基于信号侦察和预测的无人机测控信号精准干扰方法技术

本发明专利技术公开了一种基于信号侦察和预测的无人机测控信号精准干扰方法，其通过通用信号侦察设备、综合信息处理设备和无线电干扰设备来实现；其步骤包括：通用信号侦察设备对其作用区域中的无人机测控信号进行侦察接收；综合信息处理设备对该接收信号进行分析，提取无人机测控信号参数，识别无人机测控信号类型；对接收信号进行跳频频点预测；生成对应的持续时长和信号带宽的基带干扰信号，并将该基带干扰信号上传至无线电干扰设备，无线电干扰设备对其进行处理并射频发射。本发明专利技术在不影响其他合法用频设备正常工作的情况下，以最小的代价，实现对无人机测控信号的精准干扰，能在存在跳频漏检情况下，有效对未来一段时间跳频点进行预测。预测。预测。

【技术实现步骤摘要】
基于信号侦察和预测的无人机测控信号精准干扰方法


[0001]本专利技术属于电子信息
，尤其涉及一种基于信号侦察和预测的无人机测控信号精准干扰方法。

技术介绍

[0002]利用无线电干扰手段干扰进入禁飞区域的无人机测控信号是无人机防控的重要手段。现阶段所使用的无线电干扰方式主要包括阻塞式干扰和跟踪式干扰两种。
[0003]阻塞式干扰是指干扰机直接发送宽带干扰信号，阻断目标通信频段内所有设备的通信。但是，部分无人机使用ISM频段进行数据通信，该频段同时存在大量的用频设备。大功率的阻塞式干扰会同时影响周边用频设备的正常工作，造成较高的社会使用成本。跟踪式干扰是指干扰信号能追踪跳频通信信号的跳变，仅压制跳频的瞬时频谱，是一种节省功率的一种干扰方式。追踪式干需要干扰机具备极强的实时处理能力，能够在很短时间内完成对目标信号频率的侦察捕获、分析，确定干扰对象。此外，还需要干扰机位置满足干扰椭圆条件。由于ISM频段电磁环境的复杂性，在众多信号中，如何通过短时间的侦察，确定干扰目标，进而实施干扰具有很高的难度。
[0004]跳频预测干扰方式是指干扰系统可以对未来时刻的跳频点进行预测，并提前做好相关干扰准备工作，从而为干扰机进行精准干扰赢得充分的时间。由于目前市面上各厂商的无人机所使用的通信协议各不相同，其所展现出来的跳频规律也各不相同。因此，在进行跳频预测时，首先需要对目标信号源类型进行识别。目前无人机检测识别方法主要包括：基于雷达的无人机检测方法、基于声音的无人机检测方法、基于光电的无人机检测方法和基于通信信号的无人机检测方法。其中，基于通信信号的无人机检测方法是无人机侦察的重要手段。通过无人机测控信号与同频段其他信号的差别，可以实现对目标无人机测控信号的精准识别。同时，信号特征的分析结果可以为后续的电磁干扰提供先验支撑，实现信号检测和精准干扰的高效结合。

技术实现思路

[0005]针对现有的无人机测控信号跟踪式干扰方法难以在很短时间内完成对目标信号频率的侦察捕获、分析并确定干扰对象的问题，本专利技术提供了一种基于信号侦察和预测的无人机测控信号精准干扰方法，通过跳频信号分析、基于深度学习的跳频预测、干扰信号生产实现对目标信号的精准灵巧干扰。
[0006]本专利技术公开了一种基于信号侦察和预测的无人机测控信号精准干扰方法，其通过通用信号侦察设备、综合信息处理设备和无线电干扰设备来实现；所述的无人机测控信号为跳频信号形式；
[0007]所述通用信号侦察设备负责对进入其作用区域的无人机测控信号进行侦察接收、低噪声功率放大、滤波、A/D变换、数字下变频处理，将该接收信号转换成零中频的时域IQ数据，并通过光纤将该零中频的时域IQ数据上传至综合信息处理设备。
[0008]所述综合信息处理设备负责对其接收数据进行参数分析和提取，并进行跳频预测，根据参数分析和提取结果以及跳频预测结果中的信号时间和频点信息，在相应的中心频率和起始时间上，生成对应的持续时长和信号带宽的基带干扰信号；
[0009]所述无线电干扰设备负责对综合信息处理系统生成的基带干扰信号进行上变频和功率放大，再进行射频发射。
[0010]所述的基于信号侦察和预测的无人机测控信号精准干扰方法，其步骤包括：
[0011]S1，通用信号侦察设备对其作用区域中的无人机测控信号进行侦察接收；
[0012]综合信息处理设备向通用信号侦察设备下发侦收指令，通用侦察设备收到侦收指令后对其作用区域的无人机测控信号进行侦察接收、低噪声功率放大、滤波、A/D变换、数字下变频处理，将该接收信号转换成零中频的时域IQ数据，并通过光纤将该零中频的时域IQ数据上传至综合信息处理设备。
[0013]S2，通用信号侦察设备所侦察接收的无人机测控信号为跳频信号形式，综合信息处理设备对该接收信号进行分析，提取无人机测控信号参数，识别无人机测控信号类型；
[0014]所述的步骤S2，其具体包括：
[0015]S21，综合信息处理设备对其接收的时域IQ数据信号进行时频分析，得到该接收信号的每一个跳频信号的中心频率、信号带宽、持续时长和起始时间，进而得到相邻的跳频信号的跳频时间间隔，将每一个跳频信号的中心频率、信号带宽、持续时长和起始时间进行整合，从而得到接收信号的跳频图案，再利用高阶谱分析方法和相关谱分析方法得到该接收信号的调制方式、调制速率、符号长度、同步导频的信息，并利用分析得到的信息，对无人机测控信号进行分类，确定其所属的无人机类型；
[0016]S22，根据步骤S21分析得到的该接收信号的每一个跳频信号的中心频率、信号带宽、持续时长和起始时间，以及该接收信号的调制方式、调制速率、符号长度、同步导频的信息，构建用于信号分类的特征输入序列，并对每个跳频信号进行类别标注，构建用于无人机信号类型识别的训练数据集。利用该训练集，使用ID3算法训练决策树分类器进行无人机测控信号的分类。
[0017]S23，对于通用信号侦察设备实时侦察接收的无人机测控信号,利用步骤S21分析得到其信号参数信息，利用步骤S22训练好的决策树分类器判断无人机测控信号类型。
[0018]S3，综合信息处理设备利用其提取的跳频序列和其所确定的无人机类型，利用无人机跳频信号预测网络模型对接收信号进行跳频频点预测；
[0019]利用步骤S2所提取的跳频图案，构建跳频信号预测训练数据集。无人机跳频信号预测网络模型采用LSTM时序预测网络来实现。
[0020]无人机跳频信号预测网络模型包含12个LSTM层和2个卷积层，其中12个LSTM层用于对接收信号的跳频信号序列进行特征提取，2个卷积层用于对预测结果进行解码输出。该无人机跳频信号预测网络模型通过学习不同无人机跳频信号跳频规律和步骤S2所提取的跳频图案，预测未来一段时间内出现的跳频信号及其起始时间。
[0021]无人机跳频信号预测网络模型的输入序列维度为B
×
N
×
3，输出序列维度为B
×
M
×
3，其中，B表示单次训练的输入样本个数，N和M分别表示输入和输出的跳频频点个数，3表示每个跳频频点包含的三个信号参数信息，即中心频率、信号起始时间和信号终止时间。利用随机梯度下降算法进行无人机跳频信号预测网络模型优化。
[0022]该网络模型的输入序列X
in
为：
[0023]X
in
＝[x1,x2,...,x
N
]，
[0024]其中，N表示输入序列的跳频信号个数，对于任意i＝1,2,...,N，对于第i个跳频信号的参数集合x
i
，x
i
＝(t
s,i
,t
e,i
,f
c,i
)，t
s,i
和t
e,i
分别表示第i个跳频信号的起止时间，f
c,i
表示第i个跳频信号的载频。训练标签序列的表达式为：
[0025本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信号侦察和预测的无人机测控信号精准干扰方法，其特征在于，其通过通用信号侦察设备、综合信息处理设备和无线电干扰设备来实现；所述的无人机测控信号为跳频信号形式；所述通用信号侦察设备负责对进入其作用区域的无人机测控信号进行侦察接收、低噪声功率放大、滤波、A/D变换、数字下变频处理，将该接收信号转换成零中频的时域IQ数据，并通过光纤将该零中频的时域IQ数据上传至综合信息处理设备；所述综合信息处理设备负责对其接收数据进行参数分析和提取，并进行跳频预测，根据参数分析和提取结果以及跳频预测结果中的信号时间和频点信息，在相应的中心频率和起始时间上，生成对应的持续时长和信号带宽的基带干扰信号；所述无线电干扰设备负责对综合信息处理系统生成的基带干扰信号进行上变频和功率放大，再进行射频发射；所述的基于信号侦察和预测的无人机测控信号精准干扰方法，其步骤包括：S1，通用信号侦察设备对其作用区域中的无人机测控信号进行侦察接收；综合信息处理设备向通用信号侦察设备下发侦收指令，通用侦察设备收到侦收指令后对其作用区域的无人机测控信号进行侦察接收、低噪声功率放大、滤波、A/D变换、数字下变频处理，将该接收信号转换成零中频的时域IQ数据，并通过光纤将该零中频的时域IQ数据上传至综合信息处理设备；S2，通用信号侦察设备所侦察接收的无人机测控信号为跳频信号形式，综合信息处理设备对该接收信号进行分析，提取无人机测控信号参数，识别无人机测控信号类型；S3，综合信息处理设备利用其提取的跳频序列和其所确定的无人机类型，利用无人机跳频信号预测网络模型对接收信号进行跳频频点预测；S4，利用步骤S2中分析得到的接收信号中的每一个跳频信号的中心频率、信号带宽、持续时长、起始时间、调制方式、调制速率和符号长度，在相应的中心频率和起始时间上，生成对应的持续时长和信号带宽的基带干扰信号，并将该基带干扰信号上传至无线电干扰设备；S5，无线电干扰设备对该基带干扰信号进行上变频，功率放大并进行射频发射。2.如权利要求1所述的基于信号侦察和预测的无人机测控信号精准干扰方法，其特征在于，所述的步骤S2，其具体包括：S21，综合信息处理设备对其接收的时域IQ数据信号进行时频分析，得到该接收信号的每一个跳频信号的中心频率、信号带宽、持续时长和起始时间，进而得到相邻的跳频信号的跳频时间间隔，将每一个跳频信号的中心频率、信号带宽、持续时长和起始时间进行整合，从而得到接收信号的跳频图案，再利用高阶谱分析方法和相关谱分析方法得到该接收信号的调制方式、调制速率、符号长度、同步导频的信息，并利用分析得到的信息，对无人机测控信号进行分类，确定其所属的无人机类型；S22，根据步骤S21分析得到的该接收信号的每一个跳频信号的中心频率、信号带宽、持续时长和起始时间，以及该接收信号的调制方式、调制速率、符号长度、同步导频的信息，构建用于信号分类的特征输入序列，并对每个跳频信号进行类别标注，构建用于无人机信号类型识别的训练数据集；利用该训练集，使用ID3算法训练决策树分类器进行无人机测控信
号的分类；S23，对于通用信号侦察设备实时侦察接收的无人机测控信号,利用步骤S21分析得到其信号参数信息，利用步骤S22训练好的决策树...

【专利技术属性】
技术研发人员：刘阳，温志津，李晋徽，晋晓曦，张涵硕，牛余凯，
申请(专利权)人：中国人民解放军三二八零二部队，
类型：发明
国别省市：