ou de
rotation, et l’angle entre la direction de vibration et la direction de l’onde incidente. Les modulations de fréquence variables
dans le temps fournissent des signatures uniques de l’objet pour une classification, reconnaissance et identification ultérieures.
• Les signatures micro-Doppler des oiseaux et des drones sont caractérisées par une modulation sinusoïdale due au
mouvement périodique des pales tournantes des drones et UAV et des ailes battantes des oiseaux.
• La fréquence de modulation des drones et UAV est supérieure d’un ordre de grandeur à celle des oiseaux car ces cibles
contiennent des pales tournant à grande vitesse.
• Puisque le nombre de pales sur un drone est généralement pair, lorsqu’une pale s’approche du radar, une autre pale
s’éloigne du radar ; ainsi, leur spectrogramme de signature micro-Doppler est symétrique. En revanche, les deux ailes battent
simultanément vers le haut et vers le bas pour les oiseaux ; ainsi, leurs spectrogrammes sont asymétriques.
•
Signatures micro-Doppler des oiseaux
• La principale source des signatures micro-Doppler des oiseaux provient du
mouvement oscillatoire de leurs ailes battantes. La fréquence des
fluctuations Doppler est principalement liée à la fréquence de battement des
ailes (ou fréquence de battement d’ailes) et à ses harmoniques.
• Les fluctuations périodiques de l’intensité du signal sont attribuées aux
changements de forme du corps dus au battement. De plus, des modulations
périodiques d’intensité peuvent être causées par l’apparition et la disparition
de « l’effet réflecteur d’angle » provoqué par les ailes lorsqu’elles battent
d’avant en arrière. Par conséquent, les signatures micro-Doppler uniques des
oiseaux sont causées par plusieurs mécanismes. La dispersion micro-Doppler
d’un oiseau est assez étroite, et sa signature caractéristique prend la forme
de flashs périodiques correspondant à la fréquence de battement des ailes.
• Les signatures micro-Doppler des oiseaux dépendent de leur taille,
envergure, fréquence de battement des ailes, fréquence radar et angle de
vue.
Signatures micro-Doppler des drones
• Dans le cas des drones, la rotation des pales du rotor est la cause principale de leurs
signatures micro-Doppler. La rotation est déterministe et contrôlée, et couplée au fait que
ces cibles ont un RCS élevé, leurs signatures micro-Doppler sont propres, symétriques et
reconnaissables comparées à celles des oiseaux.
• En supposant une rotation purement périodique, la dynamique du micromouvement
génère des décalages de fréquence Doppler en bandes latérales autour du signal diffusé. La
modulation contient des composantes spectrales qui dépendent de la rotation, de la
vitesse de rotation, de l’amplitude de vibration, et de l’angle entre la direction de
vibration et la direction du signal diffusé.
• La modulation contient des composantes spectrales qui dépendent de la direction de l’onde
incidente. Une petite asymétrie peut être due à la vibration ou à la rotation, à l’amplitude
de vibration, et à l’angle entre la direction de vibration et la direction de l’onde incidente.
• Une petite asymétrie peut être due à l’asymétrie des pales, car la pale qui se déplace vers le
radar est courbée dans un sens et la pale opposée dans l’autre sens par rapport à la pale qui
s’éloigne du radar.
• Les signatures micro-Doppler des drones dépendent de leur taille, du nombre de pales ou
rotors, de la fréquence de rotation, de la fréquence radar et de l’angle de vue.
Constat
• Les signatures uniques des oiseaux et des
drones peuvent être exploitées non
seulement pour effectuer une classification
oiseau vs. drone, mais aussi pour classifier
des oiseaux de différentes tailles et des
drones de différentes structures et types.
Signatures micro-Doppler simulées
• L’équation pour la fréquence Doppler f_d d’une cible en rotation
est donnée par
f_d = 2 v_r / λ
v_r est la vitesse radiale de la cible,
λ est la longueur d’onde radar
• La vitesse radiale v_r correspond à la vitesse attendue du bout de la
pale du rotor en fonction du nombre de révolutions par seconde.
• Pour une fréquence porteuse de 10 GHz, λ est de 3 cm. La vitesse
v_r maximale attendue du bout de la pale est liée à la vitesse de
rotation ω du rotor par
ω = v_r / 2π l où l est la longueur de la pale.
Signatures micro-Doppler simulées
• Dans les simulations suivantes, ω est modélisée à 56 révolutions par seconde, ce
qui correspond à une valeur v_r de 35,2 m/s pour une longueur de pale de 10 cm.
• Cela correspond à un décalage Doppler maximal attendu d’environ 2,35 kHz se
produisant aux extrémités des pales.
• Le système radar transmet un signal continu à une fréquence unique. Ces signaux
rebondissent sur les pales tournantes, et le radar reçoit les signaux réfléchis. La
vitesse radiale v_r des extrémités des pales tournantes ne reste pas constante,
mais la périodicité peut être modélisée par un tracé vitesse-temps ou un
spectrogramme.
• De plus, une simple transformée de Fourier rapide (FFT) des données brutes
fournit un tracé de densité spectrale de puissance qui indique les pics de
fréquences, correspondant aux vitesses radiales observées dans l’enregistrement.
Une FFT prend une taille de fenêtre d’échantillons et calcule la densité spectrale
de puissance de cette instance. Le spectrogramme est connu sous le nom de
transformée de Fourier à court terme (STFT), qui calcule plusieurs FFT et les
affiche en fonction de la fréquence ou de la vitesse au fil du temps.