一种基于无失真谱图和轻量化网络的无人机型号识别方法技术

本发明专利技术公开了一种基于无失真谱图和轻量化网络的无人机型号识别方法，属于信号处理领域。首先以无人机测控信号或者下行链路信号的最小无失真响应谱图为特征构建特征数据库，然后将特征数据库按比例进行训练集和测试集划分，最后通过专门构造的基于分组卷积和通道重排的轻量化神经网络模型进行特征图识别。相比现有基于小波散射变换的识别方法，本发明专利技术提出的基于最小无失真响应谱图可以有效提高对无人机设备的识别率，并且专门构造的轻量化神经网络可有效降低计算复杂度。网络可有效降低计算复杂度。网络可有效降低计算复杂度。

【技术实现步骤摘要】
一种基于无失真谱图和轻量化网络的无人机型号识别方法


[0001]本专利技术属于信号处理领域，特别是无人机射频指纹识别方法。
技术背景
[0002]“低、慢、小”无人机具有小型化、低成本、多功能、灵活方便、使用环境要求低、野外生存能力强等优点，广泛应用于遥感测绘、气象监测、精准农业、远程医疗、应急抢险救援、物联网和下一代宽带移动通信等国民经济各个领域。然而，在无人机技术快速演进及其创新应用爆发式发展的同时，各类民用无人机“黑飞”事件屡禁不止，妨害民用航空和公共安全领域的案例也频现报端。现有无人机监管技术在探测能力和识别准确性等方面尚待加强。
[0003]目前对“低、慢、小”无人机进行探测识别，基本思路是首先选取无人机的某些特征形成特征集，然后采用适宜的分类算法对该特征集进行分类。不同的特征及其选取方法、不同的分类手段，可组合形成不同的解决方案。在特征选取方面，常用无人机的声学特征、光学图像、雷达反射和射频指纹等特征，或这几种特征的融合。利用无人机的声学特征容易受到背景噪声和距离的影响，不适合远距离识别。利用无人机的光学图像和雷达反射特征进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无失真谱图和轻量化网络的无人机型号识别方法，该方法包括：步骤1：对无人机射频时域信号进行MVDR谱图变换；步骤1.1：求出无人机射频时域信号x(n)的M+1维自相关矩阵R
M+1
：其中，r(M)表示第1行第M列自相关系数；步骤1.2：根据步骤1.1得到的自相关矩阵R
M+1
推导出射频信号的输出平均功率P；设原始输入信号经过M阶有限脉冲响应FIR滤波器后，输出y(n)为：y(n)＝h
H
x(n)＝x
T
(n)h
*
其中,h＝[h0,h1,
…
,h
M
]为权重向量；则射频信号的输出平均功率P为：P＝E{h
H
x(n)x
H
(n)h}＝h
H
R
M+1
h步骤1.3：依据MVDR思想对步骤1.2中平均功率P进行重写；从而求出无人机射频时域信号的MVDR谱；步骤1.3.1：求出原始输入信号经过FIR滤波器的无失真条件的等价条件；M阶FIR滤波器在观察频率ω
i
处的频率响应具有单位增益，无失真条件表示为：其中，ω
i
表示M阶FIR滤波器的第i个频率分量；则等价条件表示为：α
H
ω
i h
i
＝1；其中步骤1.3.2：由MVDR基本思想，得到：获得最优解，即求解下式：步骤1.3.3：由步骤1.3.2中求解最优解等式，重写步骤1.2中平均功率P等式，得到MVDR谱的一般表达式：则任意M阶的MVDR谱为：步骤1.3.4：根据步骤1.3....

【专利技术属性】
技术研发人员：王茜，阳鹏飞，何羚，阎啸，钟旭诺，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：