一种基于时频图的无人机遥控信号识别方法及其识别系统技术方案

本发明专利技术公开一种基于时频图的无人机遥控信号识别方法及其识别系统，其方法包括数据采集及合并，对合并后的时域信号做平滑伪维纳变换并得到SPW时频分布，采用改进的伯恩森方法剔除随机噪声，利用低秩矩阵恢复进行无人机遥控信号提取，采用基于形状相似距离的时频序列相似性搜索方法进行无人机遥控信号识别，其识别系统包括无人机、遥控站和监测装置；本发明专利技术摆脱了传统的傅里叶变换单一频域描述信号特征的局限性,时频域结合的分析比单一时域的信号冲击响应或单一频域的信号功率谱密度更为有效,且本发明专利技术通过低秩矩阵恢复方法将遥控信号与图传信号分到稀疏矩阵和低秩矩阵中，从而分离遥控信号与图传信号，降低图传信号对遥控信号的干扰。信号的干扰。信号的干扰。

【技术实现步骤摘要】
一种基于时频图的无人机遥控信号识别方法及其识别系统


[0001]本专利技术涉及无人机遥控信号
，尤其涉及一种基于时频图的无人机遥控信号识别方法及其识别系统。

技术介绍

[0002]近年来伴随社会经济与无线网络的发展，移动无线设备的数量在城市中不断增加，导致无人机所处的环境变得日益复杂，同时其广泛使用也带来了诸如隐私和安全相关的问题，对航空活动和关键场所带来巨大安全隐患，这促进了对无人机探测技术的研究，无人机探测的前提和重要环节是无人机遥控信号的分析与识别，如在无人机飞行时对遥控或图传信号侦收，并实现对无人机的定位，便可以对无人机实施干扰，阻止其在不安全区域飞行，保护低空空域的安全，所以研究设计出在复杂密集的通信以及无人机涉及的频段信号环境中识别和发现无人机遥控信号，对无人机反制领域有着重要意义和价值。
[0003]例如专利“基于频域特征的无人机遥控信号识别方法”(申请号为201910930192.9)，其采用基于频域特征来识别无人机遥控信号，由于无人机遥控信号受到传播损失、周围建筑物反射、噪声和无人机图传信号等的干扰，通常接收到的信号信噪比较低，单一的时域或者频域分析难以体现信号的全部信息，且通常无人机的遥控信号是跳频信号，属于非平稳信号，信号的频率随着时间呈现非线性变化，导致传统的傅里叶变换不再适用于跳频信号的分析，因此，本专利技术提出一种基于时频图的无人机遥控信号识别方法及其识别系统以解决现有技术中存在的问题。

技术实现思路

[0004]针对上述问题，本专利技术的目的在于提出一种基于时频图的无人机遥控信号识别方法及其识别系统，该方法基于时频分析利用时间
‑
频率域来表征并处理和分析无人机遥控信号，时频域结合的分析比单一时域的信号冲击响应或单一频域的信号功率谱密度更为有效，避免了传统的傅里叶变换单一频域描述信号特征的局限性，解决了传统的傅里叶变换不再适用于跳频信号分析的问题。
[0005]为了实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于时频图的无人机遥控信号识别方法，包括以下步骤：
[0006]步骤一：先采用基于零中频接收机架构的数据采集系统对无人机信号进行采集，接着通过接收机内部的模拟/数据器件对采集的无人机信号进行模数转换，并通过正交解调和数字下变频的方法，将采集的无人机信号转换为两路数字基带信号，然后将两路数字信号合并，得到时域信号；
[0007]步骤二：采用平滑伪维纳变换方法对合并后的时域信号进行以时间为横轴和以频率为纵轴的分析变换，得到SPW时频分布SPW(t,f)，其中t为时间，f为频率；
[0008]步骤三：采用改进的伯恩森方法，设定能量门限阈值来消除SPW时频分布中随机噪声对遥控信号检测的影响；
[0009]步骤四：利用低秩矩阵恢复方法，先将SPW时频分布SPW(t,f)表示为低秩矩阵A与稀疏矩阵E之和，再通过求解范数优化问题来恢复低秩矩阵，即求解下列最优化问题式：
[0010][0011]其中，表示针对低秩矩阵A和稀疏矩阵E求最小值，s.t.表示约束条件，rank()表示求秩，|| ||0表示求0范数，λ为平衡因子，取利用快速矩阵分解算法求解公式，得到稀疏矩阵E，即采样数据时频序列；
[0012]步骤五：在稀疏矩阵E中得到清晰的遥控信号时频表示，并提取出遥控信号的时频特征，再与无人机遥控信号标准库中的图样进行比对，并采用基于形状相似距离的时频序列相似性搜索方法，对提取的时频特征进行识别，得到无人机型号。
[0013]进一步改进在于：所述步骤一中，所述两路数字基带信号包括同相分量I和正交分量Q，所述时域信号的计算公式为：
[0014]Sig＝I+j
·
Q
[0015]其中，Sig为时域信号，j表示虚数单位，
[0016]进一步改进在于：所述步骤二中，SPW时频分布为：
[0017][0018]其中，μ为时间积分参数，τ为时延积分参数，h()为时域中的频率平滑窗，设置为汉明窗，g()为时间平滑窗，设置为凯瑟窗，Sig为时域信号，上角标#表示求共轭。
[0019]进一步改进在于：所述步骤二中，对合并后的时域信号进行分析变换过程中，对采集的Num
采
数据点进行处理，每组数据为Num
组
点，共分析Num
采
/Num
组
次，每次代表一个时间点，Num
组
点对应接口带宽Bw内的信号频率，每一点频率为Bw/Num
组
，经过Num
采
/Num
组
次平滑伪维纳变换处理，每一次输出均得到SPW时频谱，再计算每组数据沿着时间轴的SPW时频谱最大值，将各组数据的最大值拼接起来，得到全部样本数据的SPW时频谱最大值图。
[0020]进一步改进在于：所述步骤三中，设阈值为SPW
阈值
(t,f)，则：
[0021][0022]阈值采用改进的伯恩森方法，即取当前位置(t0,f0)为中心，半径为r的圆区域内的最大值和最小值的平均值；
[0023][0024]其中，N
t
为时域样点数，N
f
为频域样点数。
[0025]进一步改进在于：所述步骤四中，利用快速矩阵分解算法求解公式的具体步骤为：
[0026]A1：将最优化问题式正则化，得到优化问题：
[0027][0028]其中，|| ||1为1范数，|| ||
1.2
为(1,2)范数，为F范数的平方，μ＝||SPW(t.f||2/1.5为对不满足线性等式约束的惩罚因子，是背景先验知识诱导核范数，ρ是低秩矩阵A秩的初始预估计值，并取ρ＝10，α为平衡参数一，且β为平衡参数二，且β＝0.5
×
||SPW(t.f)||2；
[0029]A2：迭代交替更新矩阵低秩矩阵A和稀疏矩阵E：
[0030]当A＝A
k
时，
[0031][0032]当E＝E
k
时，
[0033][0034]当达到最大迭代次数10或者误差当达到最大迭代次数10或者误差时，迭代结束，得到稀疏矩阵E，即采样数据时频序列。
[0035]进一步改进在于：所述步骤五中，对提取的时频特征进行识别的具体步骤为：
[0036]B1：确定时频序列的向量序列
[0037]以时频序列分段表示的每段直线构成的向量作为度量，无人机遥控信号标准库中单个型号的时频序列分为N段，则该型号无人机遥控信号标准时频向量序列为：
[0038]S1＝{(t
1，0
‑
t
1，1
)，(t
1，1
‑
t
1，2
)，(t
1，2
‑
t
1，3
)，(t
1，3
‑
t
1，4
)，
…...

【技术保护点】

【技术特征摘要】
1.一种基于时频图的无人机遥控信号识别方法，其特征在于，包括以下步骤：步骤一：先采用基于零中频接收机架构的数据采集系统对无人机信号进行采集，接着通过接收机内部的模拟/数据器件对采集的无人机信号进行模数转换，并通过正交解调和数字下变频的方法，将采集的无人机信号转换为两路数字基带信号，然后将两路数字信号合并，得到时域信号；步骤二：采用平滑伪维纳变换方法对合并后的时域信号进行以时间为横轴和以频率为纵轴的分析变换，得到SPW时频分布SPW(t,f)，其中t为时间，f为频率；步骤三：采用改进的伯恩森方法，设定能量门限阈值来消除SPW时频分布中随机噪声对遥控信号检测的影响；步骤四：利用低秩矩阵恢复方法，先将SPW时频分布SPW(t,f)表示为低秩矩阵A与稀疏矩阵E之和，再通过求解范数优化问题来恢复低秩矩阵，即求解下列最优化问题式：其中，表示针对低秩矩阵A和稀疏矩阵E求最小值，s.t.表示约束条件，rank()表示求秩，||||0表示求0范数，λ为平衡因子，取利用快速矩阵分解算法求解公式，得到稀疏矩阵E，即采样数据时频序列；步骤五：在稀疏矩阵E中得到清晰的遥控信号时频表示，并提取出遥控信号的时频特征，再与无人机遥控信号标准库中的图样进行比对，并采用基于形状相似距离的时频序列相似性搜索方法，对提取的时频特征进行识别，得到无人机型号。2.根据权利要求1所述的一种基于时频图的无人机遥控信号识别方法，其特征在于：所述步骤一中，所述两路数字基带信号包括同相分量I和正交分量Q，所述时域信号的计算公式为：Sig＝I+j
·
Q其中，Sig为时域信号，j表示虚数单位，3.根据权利要求1所述的一种基于时频图的无人机遥控信号识别方法，其特征在于：所述步骤二中，SPW时频分布为：其中，μ为时间积分参数，τ为时延积分参数，h()为时域中的频率平滑窗，设置为汉明窗，g()为时间平滑窗，设置为凯瑟窗，Sig为时域信号，上角标#表示求共轭。4.根据权利要求1所述的一种基于时频图的无人机遥控信号识别方法，其特征在于：所述步骤二中，对合并后的时域信号进行分析变换过程中，对采集的Num
采
数据点进行处理，每组数据为Num
组
点，共分析Num
采
/Num
组
次，每次代表一个时间点，Num
组
点对应接口带宽Bw内的信号频率，每一点频率为Bw/Num
组
，经过Num
采
/Num
组
次平滑伪维纳变换处理，每一次输出均得
到SPW时频谱，再计算每组数据沿着时间轴的SPW时频谱最大值，将各组数据的最大值拼接起来，得到全部样本数据的SPW时频谱最大值图。5.根据权利要求1所述的一种基于时频图的无人机遥控信号识别方法，其特征在于：所述步骤三中，设阈值为SPW
阈值
(t,f)，则：阈值采用改进的伯恩森方法，即取当前位置(t0,f0)为中心，半径为r的圆区域内的最大值和最小值的平均值；其中，N
t
为时域样点数，N
f
为频域样点数。6.根据权利要求1所述的一种基于时频图的无人机遥控信号识别方法，其特征在于：所述步骤四中，利用快速矩阵分解算法求解公式的具体步骤为：A1：将最优化问题式正则化，得到优化问题：其中，||||1为1范数，||||
1.2
为(1,2)范数，为F范数的平方，μ＝||SPW(t.f||2/1.5为对不满足线性等式约束的惩罚因子，是背景先验知识诱导核范数，ρ是低秩矩阵A秩的初始预估计值，并取ρ＝10，α为平衡参数一，且β为平衡参数二，且β＝0.5
×
||SPW(t.f)||2；A2：迭代交替更新矩阵低秩矩阵A和稀疏矩阵E：当A＝A
k
时,当E＝E...

【专利技术属性】
技术研发人员：王衍文，芮翼鹏，王渭森，马晓幡，沈洲，郝东来，尼涛，
申请(专利权)人：西京学院，
类型：发明
国别省市：