中文标题：多波段多角度FMCW雷达低慢小探测数据集(LSS-FMCWR-2.0)及特征融合分类方法

英文标题：Multi-band multi-angle FMCW Radar low-slow-small Target Detection Dataset (LSS-FMCWR-2.0) and Feature Fusion Classification Methods

来源期刊：雷达学报

基金项目：国家自然科学基金(62222120)，国家重点研发计划(2024YFB3909804)，山东省自然科学基金(ZR2024JQ003)

作  者：陈小龙¹, 袁旺², 杜晓林², 王金豪¹, 苏宁远¹, 关键¹

作者单位：1. 海军航空大学 烟台 264001
2. 烟台大学 烟台 264005

摘  要：该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。

全文链接： https://radars.ac.cn/cn/article/doi/10.12000/JR25004