一种基于频谱数据分析的无人机集群动态拓扑挖掘方法技术

本发明专利技术公开了一种基于频谱数据分析的无人机集群动态拓扑挖掘方法，包括如下步骤：在目标区域部署监测站，利用监测站采集目标无人机集群的预设周期的通信信号；从所述通信信号中分离跳频信号及定频信号；基于改进密度峰值聚类算法判断跳频信号对应的无人机的通信关系；计算通信信号源位置；基于无人机的通信关系及通信信号源位置确定无人机的位置。本发明专利技术采用聚类分析和定位计算相结合的方法，在不使用雷达的条件下可以实现无人机集群中通信关系的确定以及无人机的定位，实现动态无人机集群拓扑分析，提升对无人机集群的监控能力。

A dynamic topology mining method of UAV cluster based on spectrum data analysis

【技术实现步骤摘要】
一种基于频谱数据分析的无人机集群动态拓扑挖掘方法
本专利技术涉及无人机集群电磁频谱分析
，具体涉及一种基于频谱数据分析的无人机集群动态拓扑挖掘方法。
技术介绍
当前，无人机技术的迅速发展，尤其是小型化、低成本无人机组成的无人机集群，给重点目标带来了巨大挑战。如何应对无人机集群的攻击，首要在于对其拓扑结构的分析，判定其指挥关系，进而为科学的防卫行动指明方向和提供依据。如何对无人机集群进行拓扑结构分析，又是一个难题。传统的雷达手段存在成本高、低空目标探测难等问题。并且，雷达探测分析无人机集群的拓扑，只是得到了其集合拓扑结构，并不能分析出无人机集群内部之间的指挥通联关系。而获取无人机集群的指挥关系，才是科学防卫行动最需要的信息。因此，如何在不采用雷达的情况下挖掘无人机集群的内部通信关系并对无人机进行定位成为了本领域技术人员急需解决的问题。
技术实现思路
针对现有技术存在的上述不足，本专利技术实际需要解决的问题是：如何在不采用雷达的情况下挖掘无人机集群的内部通信关系并对无人机进行定位。本专利技术采用了如下的技术方案：一种基于频谱数据分析的无人机集群动态拓扑挖掘方法，包括如下步骤：S1、在目标区域部署监测站，利用监测站采集目标无人机集群的预设周期的通信信号；S2、从所述通信信号中分离跳频信号及定频信号；S3、基于改进密度峰值聚类算法判断跳频信号对应的无人机的通信关系；S4、计算通信信号源位置；S5、基于无人机的通信关系及通信信号源位置确定无人机的位置。优选地，步骤S1中：对于任一监测站，采集的通信信号频谱数据集为X，X＝{x1,x2,…,xi,…,xn}，xi表示第i个频谱，n表示通信信号频谱数据集中的频谱数量，xi表示第i个频谱，xi＝{fi,Bi,dbmi,t1,i,t2,i}，fi表示xi对应的中心频率，Bi表示xi对应的带宽，dbmi表示xi对应的信号电平，t1,i表示xi对应的信号起始时间，t2,i表示xi对应的信号结束时间，P表示X对应的接收功率集合，P＝{p1,p2,…,pi,…,pn}。优选地，步骤S2包括：S201、基于带宽将频谱信号分类，每类频谱信号的带宽相同；S202、当同类频谱信号中的中心频率相等，并且此类频谱信号对应的接收相等或呈连续性变化，则判断此类频谱信号为定频信号，否则，判断此类频谱信号为跳频信号。优选地，步骤S3包括：S301、基于分离出的跳频信号生成跳频信号数据，Y为跳频信号数据集，Y＝{y1,y2,…,yi,…,yn}，yi＝{fi,Bi,dbmi,t1,i,t2,i,Ti}，跳频周期Ti＝t2,i-t1,i；S302、对跳频信号数据进行归一化处理得到信号特征数据，Z为信号特征数据集，Z＝{z1,z2,…,zi,…,zn}，S303、计算信号特征数据之间的距离式中，Dij为zi与zj之间的距离，w1,w2,w3均为特征权重；S304、基于信号特征数据之间的距离对对应的跳频信号数据进行密度峰值聚类式中，ρi为zi的局部密度，δi为zi与高密度点间的距离δi，dc为截断距离；基于上式进行密度峰值聚类，得到跳频信号数据通信子集。优选地，步骤S4包括：当频谱信号仅被两个监测站采集到时，基于下式确定频谱信号信号源坐标；式中，频谱信号xi的信号源坐标为(x'i，y'i)，对应第a个监测站和第b个监测站的接收功率分别为pi,a和pi,b，第a个监测站和第b个监测站的坐标分别为(x”a，y”a)和(x”b，y”b)；当频谱信号被三个以上监测站采集到时，任意选择四个监测站得到方程求解方程得到四组候选信号源坐标，将候选信号源坐标中重合的坐标作为频谱信号的信号源坐标。优选地，步骤S5包括：S501、将频谱信号的信号源坐标按照不同类的定频信号以及不同的跳频信号数据通信子集分类；S502、基于分类后的频谱信号的信号源坐标确定无人机位置。优选地，步骤S502中：当同一类频谱信号的信号源坐标集中在预设半径的区域内时，以所述区域的几何中心作为无人机的位置，否则，基于频谱信号的信号起始时间和/或信号结束时间生成无人机轨迹。综上所述，本专利技术与现有技术相比具有以下有益效果：对无人机集群进行拓扑监控和分析，对于重点目标防卫、反恐维稳等具有重要意义。本专利技术提出基于频谱数据分析的无人机集群动态拓扑挖掘方法，基于对无人机集群的无线电信号监测，采用聚类分析和定位计算相结合的方法，实现动态无人机集群拓扑分析，提升对无人机集群的监控能力。附图说明图1为本专利技术公开的一种基于频谱数据分析的无人机集群动态拓扑挖掘方法的一种具体实施方式的流程图；图2及图3为无人机集群动态网络拓扑结构示意图；图4为对动态移动无人机系统进行频谱监测示意图；图5为本专利技术具体实例中移动节点的定频通联配对分析结果示意图；图6为本专利技术具体实例中聚类中心结果示意图；图7为本专利技术具体实例中通联关系发现示意图；图8为本专利技术具体实例中定频通信中移动节点轨迹分析结果示意图；图9为本专利技术具体实例中跳频通信中移动节点轨迹分析结果示意图；图10为本专利技术具体实例中无人机集群动态网络拓扑结构监测分析结果示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述说明。如图1所示，一种基于频谱数据分析的无人机集群动态拓扑挖掘方法，包括如下步骤：S1、如图4所示，在目标区域部署监测站，利用监测站采集目标无人机集群的预设周期的通信信号；S2、从所述通信信号中分离跳频信号及定频信号；S3、基于改进密度峰值聚类算法判断跳频信号对应的无人机的通信关系；S4、计算通信信号源位置；S5、基于无人机的通信关系及通信信号源位置确定无人机的位置。本专利技术采用聚类分析和定位计算相结合的方法，在不使用雷达的条件下可以实现无人机集群中通信关系的确定以及无人机的定位，实现动态无人机集群拓扑分析，提升对无人机集群的监控能力。具体实施时，步骤S1中：对于任一监测站，采集的通信信号频谱数据集为X，X＝{x1,x2,…,xi,…,xn}，xi表示第i个频谱，n表示通信信号频谱数据集中的频谱数量，xi表示第i个频谱，xi＝{fi,Bi,dbmi,t1,i,t2,i}，fi表示xi对应的中心频率，Bi表示xi对应的带宽，dbmi表示xi对应的信号电平，t1,i表示xi对应的信号起始时间，t2,i表示xi对应的信号结束时间，P表示X对应的接收功率集合，P＝{p1,p2,…,pi,…,pn}。如图2及图3所示，无人机集群各个成员在初始时刻的网络结构布置t1时刻所示，经过一段时间的通信，由于位置部署或本文档来自技高网...

【技术保护点】
1.一种基于频谱数据分析的无人机集群动态拓扑挖掘方法，其特征在于，包括如下步骤：/nS1、在目标区域部署监测站，利用监测站采集目标无人机集群的预设周期的通信信号；/nS2、从所述通信信号中分离跳频信号及定频信号；/nS3、基于改进密度峰值聚类算法判断跳频信号对应的无人机的通信关系；/nS4、计算通信信号源位置；/nS5、基于无人机的通信关系及通信信号源位置确定无人机的位置。/n

【技术特征摘要】
1.一种基于频谱数据分析的无人机集群动态拓扑挖掘方法，其特征在于，包括如下步骤：
S1、在目标区域部署监测站，利用监测站采集目标无人机集群的预设周期的通信信号；
S2、从所述通信信号中分离跳频信号及定频信号；
S3、基于改进密度峰值聚类算法判断跳频信号对应的无人机的通信关系；
S4、计算通信信号源位置；
S5、基于无人机的通信关系及通信信号源位置确定无人机的位置。


2.如权利要求1所述的基于频谱数据分析的无人机集群动态拓扑挖掘方法，其特征在于，步骤S1中：
对于任一监测站，采集的通信信号频谱数据集为X，X＝{x1,x2,…,xi,…,xn}，xi表示第i个频谱，n表示通信信号频谱数据集中的频谱数量，xi表示第i个频谱，xi＝{fi,Bi,dbmi,t1,i,t2,i}，fi表示xi对应的中心频率，Bi表示xi对应的带宽，dbmi表示xi对应的信号电平，t1,i表示xi对应的信号起始时间，t2,i表示xi对应的信号结束时间，P表示X对应的接收功率集合，P＝{p1,p2,…,pi,…,pn}。


3.如权利要求2所述的基于频谱数据分析的无人机集群动态拓扑挖掘方法，其特征在于，步骤S2包括：
S201、基于带宽将频谱信号分类，每类频谱信号的带宽相同；
S202、当同类频谱信号中的中心频率相等，并且此类频谱信号对应的接收相等或呈连续性变化，则判断此类频谱信号为定频信号，否则，判断此类频谱信号为跳频信号。


4.如权利要求1所述的基于频谱数据分析的无人机集群动态拓扑挖掘方法，其特征在于，步骤S3包括：
S301、基于分离出的跳频信号生成跳频信号数据，Y为跳频信号数据集，Y＝{y1,y2,…,yi,…,yn}，yi＝{fi,Bi,dbmi,t1,i,t2,i,Ti}，跳频周期Ti＝t2,i-t1,i；
S302、对跳频信号数据进行归一化处理得到信号特...

【专利技术属性】
技术研发人员：姚昌华，王修来，李松柏，党随虎，贾永兴，阮朗，潘婷，刘昌坤，
申请(专利权)人：长江师范学院，
类型：发明
国别省市：重庆;50