一种多源异构数据融合的无人机侦测预警方法技术

本发明专利技术提供了一种多源异构数据融合的无人机侦测预警方法，包括：采集无人机数据信息，对采集的无人机数据信息进行判断，判断其是否属于单源数据，若属于，则进行单源数据处理，若不属于，则对其进行多源数据处理，判断处理过后的数据与飞行计划是否匹配，若匹配，则为白名单无人机，若不匹配，则为未经批准擅自飞行的无人机，根据单源数据及多源数据处理得到的数据信息进行无人机轨迹逆向预测，实现未经批准擅自飞行的无人机飞手定位。本发明专利技术提供的多源异构数据融合的无人机侦测预警方法，能够基于多源异构数据融合技术，实现无人机探测和飞手定位功能。手定位功能。手定位功能。

【技术实现步骤摘要】
一种多源异构数据融合的无人机侦测预警方法


[0001]本专利技术涉及无人机
，特别是涉及一种多源异构数据融合的无人机侦测预警方法。

技术介绍

[0002]随着技术的发展，无人机的应用越来越广泛，但是现有的反无人技术一般是对无人机无线电信号的探测和识别，以及基于各类电磁对抗技术对无人机反制，市面常见的技术有雷达、无线电、光学、协议破解等，但是由于不同技术适用场景不同，在多种设备组网进行联合侦测与反制时，会导致设备互相干扰、侦测结果不一致等问题，因此，设计一种多源异构数据融合的无人机侦测预警方法是十分有必要的。

技术实现思路

[0003]本专利技术的目的是提供一种多源异构数据融合的无人机侦测预警方法，能够基于多源异构数据融合技术，实现无人机探测和飞手定位功能。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种多源异构数据融合的无人机侦测预警方法，包括如下步骤：
[0006]步骤1：采集无人机数据信息；
[0007]步骤2：对采集的无人机数据信息进行判断，判断其是否属于单源数据，若属于，则进行单源数据处理，若不属于，则对其进行多源数据处理；
[0008]步骤3：判断处理过后的数据与飞行计划是否匹配，若匹配，则为白名单无人机，若不匹配，则为未经批准擅自飞行的无人机；
[0009]步骤4：根据单源数据及多源数据处理得到的数据信息进行无人机轨迹逆向预测，实现未经批准擅自飞行的无人机飞手定位。
[0010]可选的，步骤1中，采集无人机数据信息，具体为：
[0011]通过小程序采集区域内的无人机信息、无人机持有者信息、飞行计划以及报警信息，通过雷达进行采集雷达监测无人机轨迹信息，通过光电设备采集无人机图片信息，通过无线电设备采集无线电监测无人机轨迹信息及无人机型号，通过网络获取热点区域信息及实时天气信息。
[0012]可选的，步骤2中，对采集的无人机数据信息进行判断，判断其是否属于单源数据，若属于，则进行单源数据处理，具体为：
[0013]对采集的无人机数据信息进行判断，若属于单源数据，则进行单源数据处理，其中，若属于报警信息，则通知监控中心出警处理，若属于无人机图片信息，则通过图像识别网络进行识别，若属于雷达监测无人机轨迹信息或无线电监测无人机轨迹信息，则依次对其进行去噪处理、缺失值处理及轨迹平滑处理。
[0014]可选的，步骤2中，对采集的无人机数据信息进行判断，判断其是否属于单源数据，若不属于，则对其进行多源数据处理，具体为：
[0015]对采集的无人机数据信息进行判断，若不属于单源数据，则判断其是否包含无人机图片信息，若包含，则获取实时天气信息，根据实时天气信息调整图像识别网络的置信度，依次对无人机图片信息进行虚警分析、型号分析、威胁性分析及特征提取；
[0016]若采集的数据包含报警信息，则通过图像识别网络根据报警信息的图片信息进行图片识别，根据报警信息的位置信息进行位置对比；
[0017]若采集的数据包含雷达监测无人机轨迹信息及无线电监测无人机轨迹信息，则依次对其进行去噪处理、缺失值处理及轨迹平滑处理，处理完毕后，通过集合卡尔曼滤波方法对处理过后的信息进行数据融合，并进行特征提取。
[0018]可选的，所述图像识别网络为改进的Faster
‑
RCNN网络，其中，改进的Faster
‑
RCNN网络通过soft
‑
nms算法对锚框置信度进行优化，每次选取置信度最高的锚框，并引入一个高斯函数，抑制周围锚框的置信度。
[0019]可选的，通过集合卡尔曼滤波方法对处理过后的信息进行数据融合，具体为：
[0020]构建参数集合，定义观测向d∈R
m
，m为观测数据的种类个数，生成矩阵D，为：
[0021]D(t
i
)＝(d1(t
i
),d2(t
i
),...,d
Ne
(t
i
))
[0022]式中，Ne是集合中所有样本实现的总个数，D的每一列为d
j
(t
i
)为：
[0023][0024]d(t
i
)为时刻t
i
的观测值构成的向量，ε
j
为均值为0误差扰动，对于不同时刻，误差扰动不同，对d
j
(t
i
)进行更新，得到：
[0025][0026]为传感器k在时刻t
i
的误差扰动，其中，误差扰动构成集合E
k
为：
[0027][0028]其协方差矩阵表示为：
[0029][0030]更新步骤控制方程，将更新后的状态向量表示为：
[0031][0032]式中，C
Y
为样本集合矩阵，C
D
为观测矩阵D的协方差矩阵，y
′
j
为状态向量预测值，为更新后的状态向量，D
′
j
(t
i
)为：
[0033]D
′
j
(t
i
)＝d
j
(t
i
)
‑
Hy
′
j
(t
i
)
[0034]预测步骤控制方程，定义时刻t
n
集合卡尔曼滤波状态向量为：
[0035][0036]利用时刻t
n
‑
k
，状态向量计算时刻t
n
，状态向量的预测值为：
[0037][0038]重复上述步骤，不断对预测值进行修正，得到融合后的数据。
[0039]可选的，步骤4中，根据单源数据及多源数据处理得到的数据信息进行无人机轨迹
逆向预测，实现未经批准擅自飞行的无人机飞手定位，具体为：
[0040]建立无人机起飞点预测模型，根据单源数据及多源数据处理得到的数据信息进行无人机轨迹逆向预测，实现未经批准擅自飞行的无人机飞手定位。
[0041]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的多源异构数据融合的无人机侦测预警方法，该方法包括采集无人机数据信息，对采集的无人机数据信息进行判断，判断其是否属于单源数据，若属于，则进行单源数据处理，若不属于，则对其进行多源数据处理，判断处理过后的数据与飞行计划是否匹配，若匹配，则为白名单无人机，若不匹配，则为未经批准擅自飞行的无人机，根据单源数据及多源数据处理得到的数据信息进行无人机轨迹逆向预测，实现未经批准擅自飞行的无人机飞手定位；该方法能够基于多源异构数据融合技术，实现无人机探测和飞手定位功能。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源异构数据融合的无人机侦测预警方法，其特征在于，包括如下步骤：步骤1：采集无人机数据信息；步骤2：对采集的无人机数据信息进行判断，判断其是否属于单源数据，若属于，则进行单源数据处理，若不属于，则对其进行多源数据处理；步骤3：判断处理过后的数据与飞行计划是否匹配，若匹配，则为白名单无人机，若不匹配，则为未经批准擅自飞行的无人机；步骤4：根据单源数据及多源数据处理得到的数据信息进行无人机轨迹逆向预测，实现未经批准擅自飞行的无人机飞手定位。2.根据权利要求1所述的多源异构数据融合的无人机侦测预警方法，其特征在于，步骤1中，采集无人机数据信息，具体为：通过小程序采集区域内的无人机信息、无人机持有者信息、飞行计划以及报警信息，通过雷达进行采集雷达监测无人机轨迹信息，通过光电设备采集无人机图片信息，通过无线电设备采集无线电监测无人机轨迹信息及无人机型号，通过网络获取热点区域信息及实时天气信息。3.根据权利要求2所述的多源异构数据融合的无人机侦测预警方法，其特征在于，步骤2中，对采集的无人机数据信息进行判断，判断其是否属于单源数据，若属于，则进行单源数据处理，具体为：对采集的无人机数据信息进行判断，若属于单源数据，则进行单源数据处理，其中，若属于报警信息，则通知监控中心出警处理，若属于无人机图片信息，则通过图像识别网络进行识别，若属于雷达监测无人机轨迹信息或无线电监测无人机轨迹信息，则依次对其进行去噪处理、缺失值处理及轨迹平滑处理。4.根据权利要求3所述的多源异构数据融合的无人机侦测预警方法，其特征在于，步骤2中，对采集的无人机数据信息进行判断，判断其是否属于单源数据，若不属于，则对其进行多源数据处理，具体为：对采集的无人机数据信息进行判断，若不属于单源数据，则判断其是否包含无人机图片信息，若包含，则获取实时天气信息，根据实时天气信息调整图像识别网络的置信度，依次对无人机图片信息进行虚警分析、型号分析、威胁性分析及特征提取；若采集的数据包含报警信息，则通过图像识别网络根据报警信息的图片信息进行图片识别，根据报警信息的位置信息进行位置对比；若采集的数据包含雷达监测无人机轨迹信息及无线电监测无人机轨迹信息，则依次对其进行去噪处理、缺失值处理及轨迹平滑处理，处理完毕后，通过集合卡尔曼滤波方法对处理过后的信息进行数据融合，并进行特征提取。5.根据权利要求4所述的多源异构数据融合的无人机侦测预警方法，其特征在于，所述图像识别网络为改进的Faster
‑
RCNN网络，其中，改进的Faster
‑
RCNN网络通过soft
‑
nms算法对锚框置信度进行优化，每次选取置信度...

【专利技术属性】
技术研发人员：柳儒达，秦宏伟，刘海智，闫松申，张凌玮，
申请(专利权)人：中急管北京网络科技有限公司，
类型：发明
国别省市：