基于遗传算法的异构集成网络的无人机信号识别方法技术

本发明专利技术属于无人机识别技术领域，具体为一种基于遗传算法的异构集成网络的无人机信号识别方法。该方法包括以下步骤：步骤一：原始数据预处理；步骤二：特征筛选：用遗传算法在高密度功率谱上为各个待集成的基分类器寻找特征点；步骤三：将各个待集成的基分类器的分类结果进行加权，集成为一个强分类器；步骤四：将待检测数据输入集成好的分类器中，得到无人机信号检测结果。本发明专利技术通过遗传算法和集成算法显著提高了无人机识别的准确率，检测方法简单，检测设备易得，实用性强。实用性强。实用性强。

【技术实现步骤摘要】
基于遗传算法的异构集成网络的无人机信号识别方法


[0001]本专利技术属于无人机识别
，特别涉及一种基于遗传算法的异构集成网络的无人机信号识别方法。

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，并且检测效果受检测阈值选取的影响较大。

技术实现思路

[0003]本专利技术的目的是提供一种基于GA
‑
Bagging
‑
KNN的信号识别方法，通过离散傅里叶变换DFT对样本数据进行预处理，使得样本数据能更好的进行归一化特征提取，再将遗传算法，bagging算法与后续分类K近邻相结合，提高检测精度。弥补了原始K近邻算法检测精度不够的缺陷。
[0004]本专利技术的目的可以通过以下技术方案实现。
[0005]本专利技术提供 一种基于遗传算法的异构集成网络的无人机信号识别方法，包括以下步骤：步骤一：原始数据预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1. 一种基于遗传算法的异构集成网络的无人机信号识别方法，其特征在于，包括以下步骤：步骤一：原始数据预处理从公开数据集获取信号的采样数据，将其分为测试集、训练集和验证集，对所有数据进行预处理获得16384点的高密度功率谱；步骤二：特征筛选用遗传算法GA在训练集的16384点的高密度功率谱上为各个待集成的基分类器寻找特征点；所述待集成的基分类器有若干个，用于对背景噪声和不同无人机种类进行粗分类；步骤三：将各个待集成的基分类器的分类结果进行加权，通过Bagging算法集成为一个强分类器；步骤四：将测试集的功率谱数据输入集成的强分类器，得到无人机信号检测结果。2.根据权利要求1所述的信号识别方法，其特征在于，步骤二中，基分类器为KNN分类器。3.根据权利要求1所述的信号识别方法，其特征在于，步骤二中，用遗传算法寻找特征点的具体方法为：步骤2.1：设定寻找的特征频点为个，则遗传算法的基因数为，每个基因的取值在1到16384之间的整数，则每个个体的染色体可以表示为一个维向量，其元素取值为1到16384之间的整数，表示选取了哪些频点；步骤2.2：遗传算法的每一世代，对每个个体进行适应度计算，在这里适应度直接设置为分类准确度，按照遗传算法一般步骤进行变异、交叉等运算后进行下一世代的计算；步骤2.3：达到停止迭代的标准，得到分类精度最高的个频点，意味着这个位置上的值就可以进行较好的分类。4.根据权利要求3所述的信号识别方法，其特征在于，步骤2.2中，对每个个体进行适应度计算，其具体...

【专利技术属性】
技术研发人员：左健存，薛颖，常远培，张宇，孙晶国，季张源，李和威，
申请(专利权)人：上海第二工业大学，
类型：发明
国别省市：