一种基于混合时频分析的无人机遥控信号识别系统和方法技术方案

本发明专利技术公开了一种基于混合时频分析的无人机遥控信号识别系统及方法，该系统包含：无人机、遥控站和监测装置；该无人机遥控信号识别方法包含：数据采集及合并，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；对合并后的时域信号做混合时频变换得到混合时频分析；无人机遥控信号提取以及无人机遥控信号识别；摆脱了单独的线性时频分析或非线性时频分析的局限性，以兼顾时频分辨率和克服干扰；通过提取挠率特征将三维时频曲线的相似性转化为二维挠率分布的距离估计，方法简洁有效，评价的三维时频曲线相似性结果符合感官判断，能够准确地反映三维时频曲线的相似程度。度。度。

【技术实现步骤摘要】
一种基于混合时频分析的无人机遥控信号识别系统和方法


[0001]本专利技术属于无人机遥控信号识别
，具体涉及一种基于混合时频分析的无人机遥控信号识别系统和方法。

技术介绍

[0002]近年来伴随社会经济与无线网络的发展，无人机在世界各地的使用日益增多，非法无人入侵问题越来越受到各国的关注，如何更快、更精确地实现对无人机的识别是无人机反制的重要前提。现有的通过无线电频谱监测识别无人机的方式，理论上可以对非法无人机连续监测，发现目标并采取反制措施。目前多数的无人机遥控信号采用跳频扩频技术，遥控信号常用的2.4GHz等频段已十分拥堵，又因为其频率跳变的高速性、变频方式的多样性和所在频谱环境的复杂性，使得现有的无线电频谱监测方法往往难以实时、准确地检测到无人机遥控信号，非法无人机监测难以取得令人满意的效果。
[0003]文献(李光伟.频谱探测技术在无人机探测与反制领域的应用[J])总结了电磁频谱测量技术在无人机探测和反制中的应用和前景，并给出了几种检测方法，但没有具体算法验证。文献(刘丽.民用无人机跳频信号分析与识别技术研究[D])提出了一种跳频信号的分类系统，可以实现对无人机跳频信号进行自动分类，但是该方法需要大量无人机样本数据，并且算法较复杂。
[0004]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，传统的傅里叶变换不再适用于跳频信号的分析。因此，有必要从时域和频域多角度联合分析，全面展现遥控信号频率随时间变化情况。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的在于提供一种基于混合时频分析的无人机遥控信号识别系统及方法，混合时频分析通过线性时频分析与非线性时频分析的有效结合，精确的描述时间
‑
频率域来表征并且进行处理和分析信号，摆脱了单一的线性时频分析的时频聚集性低、抗噪能力不佳，及非线性时频分析的交叉项等局限性。
[0006]为了实现上述目的，本专利技术采用以下技术方案予以实现：
[0007]一种基于混合时频分析的无人机遥控信号识别方法，包括以下步骤：
[0008]步骤一、数据采集及合并：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；
[0009]接收机内部的模拟/数据器件对接收的模拟信号进行模数转换，并通过正交解调、数字下变频将接收信号转换为同相分量I和正交分量Q两路数字基带信号，然后将I、Q两路信号进行合并，即时域信号sig＝I+j
·
Q；其中，j表示虚数单位，
[0010]步骤二、对合并后的时域信号做混合时频变换得到混合时频分析：
[0011]采用混合时频变换对合并后的时域信号进行以时间为横轴，频率为纵轴进行分析，通过对采集的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Bw带宽内的信号频率，每一点频率为Bw/Num
组
；
[0012]混合时频分析方法如下：
[0013]S1、将Gabor变换结果TFR
G
和乔
‑
威廉姆斯(Choi
‑
Williams distribution，CWD)变换结果TFR
CWD
进行哈达玛(Hadamard)乘积操作得到自项时频图；
[0014]TFR
自项
(t,f)＝TFR
G
(t,f)
⊙
TFR
CWD
(t,f)；
[0015]式中
⊙
是哈达玛乘积运算，t为时间变量，f为频率变量；
[0016]S2、进行截断处理，得到自项时频区域结果；
[0017][0018]式中，| |表示求绝对值；ε为阈值，这里ε＝μ
·
mean(|TFR
自项
(t,f)|)；μ为阈值因子，取μ＝0.15；mean()表示求均值；
[0019]S3、将自项时频区域结果与CWD变换结果进行哈达玛乘积，得到混合时频变换的时频图：
[0020]TFR
混合
(t,f)＝TFR
截断
(t,f)
⊙
TFR
CWD
(t,f)；
[0021]以上共经过Num
采
/Num
组
次混合时频变换处理，每一次输出皆可得到混合时频谱；再计算每组数据沿着时间轴的混合时频谱最大值，将各组数据的最大值拼接起来，得到全部样本数据的混合时频谱最大值图；
[0022]步骤三、无人机遥控信号提取：低秩矩阵恢复先将时频谱矩阵TFR
混合
(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；
[0023]即求解下列最优化问题：
[0024][0025]式中，min
A,E
( )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，取表示求0范数，λ为平衡因子，取
[0026]利用快速矩阵分解算法求解(1)式得到稀疏矩阵E；
[0027]步骤四、无人机遥控信号识别：经过低秩矩阵恢复方法可以进一步抑制图传信号干扰，在稀疏矩阵E中得到清晰的遥控信号时频表示，从而提取出遥控信号的时频特征，进一步与无人机遥控信号特征库中的图样进行比对；
[0028]采用基于挠率特征的三维时频曲线相似性搜索方法，对提取的时频谱特征进行识别，得到该无人机为的确定的无人机型号。
[0029]本专利技术还具有以下技术特征：
[0030]优选的，所述的步骤三中最优化问题式(1)的求解方法如下：
[0031]a)将最优化问题式(1)正则化，便得到优化问题：
[0032][0033]式中，‖ ‖1为1范数，‖ ‖
1.2
为(1,2)范数，为F范数的平方。其中，μ＝||TFR
混合
(t,f)||2/1.5；
[0034]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，这里取ρ＝10；
[0035]平衡参数一平衡参数二β＝0.5
×
||TFR
混合
(t,f)||2；
[0036]b)迭代交替更新矩阵A，E：
[0037]当A＝A
k
时,
[0038][0039]当E＝E
k
时,
[0040][0041]当达到最大迭代次数10或者误差时，迭代结束；
[0042]则得到稀疏矩阵E，或称为采样数据时频序列。
[0043]优选的，所述的步骤四中无人机遥控信号识别，包括以下步骤：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合时频分析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、数据采集及合并：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；接收机内部的模拟/数据器件对接收的模拟信号进行模数转换，并通过正交解调、数字下变频将接收信号转换为同相分量I和正交分量Q两路数字基带信号，然后将I、Q两路信号进行合并，即时域信号sig＝I+j
·
Q；其中，j表示虚数单位，步骤二、对合并后的时域信号做混合时频变换得到混合时频分析：采用混合时频变换对合并后的时域信号进行以时间为横轴，频率为纵轴进行分析，通过对采集的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Bw带宽内的信号频率，每一点频率为Bw/Num
组
；混合时频分析方法如下：S1、将Gabor变换结果TFR
G
和乔
‑
威廉姆斯(Choi
‑
Williams distribution，CWD)变换结果TFR
CWD
进行哈达玛(Hadamard)乘积操作得到自项时频图；TFR
自项
(t,f)＝TFR
G
(t,f)
⊙
TFR
CWD
(t,f)；式中
⊙
是哈达玛乘积运算，t为时间变量，f为频率变量；S2、进行截断处理，得到自项时频区域结果；式中，||表示求绝对值；ε为阈值，这里ε＝μ
·
mean(|TFR
自项
(t,f)|)；μ为阈值因子，取μ＝0.15；mean()表示求均值；S3、将自项时频区域结果与CWD变换结果进行哈达玛乘积，得到混合时频变换的时频图：TFR
混合
(t,f)＝TFR
截断
(t,f)
⊙
TFR
CWD
(t,f)；以上共经过Num
采
/Num
组
次混合时频变换处理，每一次输出皆可得到混合时频谱；再计算每组数据沿着时间轴的混合时频谱最大值，将各组数据的最大值拼接起来，得到全部样本数据的混合时频谱最大值图；步骤三、无人机遥控信号提取：低秩矩阵恢复先将时频谱矩阵TFR
混合
(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：式中，min
A,E
( )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(1)式得到稀疏矩阵E；步骤四、无人机遥控信号识别：经过低秩矩阵恢复方法可以进一步抑制图传信号干扰，
在稀疏矩阵E中得到清晰的遥控信号时频表示，从而提取出遥控信号的时频特征，进一步与无人机遥控信号特征库中的图样进行比对；采用基于挠率特征的三维时频曲线相似性搜索方法，对提取的时频谱特征进行识别，得到该无人机为的确定的无人机型号。2.如权利要求1所述的基于混合时频分析的无人机遥控信号识别方法，其特征在于，所述的步骤三中最优化问题式(1)的求解方法如下：a)将最优化问题式(1)正则化，便得到优化问题：式中，‖‖1为1范数，‖‖
1.2
为(1,2)范数，为F范数的平方；其中，μ＝||TFR
混合
(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，这里取ρ＝10；平衡参数二β＝0.5
×
||TFR
混合
(t,f)||2；b)迭代交替更新矩阵A，E：当A＝A
k
时,当E＝E
k
时,当达到最大迭代次数10或者误差时，迭代结束；则得到稀疏矩阵E，或称为采样数据时频序列。3.如权利要求1所述的基于混合时...

【专利技术属性】
技术研发人员：王衍文，芮翼鹏，沈洲，王利平，王玉，马玥，周锋，
申请(专利权)人：西京学院，
类型：发明
国别省市：