一种反无人机光电侦查方法、系统、可读存储介质技术方案

本发明专利技术公开了一种反无人机光电侦查方法、系统、可读存储介质，通过雷达监视系统判定监控范围内是否有飞行物出现，生成：疑似无人机预警信号；接收疑似无人机预警信号，并生成：无人机确认指令；将无人机确认指令同步发送，并进行声音辨认和热辐射辨认，并生成声音确认信号或热辐射确认信号；声音辨认和热辐射辨认根据时间先后进行辅助确认，并进行对比验证，若验证为“是”，则生成：无人机告警信号；并向无人机所在位置发送干扰微波；本发明专利技术通过雷达监视系统初步判定是否有飞行物进入禁飞区，然后发出预警信号，在通过声音辨认方法和热辐射辨认方法同时对该飞行物进行辨认，并通过交替式验证的方式判断飞行物是否为无人机，再发送干扰微波。微波。微波。

【技术实现步骤摘要】
一种反无人机光电侦查方法、系统、可读存储介质


[0001]本专利技术涉及反无人机领域，具体涉及一种反无人机光电侦查方法、系统、可读存储介质。

技术介绍

[0002]现阶段，无人机市场异常火爆，同时无人机也作为消费级的产品被普通民众使用，但是因为部分无人机使用者安全意识较弱，仍然在部分禁飞区使用无人机，例如：机场、军事禁区、涉密区等。
[0003]现阶段采用较多的方式是电磁干扰劝返，但是采用的电磁干扰功率要求较大，如果长期开启会导致耗能提升，甚至影响禁飞区的正常工作，因此需要对无人机进行有效的识别，在识别到有无人机进入禁飞区，才开始干扰器。
[0004]但是存在识别正确率过低的问题，为了避免出现遗漏，一般是将识别阈值调低，因此可能出现有其他飞行物（例如：飞鸟、气球等）进入禁飞区仍然打开干扰器的情况。

技术实现思路

[0005]本专利技术所要解决的技术问题是现阶段对无人机的识别准确度较低，目的在于提供一种反无人机光电侦查方法、系统、可读存储介质，通过设置多重识别验证流程，解决了识别准确率较低的问题。
[0006]本专利技术通过下述技术方案实现：一种反无人机光电侦查方法，包括：通过雷达监视系统判定监控范围内是否有飞行物出现，若判定有飞行物出现，则生成：疑似无人机预警信号；接收疑似无人机预警信号，并生成：无人机确认指令；将无人机确认指令同步发送，并进行声音辨认和热辐射辨认，并生成声音确认信号或热辐射确认信号；若先接收到声音确认信号，则以声音确认信号为基础信号，辅助热辐射辨认并生成热辐射确认信号，然后再进行对比验证，若验证为“是”，则生成：无人机告警信号；若先接收到热辐射确认信号，则以热辐射确认信号为基准信号，辅助声音辨认并生成声音确认信号，然后再进行对比验证，若验证为“是”，则生成：无人机告警信号；接收无人机告警信号，并向无人机所在位置发送干扰微波。
[0007]具体地，所述声音辨认方法包括：确定飞行物的方位，并对所属方位的声音进行采集；将采集后的声音信息输入卷积神经网络模型进行辨认；若卷积神经网络模型输出信号为“是”，输出声音确认信号。
[0008]所述热辐射辨认方法包括：确定飞行物的方位，并对所属方位的热辐射进行采集；
将采集后的热辐射数据输入热辐射数据库进行辨认，并进行相似度判断；若相似度大于设定值，则输出热辐射确认信号。
[0009]所述卷积神经网络模型的建立方法包括：根据无人机的类型，按照设定的规则分类建立多个声音数据库；依次对多个声音数据库内的无人机飞行声音进行采样，然后分别对采样样本进行预加重，生成多个中间样本；对多个中间样本进行分帧，相邻的两个分帧片段之间部分重叠；对分帧后的中间样本进行加窗，生成多个声音样本；获取声音样本的MFCC特征参数；获取声音样本的GFCC特征参数；并将MFCC特征参数和GFCC特征参数线性叠加，获取多个声音特征频谱数据；将多个声音特征频谱数据输入卷积神经网络进行训练，获得多个声音辨认卷积神经网络模型，其与多个声音数据库一一对应；所述声音辨认方法包括：将采集后的声音分别输入至卷积神经网络模型，并遍历多个声音辨认卷积神经网络模型，直至某一个卷积神经网络模型输出“是”，则输出声音确认信号。
[0010]具体地，采样频率为：式中：为采样频率；为无人机飞行声音的最高频率；加窗函数为：式中，L为采样窗口长度；m为0~L
‑
1之间的任意值；声音样本的MFCC特征参数的获得方法为：利用梅尔频率倒谱系数获得声音样本的13维特征参数；声音样本的GFCC特征参数的获得方法为：利用Gammatone滤波器对声音信号进行处理，然后利用梅尔频率倒谱系数获得声音样本的13维特征参数。
[0011]进一步，所述热辐射数据库的建立方法包括：根据无人机的类型，按照设定的规则分类建立多个热辐射数据库，数据库内的数据包括：无人机类型、无人机颜色、天气环境、机身温度、电池盖温度、无人机表面发射率；获得各类无人机在各个飞行位置的无人机的自身辐射强度；获得各个天气环境下的无人机的反射辐射强度；将获得的自身辐射强度和反射辐射强度分别存放至对应的热辐射数据库；其中，声音数据库与热辐射数据库一一对应；所述辨认方法包括：确定热辐射采集时的天气环境；在多个辐射数据库中均筛选出相应天气环境下的辐射强度；
将获得的热辐射数据与多个热辐射数据库中的辐射强度数据遍历对比，若热辐射数据与辐射强度数据的差值在设定范围内，则判定为“是”，则输出热辐射确认信号。
[0012]具体地，无人机的辐射强度计算方法为：计算无人机的自身辐射强度；式中，为第一辐射常数；为第二辐射常数；为目标无人机温度；为目标表面发射率；为采集点处红外探测器响应波段；为采集点处红外探测器采集波长；计算无人机反射红外强度；式中：为太阳辐射强度；为地面辐射强度。
[0013]具体地，若先接收到声音确认信号，则获得所述声音确认信号对应的声音数据库，停止在热辐射数据库中的遍历，直接在对应的热辐射数据库内进行验证；若先接收到热辐射确认信号，则获得所述热辐射确认信号对应的热辐射数据库，停止在声音辨认卷积神经网络模型中的遍历，直接将声音样本输入至对应的声音数据库的声音辨认卷积神经网络模型。
[0014]优选地，所述干扰微波发送装置包括多个采用相干功率合成的阵列单元，所述干扰微波的发送方法包括：通过无人机数据库确定无人机的种类，并获得无人机GPS/BDS的接收损伤阈值、无人机的接收天线面积；通过雷达监视系统确定无人机与发射源之间的距离；获得高功率微波发射功率：调节微波阵列朝向，并确定阵列单元的工作数量：式中，为阵列单元发射功率；为相干合成效率；
为无人机接受天线在高功率微波辐射方向上的增益。
[0015]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述一种反无人机光电侦查方法的步骤。
[0016]一种反无人机光电侦查系统，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够：执行上述一种反无人机光电侦查方法的步骤。
[0017]本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术通过雷达监视系统初步判定是否有飞行物进入禁飞区，然后发出预警信号，在通过声音辨认方法和热辐射辨认方法同时对该飞行物进行辨认，并通过交替式验证的方式判断飞行物是否为无人机，再发送干扰微波；本专利技术通过2层辨认方法，可以有效的避免出现误判的情况，同时又通过设定为交替式验证，可以使得本方法有效的提升验证速度。
附图说明
[0018]附图示出了本专利技术的示例性实施方式，并与其说明一起用于解释本专利技术的原理，其中包括了这些附图以提供对本专利技术的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分，并不构成对本专利技术实施例的限定。
[0019]图1是根据本专利技术所述的一种反无人机光电侦查方法流程示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种反无人机光电侦查方法，其特征在于，包括：通过雷达监视系统判定监控范围内是否有飞行物出现，若判定有飞行物出现，则生成：疑似无人机预警信号；接收疑似无人机预警信号，并生成：无人机确认指令；将无人机确认指令同步发送，并进行声音辨认和热辐射辨认，并生成声音确认信号或热辐射确认信号；若先接收到声音确认信号，则以声音确认信号为基础信号，辅助热辐射辨认并生成热辐射确认信号，然后再进行对比验证，若验证为“是”，则生成：无人机告警信号；若先接收到热辐射确认信号，则以热辐射确认信号为基准信号，辅助声音辨认并生成声音确认信号，然后再进行对比验证，若验证为“是”，则生成：无人机告警信号；接收无人机告警信号，并向无人机所在位置发送干扰微波。2.根据权利要求1所述的一种反无人机光电侦查方法，其特征在于，所述声音辨认方法包括：确定飞行物的方位，并对所属方位的声音进行采集；将采集后的声音信息输入卷积神经网络模型进行辨认；若卷积神经网络模型输出信号为“是”，输出声音确认信号；所述热辐射辨认方法包括：确定飞行物的方位，并对所属方位的热辐射进行采集；将采集后的热辐射数据输入热辐射数据库进行辨认，并进行相似度判断；若相似度大于设定值，则输出热辐射确认信号。3.根据权利要求2所述的一种反无人机光电侦查方法，其特征在于，所述卷积神经网络模型的建立方法包括：根据无人机的类型，按照设定的规则分类建立多个声音数据库；依次对多个声音数据库内的无人机飞行声音进行采样，然后分别对采样样本进行预加重，生成多个中间样本；对多个中间样本进行分帧，相邻的两个分帧片段之间部分重叠；对分帧后的中间样本进行加窗，生成多个声音样本；获取声音样本的MFCC特征参数；获取声音样本的GFCC特征参数；并将MFCC特征参数和GFCC特征参数线性叠加，获取多个声音特征频谱数据；将多个声音特征频谱数据输入卷积神经网络进行训练，获得多个声音辨认卷积神经网络模型，其与多个声音数据库一一对应；所述声音辨认方法包括：将采集后的声音分别输入至卷积神经网络模型，并遍历多个声音辨认卷积神经网络模型，直至某一个卷积神经网络模型输出“是”，则输出声音确认信号。4.根据权利要求3所述的一种反无人机光电侦查方法，其特征在于，采样频率为：式中：为采样频率；为无人机飞行声音的最高频率；加窗函数为：
式中，L为采样窗口长度；m为0~L
‑
1之间的任意值；声音样本的MFCC特征参数的获得方法为：利用梅尔频率倒谱系数获得声音样本的13维特征参数；声音样本的GFCC特征参数的获得方法为：利用Gammatone滤波器对声音信号进行处理，然后利用梅尔频率倒谱系数获得声音样本的13维特征参数。5.根据权利要求3所述的一种反无人...

【专利技术属性】
技术研发人员：何周平，柴若愚，李书生，苏洋，
申请(专利权)人：成都星宇融科电力电子股份有限公司，
类型：发明
国别省市：