数据主编：陈小龙 关键 袁旺

无人机等“低慢小”目标具有飞行高度低、运动速度慢、体积尺寸小等特点，这类目标的低可观测性给传统的雷达探测技术带来了巨大挑战，尤其是在复杂环境下进行实时探测和分类。为了满足研究需求，低慢小探测数据集的发布旨在为雷达目标检测和识别算法研究提供高质量、丰富的支撑数据，推动相关技术的发展和工程应用，提升雷达系统对低慢小目标的探测性能和识别能力。

第2期

LSS-FMCWR-2.0：多波段多角度FMCW雷达低慢小探测数据集

数据主编：陈小龙 关键 袁旺

LSS-FMCWR-2.0：多波段多角度FMCW雷达低慢小探测数据集，本数据集包含6种类型目标的回波数据，包括大疆M350（01）、大疆悟2（02）、大疆御2（03）、六翼飞行器（04）、仿真飞鸟（07）、AC311直升机（08），这些目标具有不同的尺寸、结构和运动特性，能够全面反映低慢小目标的多样性特征。数据采集过程中，使用了两个不同波段（K+L）调频连续波雷达采集多类型低慢小目标回波形成数据集，其中K波段雷达数据包括不同角度采集的低慢小目标回波数据，其中两个波段雷达的夹角为0°, 60°, 90°, 120°, 180°，这种多波段、多角度的采集方式，能够捕捉目标的多维特性。数据集中大疆M350、六旋翼无人机、大疆悟2和大疆御2各包含20组数据，AC311直升机包含2组数据，仿真飞鸟包含4组数据，本数据集类型丰富，具有场景复杂、类别丰富、任务多样的特点，可支撑目标检测、分类和识别研究。

数据使用请见论文“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”和“LSS-FMCWR-2.0: 多波段多角度FMCW雷达低慢小探测数据集使用说明”

相关文献：

[1] 陈小龙, 陈唯实, 饶云华, 等. 飞鸟与无人机目标雷达探测与识别技术进展与展望. 雷达学报, 2020, 9(5): 803-827.

[2] 陈小龙, 袁旺, 杜晓林, 等. 多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)及高分辨微动特征提取方法[J]. 雷达学报, 2024, 13(3): 539–553.

[3] 陈小龙, 饶桂林, 关键, 等. 被动雷达低慢小探测数据集(LSS-PR-1.0)及多域特征提取和分析方法[J]. 雷达学报, 2025, 14(2): 249–268.

[4] 陈小龙，袁旺，杜晓林, 等. 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[J]. 雷达学报, 已录用. doi: 10.12000/JR23142

[5] 陈小龙, 南钊, 关键, 陈唯实. 飞鸟与旋翼无人机雷达微多普勒测量实验研究. 电波科学学报. 2021, 36(5): 704-714.

[6] Chen, Xiaolong, Hai Zhang, Jie Song, Jian Guan, Jiefang Li, Ziwen He. Micro-Motion Classification of Flying Bird, Rotor Drones via Data Augmentation , Modified Multi-Scale CNN. Remote Sensing. 2022, 14(5):1107.

[7] Wang Yuan, Xiaolong Chen, Xiaolin Du, Jian Guan, et al. A Low Slow Small Target Classification Network Model Based on K-Band Radar Dynamic Multifeature Data Fusion[J]. IEEE Sensors Journal. 2025, 25(1): 1656-1668.