一种基于先验知识的无人机信号智能检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于先验知识的无人机信号智能检测方法及装置，该方法包括：利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频信号；将所述零中频信号发送给信号处理设备，利用所述信号处理设备对所述零中频信号进行处理，得到训练信号样本数据库；获取无人机信号智能检测先验知识，利用所述无人机信号智能检测先验知识，构建无人机信号智能检测模型；利用所述无人机信号智能检测模型，对所述无线电侦察设备接收到的待识别的空间电磁波信号进行处理，得到基于先验知识的无人机信号智能检测结果。本发明专利技术解决了同频段信号重叠严重、兼顾实时性和准确性进行目标检测的难题。准确性进行目标检测的难题。准确性进行目标检测的难题。

【技术实现步骤摘要】
一种基于先验知识的无人机信号智能检测方法及装置


[0001]本专利技术涉及电子信息技术
，尤其涉及一种基于先验知识的无人机信号智能检测方法及装置。

技术介绍

[0002]小型无人机的通信信号大部分工作在2.4/5.8GHz ISM频段。此频段也是Wi
‑
Fi、蓝牙等信号的工作频段。随着该频段信号数量的不断增加，信号之间互相产生干扰，频域和时域都存在重叠现象，因此在众多干扰的情况下检测目标无人机通信信号变得极具挑战性。
[0003]面对众多干扰的复杂电磁环境，现有的信号检测方法并不能获得较好的检测效果。目前，小型无人机信号智能检测面临的难点问题主要表现在以下两个方面：(1)同频段信号在频域和时域重叠时，不能将其有效检测。(2)兼顾检测实时性和准确性的效果并不理想。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，为应对在众多干扰条件下检测小型无人机信号的需求，提供一种基于先验知识的无人机信号智能检测方法及装置，具体包括无线电侦收、信号时频变换、引入先验知识，针对信号特点设计深度学习目标检测模型等方式，实现对小型无人机信号的检测。
[0005]为了解决上述技术问题，本专利技术实施例第一方面公开了一种基于先验知识的无人机信号智能检测方法，所述方法包括：
[0006]S1，利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频信号；
[0007]S2，将所述零中频信号发送给信号处理设备，利用所述信号处理设备对所述零中频信号进行处理，得到训练信号样本数据库；
[0008]S3，获取无人机信号智能检测先验知识，利用所述无人机信号智能检测先验知识，构建无人机信号智能检测模型；
[0009]S4，利用所述无人机信号智能检测模型，对所述无线电侦察设备接收到的待识别的空间电磁波信号进行处理，得到基于先验知识的无人机信号智能检测结果。
[0010]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频信号，包括：
[0011]S11，利用无线电侦察设备接收信号处理设备发出的侦收指令；
[0012]S12，根据所述侦收指令，利用所述无线电侦察设备，对空间电磁波信号进行接收；
[0013]S13，利用所述无线电侦察设备，对所述接收到的空间电磁波信号进行处理，得到零中频信号。
[0014]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述利用所述信号处理设备对所述零中频信号进行处理，得到训练信号样本数据库，包括：
[0015]S21，利用所述信号处理设备对所述零中频信号进行存储和预处理，得到预处理信号；
[0016]S22，利用STFT变换，对所述预处理信号进行处理，得到时频谱图；
[0017]S23，对所述时频谱图进行最优阈值滤波，得到降噪后的时频谱图；
[0018]S24，对所述降噪后的时频谱图进行标注，得到训练信号样本数据库。
[0019]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述时频变换为STFT变换：
[0020][0021]式中，S(m,n)为时频谱图，x(t)表示时域信号，g(t)表示窗函数，T表示滑动窗口长度，N表示离散傅里叶变换长度，m,n分别表示时频谱图频点和时刻，L表示信号长度，i表示信号样点，M表示离散傅里叶变换长度。
[0022]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对所述时频谱图进行最优阈值滤波，得到降噪后的时频谱图，包括：
[0023]S211,设置初始阈值δ
th
的目标区间[α,β],其中0≤α＜β≤max{S(m,n)}，S(m,n)为时频谱图；
[0024]S212，将所述目标区间[α,β]划分为L等份；
[0025]S213，将初始阈值δ
th
设置为α，按照的步长进行递增迭代，得到阈值
[0026]S214,利用阈值计算每一次迭代后的时频谱图
[0027][0028]其中，S(m,n)表示原时频谱图，表示滤波处理后的时频谱图，a,b表示阈值中的时间、频率参量；
[0029]S215，计算每一次迭代与上一次迭代的得到的时频谱图的差值ε
i
,i＝1,2,
…
为迭代次数；
[0030]S216，将差值ε
i
进行曲线拟合，得到曲线C，当曲线C出现拐点时，对应的阈值为最优阈值；
[0031]S217，利用所述最优阈值，对所述时频谱图S(m,n)进行最优阈值滤波，得到降噪后的时频谱图。
[0032]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述获取无人机信号智能检测先验知识，利用所述无人机信号智能检测先验知识，构建无人机信号智能检测模型，包括：
[0033]S31，获取无人机信号智能检测先验知识；所述无人机信号智能检测先验知识包括无人机信号的尺寸、无人机信号时频谱图尺寸；
[0034]S32，根据无人机信号的尺寸设计初始锚框；
[0035]S33，根据无人机信号时频谱图尺寸，对所述初始锚框进行微调，得到优化锚框；
[0036]S34，构建无人机信号智能检测初始模型；所述无人机信号智能检测初始模型包括
Backbone、Neck和Head组件；
[0037]S35，获取浅层特征图，利用所述浅层特征图和所述优化锚框，对所述无人机信号智能检测初始模型进行处理，得到第一无人机信号智能检测模型；
[0038]S36，利用无线电侦察设备接收空间电磁波信号，对所述第一无人机信号智能检测模型的Neck和Head组件进行训练，冻结Backbone组件，得到扩展无人机信号智能检测模型；
[0039]S37，利用YOLOX的解耦头，替换所述扩展无人机信号智能检测模型的Head组件，得到无人机信号智能检测模型。
[0040]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述利用所述无人机信号智能检测模型，对所述无线电侦察设备接收到的待识别的空间电磁波信号进行处理，得到基于先验知识的无人机信号智能检测结果，包括：
[0041]S41，利用无线电侦察设备接收待识别的空间电磁波信号；
[0042]S42，对所述待识别的空间电磁波信号进行处理，得到待识别时频谱图，
[0043]S43，对所述待识别时频谱图进行标注，得到标注时频谱图；
[0044]S44，利用所述无人机信号智能检测模型，对所述标注时频谱图进行处理，得到基于先验知识的无人机信号智能检测结果。
[0045]本专利技术第二方面公开了一种基于先验知识的无人机信号智能检测装置，所述装置包括：
[0046]信号接收模块，用于利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频信号；
[0047本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于先验知识的无人机信号智能检测方法，其特征在于，所述方法包括：S1，利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频信号；S2，将所述零中频信号发送给信号处理设备，利用所述信号处理设备对所述零中频信号进行处理，得到训练信号样本数据库；S3，获取无人机信号智能检测先验知识，利用所述无人机信号智能检测先验知识，构建无人机信号智能检测模型；S4，利用所述无人机信号智能检测模型，对所述无线电侦察设备接收到的待识别的空间电磁波信号进行处理，得到基于先验知识的无人机信号智能检测结果。2.根据权利要求1所述的基于先验知识的无人机信号智能检测方法，其特征在于，所述利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频信号，包括：S11，利用无线电侦察设备接收信号处理设备发出的侦收指令；S12，根据所述侦收指令，利用所述无线电侦察设备，对空间电磁波信号进行接收；S13，利用所述无线电侦察设备，对所述接收到的空间电磁波信号进行处理，得到零中频信号。3.根据权利要求1所述的基于先验知识的无人机信号智能检测方法，其特征在于，所述利用所述信号处理设备对所述零中频信号进行处理，得到训练信号样本数据库，包括：S21，利用所述信号处理设备对所述零中频信号进行存储和预处理，得到预处理信号；S22，利用STFT变换，对所述预处理信号进行处理，得到时频谱图；S23，对所述时频谱图进行最优阈值滤波，得到降噪后的时频谱图；S24，对所述降噪后的时频谱图进行标注，得到训练信号样本数据库。4.根据权利要求3所述的基于先验知识的无人机信号智能检测方法，其特征在于，所述时频变换为STFT变换：式中，S(m,n)为时频谱图，x(t)表示时域信号，g(t)表示窗函数，T表示滑动窗口长度，N表示离散傅里叶变换长度，m,n分别表示时频谱图频点和时刻，L表示信号长度，i表示信号样点，M表示离散傅里叶变换长度。5.根据权利要求3所述的基于先验知识的无人机信号智能检测方法，其特征在于，所述对所述时频谱图进行最优阈值滤波，得到降噪后的时频谱图，包括：S211,设置初始阈值δ
th
的目标区间[α,β],其中0≤α＜β≤max{S(m,n)}，S(m,n)为时频谱图；S212，将所述目标区间[α,β]划分为L等份；S213，将初始阈值δ
th
设置为α，按照的步长进行递增迭代，得到阈值S214,利用阈值计算每一次迭代后的时频谱图计算每一次迭代后的时频谱图
其中，S(m,n)表示原时频谱图，表示滤波处理后的时频谱图，a,b表示阈值中的时间、频率参量；S215，计算每一次迭代与上一次迭代的得到的时频谱图的差值ε
i
,i＝1,2,
…
为迭代次数；S216，将差值ε
i
进行曲线拟合，得到曲线C，当曲线C出现拐点时，对应的阈值为最优阈值；S217，利用所述最优阈值，对所述时频谱图S(m,...

【专利技术属性】
技术研发人员：葛嘉鑫，刘阳，温志津，李晋徽，王易达，张涵硕，
申请(专利权)人：中国人民解放军军事科学院系统工程研究院，
类型：发明
国别省市：