《表2 仅使用三维熵特征的无人机分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于同步压缩短时傅里叶变换的微型无人机识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表3中数据可以看出，六旋翼的识别错误概率最高，直升机的识别能力也存在一定的劣势，主要原因是由于直升机与六旋翼的旋转主频十分接近，在环境噪声强度较高而三维熵特征不十分明显的情况下，导致识别出错率更高；并且四旋翼和六旋翼的频率变化复杂程度较为接近，导致六旋翼在依靠CVD特征时的识别效果较差。由于直升机的时频谱分布相对另外两者而言较为集中，使得四旋翼和六旋翼在依靠三维熵进行识别时识别率较低。在未来的研究中可以采用深度学习方法，对无人机进行分类识别。通过计算机自主提取特征，避免手动筛选特征导致的特征不全从而影响识别能力。然而，利用深度学习进行分类的方法分类速度相对较低，需进行适当考量。