基于深度学习的无人机信号识别方法及系统技术方案

本发明专利技术属于无人机识别技术领域，特别涉及一种基于深度学习的无人机信号识别方法及系统，包含：利用接收机采集多个型号已知的无人机信号，并通过短时傅里叶变换生成与每个无人机信号对应的时频图，利用该多个类型的无人机信号时频图来构建用于模型训练的信号样本数据库；构建依据时频图能量条带和视觉性差异来进行无人机型号识别的无人机识别模型，并利用信号数据样本对模型进行训练；将待检测未知无人机信号通过短时傅里叶变换生成对应的时频图，利用无人机识别模型来识别该未知无人机型号。本发明专利技术能够在脉冲干扰、低信噪比和一定时频混叠的环境下较为精确地识别无人机信号的类型，达到无人机目标预警监控的目的，方案步骤清晰，便于实施。便于实施。便于实施。

【技术实现步骤摘要】
基于深度学习的无人机信号识别方法及系统


[0001]本专利技术属于无人机识别
，特别涉及一种基于深度学习的无人机信号识别方法及系统。

技术介绍

[0002]近年来，无人机因其小型化、轻量化和智能化的属性，在侦察、预警和辅助打击、以及航拍、飞行表演和农业作业等应用领域，得到了广泛的应用。在已有的无人机信号识别方法中，经典的识别方法需要人工设计特征，较为复杂，并且探测效果受检测阈值选取的影响较大；基于深度学习的方法无需手动设计特征，但目前主要集中在对一般无线信号的探测和识别中，针对无人机特定信号的检测和识别的方法较少。此外，目前的方法对低信噪比下不同信号的检测和识别效果不够理想。

技术实现思路

[0003]为此，本专利技术提供一种基于深度学习的无人机信号识别方法及系统，把神经网络引入无人机信号识别领域，能够在脉冲干扰、低信噪比和一定时频混叠的环境下较为精确地识别无人机信号的类型，达到无人机目标预警监控的目的，方案步骤清晰，便于实施。
[0004]按照本专利技术所提供的设计方案，一种基于深度学习的无人机信号识别方法，包含本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的无人机信号识别方法，其特征在于，包含如下内容：利用接收机采集多个型号已知的无人机信号，并通过短时傅里叶变换生成与每个无人机信号对应的时频图，利用该多个类型的无人机信号时频图来构建用于模型训练的信号样本数据库；构建依据时频图能量条带和视觉性差异来进行无人机型号识别的无人机识别模型，并利用信号样本数据库中的信号数据样本对该无人机识别模型进行训练，其中，无人机识别模型的无人机型号识别基于YOLOv4神经网络实现；将待检测未知无人机信号通过短时傅里叶变换生成对应的时频图，将该时频图作为模型输入，利用训练后的无人机识别模型来识别该未知无人机信号的无人机型号。2.根据权利要求1所述的基于深度学习的无人机信号识别方法，其特征在于，利用接收机采集市场上已知的多个类型型号的消费级无人机信号，并利用短时傅里叶变换生成与每个无人机信号对应的时频图。3.根据权利要求1或2所述的基于深度学习的无人机信号识别方法，其特征在于，针对接收机采集到的无人机信号，首先，通过信号下变频、低通滤波、重采样和能量归一化处理，将无人机信号转化为预设采样率下的零中频复信号，然后再对该零中频复信号进行短时傅里叶变换来获取信号的时频图。4.根据权利要求1或2所述的基于深度学习的无人机信号识别方法，其特征在于，针对信号的时频图，对时频图进行尺度变换、归一化、灰度化和信号增强处理来构建信号样本数据库。5.根据权利要求4所述的基于深度学习的无人机信号识别方法，其特征在于，尺度变换、归一化、灰度化和信号增强处理的过程表示如下：其中，Im0为原始时频图，Im1为对Im0进行取对数操作后的图像，γ为缩放因子，Im2为尺度变换、归一化、灰度化和信号增强处理后的输出图像。6.根据权利要求1所述的基于深度学习的无人机信号识别方法，其特征在于，所述无人机识别模型包含：用于对输入...

【专利技术属性】
技术研发人员：王书，张见，吴迪，李汀立，易冬，张玉巧，胡涛，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：