【技术实现步骤摘要】
本专利技术提供一种非合作轻小型无人机目标探测与识别方法，属于无人机。
技术介绍
1、近年来随着无人机相关技术的发展，工业级与消费级无人机也在商用、民用等领域得到了广泛的应用，在农林植保、测绘、巡检等诸多方面发挥了重要的作用。未来，随着5g与物联网技术的进步，在例如智能城市立体交通的场景中，无人机将会在公共运输、物流配送、紧急通信、安防监视等领域扮演更加重要的角色。但同时，新科技产物的出现应用也会为国家与社会带来新的问题。目前，整个无人机产业缺乏统一的行业标准与规范。
2、合作目标无人机可以主动接入无人机云系统受到监管，但是如何对不合作的无人机进行有效的探测、识别、跟踪定位以及反制仍然是一个普遍存在的挑战。在这里，将非合作目标无人机定义为不在utm系统的监管里，无法对其定位、管理且即将接近或已进入限制飞行区的未认证无人机。显然，大多数的重大影响事故是在无人机飞行员故意违反禁飞区限制时发生的。因此迫切需要研究此类场景下针对非合作目标无人机的探测与识别技术，在目标接近限制飞行区时的短暂时间内发现目标，为后续的跟踪定位以及反制操作奠定技术基础，从而阻止其进入禁飞区，保护相关区域的空域安全。
3、基于计算机视觉的方法主要利用光学传感器如高清摄像头、红外传感器等捕捉无人机的图像信息，并结合计算机视觉领域已经较为成熟的人工智能算法进行识别，但是，由于轻小型无人机不会产生大量的热量，因此该方法的有效探测距离通常只有几米。计算机视觉方法的缺点主要是只能工作于视距范围(line ofsight,los)，对于典型的超视距(n
4、基于声学的方法已在学术界中被广泛研究，最普遍的思路就是建立市面上不同无人机的声学特征数据库，采用模式匹配的方法进行探测识别。基于声学的方法其优点在于可以实现被动式的无源探测，但其缺点也非常明显并且致命，受环境噪声的影响极大，在嘈杂的城市环境中几乎无法使用。
5、基于雷达的探测方法也已被广泛讨论，当无人机处于电磁静默状态，即无人机自身没有向外发射信号时，基于雷达的方法可以实现对无人机进行探测。与计算机视觉方法不同的是，雷达属于有源传感器，使用主动向外发射无线电波的方式进行探测，并以雷达散射截面积(radar cross section,rcs)为主要特征为分析判断是否探测到无人机。基于雷达的探测方法存在一个关键缺陷，即轻小型无人机在中低空低速飞行且机身材料多以橡胶塑料等低导电率材质为主，使得它们的rcs非常小。另一方面微多普勒特征并不稳定，不同的雷达和不同的无人机都会对其结果产生影响，使得这种方式用于实际场景时不可靠。
6、基于无线电射频(radio frequency,rf)信号特征识别的方法提供了一种有效而稳定的无人机探测识别方法。基于无线电信号即频谱特征识别的方法通常可以分为主动式探测与被动式探测两种模式。主动式探测方法比较类似基于雷达的方法，需要专门设计好的信号发射设备与信号接收设备协作运行，接收器捕获从无人机反射回来的信号，然后对该信号进行分析以确定无人机的存在及其物理特征。基于无线电射频信号的方法无法适用于电磁静默状态的无人机目标，但考虑到该方法具有rf传感器成本较低、可作用于超视距无源探测、信号噪声抑制及处理方法相对成熟等优点，且大多数场景中无人机都会通过射频信号建立数据传输链路，因此基于无线电射频信号的方法相比之下是一个更可靠的方案。当然，没有一种技术方案可以覆盖所有场景下的目标，一个完整的无人机探测识别系统更可能采取的是多种传感器结合的综合手段。
技术实现思路
1、针对上述技术问题，本专利技术提供一种非合作轻小型无人机目标探测与识别方法。
2、当考虑比较实际的无人机探测识别场景设施及其周边空域，基于无线电射频信号的技术方法综合上来说是更有效的手段。主要原因为几乎所有的无人机都有相应的载荷及数据链路，从而会对外发射无线电信号，并且根据不同的载荷，信号本身所具有的特征不同，这一点可以作为探测识别无人机的突破点。其次，在这些实际场景中，无源探测手段是优于有源探测手段的，用于探测无人机信号的射频信号接收机只需要部署在限制飞行区边缘便可长期监视周边空域的安全情况，并且射频传感器构成的整套探测识别设备成本相比雷达、光学传感器来说要低得多。
3、本专利技术提出的一种基于无线电射频信号特征的非合作轻小型无人机目标探测与识别方法，其中探测的主要目标是发现是否存在非合作无人机接近限制飞行区，通过检测当前环境电磁信号中是否存在未知无人机射频信号来实现。对非合作无人机的识别主要目的在于已探测到存在入侵后，识别该无人机的通信链路协议，估计相关参数并进一步粗略识别该无人机的型号。不同于已有研究中主要针对无人机的上行链路遥控信号进行分析，本专利技术的分析对象为无人机的下行数据链路信号，利用设备对真实信号进行采集并分析提取相应信号特征，结合机器学习算法对噪声中的无人机信号进行识别，从而探测到环境中是否存在非合作无人机。
4、实际应用场景中，探测识别设备在监测到未知无人机信号后，后续的特征提取及信号识别结果所需时间在分钟级是不可接受的，此时非合作目标无人机可能早已在探测识别结果出来之前就已进入限制区，引起相关事故。因此，本专利技术主要针对传统的频谱信号特征提取及分析方法时间复杂度高，所需计算时间长的问题，提出一种基于倒频谱特征分析的识别方法，使得时间复杂度为o(m logm)，满足被动实时探测识别的要求。
5、具体的方法为：
6、无人机下行链路时域信号s(t)表示为：
7、
8、其中dn＝∑kdn,k为第n个子载波上第k个调制符号的累加数据块，h(t)表示矩形成型脉冲函数，f0+nδf＝fn表示载波频率，其中f0为初始子载波频率，δf为子载波频率间隔，tsig为信号符号时长；
9、倒频谱的数学定义为信号对数频谱的傅里叶逆变换，表示为：
10、
11、其中m为抽样信号s(n)的数据长度，s(k)为信号频谱。根据式(1)可以得到，多载波无人机信号近似符合复数高斯分布，即这个近似符合高斯分布的性质与信号的周期结构有用符号时长tu是强相关的，随着有用符号时长增大，子载波数量增多，高斯性越强。倒频谱是一个复值序列，使用实数倒频谱，实数倒频谱均值的描述表示为：
12、
13、令表示接收信号t(n)的相关系数，其中nu与nsig分别表示信号有用符号时长及符号时长所对应的数据长度，与分别为信号与噪声的分布的方差，实数倒频谱的均值满足以下关系，其中symb表示信号帧中所包含的符号数量：
14、
15、上式中，为接收信号r(n)分布的方差；最后，当n的取值为更大的整数倍有用符号时长对应数据长度时，实数倒频谱值已足够小，因此令当信号只包含高斯噪声时，实数倒频本文档来自技高网...
【技术保护点】
1.非合作轻小型无人机目标探测与识别方法，其特征在于，探测的目标是发现是否存在非合作无人机接近限制飞行区，通过检测当前环境电磁信号中是否存在未知无人机射频信号来实现；对非合作无人机的识别目的在于已探测到存在入侵后，识别该无人机的通信链路协议，估计相关参数并进一步粗略识别该无人机的型号；分析对象为无人机的下行数据链路信号，利用设备对真实信号进行采集并分析提取相应信号特征，结合机器学习算法对噪声中的无人机信号进行识别，从而探测到环境中是否存在非合作无人机。
2.根据权利要求1所述的非合作轻小型无人机目标探测与识别方法，其特征在于，具体方法包括：
【技术特征摘要】
1.非合作轻小型无人机目标探测与识别方法，其特征在于，探测的目标是发现是否存在非合作无人机接近限制飞行区，通过检测当前环境电磁信号中是否存在未知无人机射频信号来实现；对非合作无人机的识别目的在于已探测到存在入侵后，识别该无人机的通信链路协议，估计相关参数并进一步粗略识别该无人机的...
【专利技术属性】
技术研发人员：张学军，肖越，张维东，
申请(专利权)人：成都福瑞空天科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。