孙延鹏，李思锐，屈乐乐

（沈阳航空航天大学电子信息工程学院，辽宁沈阳 110136）

0 引 言

近些年，由于无人机技术高速发展，旋翼无人机已逐步应用于各个行业领域。无人机便于携带、放飞条件便利，具备载物的功能，可以越过机场围界侵入机场内部，或者向机场围界内投掷物品。同时围绕因民用无人机“黑飞”导致的炸机伤人、侵犯隐私、扰乱航空秩序等不法行为时有发生。其中，扰乱航空秩序最为严重，可能造成的伤害和潜在的公共安全威胁最为严重、直接［1-2］。传统的小型旋翼无人机探测技术大致包括雷达探测、声波探测、光电探测、电视广播探测、无线电频谱探测等。其中雷达探测方法探测距离远、定位目标准确并且反应效率高，与其他探测方法相比具有明显的优势，因此雷达探测被广泛应用。由于小型旋翼无人机具有体积小、重量轻等特点，且飞行速度慢、高度低，传统的无人机检测方法会产生较大的盲点。随着深度卷积神经网络在计算机视觉领域的显著影响，越来越多的人将雷达探测和深度学习结合应用于无人机的图像分类和目标检测中［3］。

微多普勒特征是研究旋翼无人机分类识别的热点，雷达探测能测量运动物体的微多普勒特性。微多普勒特征除了主体运动（例如转子叶片）外，还取决于物体移动和旋转的部分，因此是物体类型的特征［4-5］。现阶段多利用微多普勒特征处理小型无人直升机和多旋翼无人机的分类问题。文献……