一种多节点协同无人机通信信号检测方法技术

本发明专利技术公开了一种多节点协同无人机通信信号检测方法，属于信号检测技术领域。具体过程为：首先，针对多个无人机，提取每个无人机通信信号的能量、信噪比、空间位置等特征构建特征向量，作为数据集。将特征向量基于先验知识与聚类算法结合，得到每种特征向量的稳定收敛的聚类中心；然后将各聚类中心点所在的特征集合离散化，输入贝叶斯网络的概率预测模型，输出各聚类类别的分类概率值；同时，基于深度神经网络计算各节点的重要度权重；最后，融合各节点的分类概率与各节点的重要度实现多节点协同检测。本发明专利技术理论依据充分，相比于传统的多节点检测算法可以获得更好的检测效果，具有较高的应用价值。

A multi node cooperative UAV communication signal detection method

【技术实现步骤摘要】
一种多节点协同无人机通信信号检测方法
本专利技术属于信号检测
，具体是指一种多节点协同无人机通信信号检测方法。
技术介绍
随着人工智能技术与特征提取技术的不断发展，在信号特征已知的情况下，单节点智能信号检测可以达到很好的效果。但是在实际的应用场景中，无人机通信工作环境复杂，经常会出现阴影遮蔽导致的节点提取特征能力下降，接收信号信噪比过低，不能充分地对信号进行认知，或者由于出现多径效应等其他干扰，在进行信号检测时会受到影响。目前主流的多节点协同检测算法主要分为三个层面：数据层，特征层和决策层。数据层算法主要从信号本身出发，相对关键信息损失较小，在数据充足或者通信质量较高的情况下表现优异，但由于发送端与接收端需要将信号完整的进行处理与运算，数据传输量与计算量过大，因此很多情况下信道带宽不能满足通信传输需求，因此应用场景相对局限。基于特征层的协同检测方法首先对接收到的信号进行特征提取，相比数据层可以提升运算速度，减小计算量，对提取后的特征矩阵进行检测，节点间数据传输量也会有很大程度的减小，但决策结果很大程度的取决于特征选本文档来自技高网...

【技术保护点】
1.一种多节点协同无人机通信信号检测方法，其特征在于：具体步骤如下：/n步骤一，针对多个无人机，提取每个无人机通信信号的多维度特征并构建特征向量，作为数据集；/n将每个无人机分别作为一个节点，针对节点i信号的多维度特征包括：能量特征、信噪比特征、空间特征以及功率谱峰特征；特征向量表达式为：F＝(En

【技术特征摘要】
1.一种多节点协同无人机通信信号检测方法，其特征在于：具体步骤如下：
步骤一，针对多个无人机，提取每个无人机通信信号的多维度特征并构建特征向量，作为数据集；
将每个无人机分别作为一个节点，针对节点i信号的多维度特征包括：能量特征、信噪比特征、空间特征以及功率谱峰特征；特征向量表达式为：F＝(Eni,snri,cali,di)；
Eni为节点i的能量特征指数，计算公式为：x(t)表示第t个采样点的信号幅度；t'为节点信号i存在的有限时间段；
snri表示第i个无人机的信噪比特征指数；
cali为节点i的功率谱峰特征指数，计算公式为：
具体计算过程为：
首先，遍历节点i通信信号的整个功率谱，将所有峰值谱线构建成一个待测试谱线子集A，对集合A中的数值降序排列后形成集合Asorted；
然后，构建节点i通信信号可能的谱峰个数集合B，集合B中所有的元素为待测信号可能的谱峰个数，根据调制信号类型确定；
对集合B进行遍历，针对当前选取的元素Bl，对集合Asorted中最大的Bl个元素求和，并记为在集合Asorted中去除刚才的Bl个元素，在剩下的元素中再次取最大的Bl个元素求和记为此时定义功率谱峰特征指数cali即为元素Bl确定时的谱峰突出指数；
通过遍历集合B，对集合B中每个元素分别计算各自对应的指数cal，选择功率谱峰特征指数cal最大值作为节点i的功率谱峰特征指数；
di为节点i的空间特征指数，表示该节点到信号源的距离，计算公式如下：



x0,y0,z0为信号源的坐标；xi,yi,zi为节点i的空间坐标；
步骤二、将所有无人机的特征向量基于先验知识与聚类算法结合，得到每种特征向量的稳定收敛的聚类中心；
步骤三、将稳定收敛的各聚类中心点所在的特征集合离散化，输入贝叶斯网络，使用联结树传递法计算贝叶斯网络输出各聚类类别的分类概率值；
步骤四、针对各个无人机节点，根据各节点的特征向量所属的聚类类别概率值，组成各节点的分类概率集合；
针对节点i输出的分类概率集合CPnode_i如下：
CPnode_i＝{pclass_1,pclass_2,...,pclass_n}
其中，pclass_n表示节点i的第n个特征划分的聚类类别对应的概率值；
步骤五、构建基于深度神经网络的节点重要度计算模型，计算每个节点的重要度权重；
重要度权重是指经过评分函数计算得到的原始权重与标签值的靠近程度；
节点i的评分函数val表示如下：



其中，x为节点i的原始权重；k＝1……n，labelk为节点i的第k个聚类类别对应的标签值。
检测节点i的深度神经网络的输出值为Ci，其评分值经过评分函数计算后分别为：



因此检测节点i对整个系统的重要度权重weighti的计算表达式如下：



步骤六、融合各个节点的分类概率与节点重要度权重，得到多节点协同检测结果。


2.一种多节点协同无人机通信信号检测方法，其特征在于：所述的步骤二具体步骤如下：
步骤201、根据已有的先验知识，对能量特征、信噪比特征、空间特征以及功率谱峰特征进行初步划分；
具体...

【专利技术属性】
技术研发人员：丁文锐，谢宛吟，罗祎喆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11