【技术实现步骤摘要】
本专利技术涉及无人机管控数据处理，尤其涉及一种基于人工智能的干扰无人机通信的系统及方法。
技术介绍
1、无人机管控一般采用无人机反制模式对设定的无人机，例如攻击型无人机，进行定向反制处理，以避免其出现在设定的空域内，保证设定的空域内的设备和人员的安全性。无人机反制系统的工作原理可以分为侦测与追踪、识别和分类、干扰和干涉、拦截和破坏等关键步骤。首先，无人机反制系统通过使用雷达、光电跟踪设备、无线电侦测设备等进行侦测，并获取无人机的位置和动态信息，从而能够及早发现无人机的存在，并提供准确的目标数据。接下来，无人机反制系统根据侦测到的信号和传感器数据，对无人机进行识别和分类。最后，通过分析无人机的形态特征、飞行模式和传输信号等信息，无人机反制系统能够区别无人机是否违规飞行至禁飞区域，并做出相应的响应和决策。
2、示例地，中国专利技术专利公开文本cn108737451a提出一种基于通信劫持的无人机攻击方法，所述方法包括：步骤1：采集无人机飞行控制指令信息以及无人机飞行状态信息；步骤2：分析无人机控制指令信息，检测通信指令是否进行加密，若无加密，转步骤4，若有，执行步骤3；步骤3：分析无人机的通信协议加密算法，对加密信息进行破解，若可破解，得出控制明文信息，转步骤4，若不可破解，转步骤5；步骤4:分析无人机控制信息格式及内容，结合无人机飞行状态信息进行对比，得出控制指令与无人机的飞行状态的映射关系，由无人机飞行控制指令格式为源伪造控制信息，并发送给无人机，转步骤6；步骤5：分析无人机的加密控制信息，构造大量控制指令数据包，阻塞
3、示例地，中国专利技术专利公开文本cn116401808a提出的一种基于abms的对地攻击无人机自主能力sem评估方法，所述方法包括以下步骤：构建agent仿真架构；建立进攻方agent模型；建立防御方agent模型；基于结构方程的自主能力评估方法。以对地攻击无人机执行对地打击任务为例，对基于abms和sem的自主能力评估方法进行仿真验证，仿真结果表明：基于agent的仿真方法具备一定的可扩展性和通用性，根据能力需求和作战想定变更或修改模块及其参数，相较于传统方法，能够表征复杂作战系统内部特性；基于sem的自主能力评估方法能够反映自主能力因素之间的协同交互关系，表征自主能力的整体涌现性，符合作战任务实际。
4、然而，上述现有技术是根据攻击无人机的本身各项参数和各种配置进行飞行状态的调控以及攻击能力的评估，缺乏地面对攻击无人机的机型识别、各类参数的解析以及针对性反制措施的布置，例如，无法快速、有效地获得攻击无人机的飞行高度、攻击角度以及攻击范围，导致在无法有效应对攻击威胁的同时，地面需要进行持续地执行反制措施，进而形成地面防御系统大量功耗的浪费。
技术实现思路
1、为了解决现有技术中的技术问题，本专利技术提供了一种基于人工智能的干扰无人机通信的系统及方法，能够在可视化数据针对性辨识的基础上，获得可靠、全面的各项基础数据，并基于各项基础数据采用人工智能模型判断地面上方空域的各个无人机是否为攻击型无人机、以及为攻击型无人机时确定其攻击范围，以在地面处于某一攻击型无人机的攻击范围内时，方采用向上方空域中的各个无人机无线发送虚假定位的反制措置，从而在保证反制效果的同时尽量避免造成大量的反制功耗的浪费。
2、根据本专利技术的第一方面，提供了一种基于人工智能的干扰无人机通信的系统，所述系统包括：
3、第一捕获器件，设置在无人机反制点，用于采用俯拍模式获取所述无人机反制点的正上方空域的图像数据并作为定点俯拍图像输出；
4、第二捕获器件，设置在无人机反制点，用于无线下载各类攻击型无人机分别对应的各份基准外形数据，每一类型攻击型无人机对应的基准外形数据为采用不同视角分别对所述类型攻击型无人机的出厂状态下的单机进行成像所获得的仅仅包括单机的不同图案；
5、内容辨识器件，与所述第一捕获器件连接，用于基于无人机成像特征辨识接收到的定点俯拍图像中每一个无人机对象占据的图像分块以及每一个无人机对象对应的整体景深数值；
6、智能解析器件，分别与所述第一捕获器件、所述第二捕获器件以及所述内容辨识器件连接，用于针对每一个无人机对象执行以下智能解析操作：采用卷积神经网络模型根据所述无人机对象占据的图像分块的各个像素点分别对应的各个像素值和各个坐标数值、所述无人机对象对应的整体景深数值以及各类攻击型无人机分别对应的各份基准外形数据智能解析所述无人机对象的当前飞行高度、是否为攻击型无人机的机型标识以及攻击型无人机的机型编号；
7、攻击判断器件，与所述智能解析器件连接，用于在智能解析某一无人机对象为攻击型无人机时，根据智能解析的所述某一无人机对象对应的攻击型无人机的机型编号确定所述某一无人机对象对应的最大攻击角度，根据所述某一无人机对象的当前飞行高度以及所述某一无人机对象对应的最大攻击角度计算所述某一无人机对象的地面攻击范围；
8、定位干扰器件，与所述攻击判断器件连接，用于在所述无人机反制点的定位信息落在某一无人机对象的地面攻击范围内时，向无人机反制点的正上方空域无线发送包括虚假定位数据的干扰信号；
9、其中，所述虚假定位数据用于替换无人机反制点的正上方空域内各个无人机对象本体的真实定位数据以完成干扰处理；
10、其中，采用所述某一无人机对象的地面攻击范围的范围边沿的各个点分别对应的各个定位数据对所述某一无人机对象的地面攻击范围进行数值表示；
11、其中，所述卷积神经网络模型为完成固定数目的各次学习后的卷积神经网络，所述固定数目的取值与攻击型无人机的类型总数成正比，以及在固定数目的各次学习中，正向学习的次数与负向学习的次数相等。
12、根据本专利技术的第二方面，提供了一种基于人工智能的干扰无人机通信的方法，所述方法包括以下步骤：
13、在无人机反制点处采用俯拍模式获取所述无人机反制点的正上方空域的图像数据并作为定点俯拍图像输出；
14、无线下载各类攻击型无人机分别对应的各份基准外形数据，每一类型攻击型无人机对应的基准外形数据为采用不同视角分别对所述类型攻击型无人机的出厂状态下的单机进行成像所获得的仅仅包括单机的不同图案；
15、基于无人机成像特征辨识接收到的定点俯拍图像中每一个无人机对象占据的图像分块以及每一个无人机对象对应的整体景深数值；
16、针对每一个无人机对象执行以下智能解析操作：采用卷积神经网络模型根据所述无人机对象占据的图像分块的各个像素点分别对应的各个像素值和各个坐标数值、所述无人机对象对应的整体景深数值以及各类攻击型无人机分别对应的各份基准外形数据智能解析所述无人机对象的当前飞行高度、是否为攻击型无人机的机型标识以及攻击型无人机的机型编号；
17、在智能解析某一无人机对象为攻击型无人机时，根据智能解析的所述某一无人机对象对应的攻击型无人机的机型编号确定所述某一无本文档来自技高网...
【技术保护点】
1.一种基于人工智能的干扰无人机通信的系统，其特征在于，所述系统包括：
2.如权利要求1所述的基于人工智能的干扰无人机通信的系统，其特征在于：
3.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：
4.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：
5.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：
6.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：
7.如权利要求2-6任一所述的基于人工智能的干扰无人机通信的系统，其特征在于：
8.如权利要求7所述的基于人工智能的干扰无人机通信的系统，其特征在于：
9.如权利要求2-6任一所述的基于人工智能的干扰无人机通信的系统，其特征在于：
10.一种基于人工智能的干扰无人机通信的方法，其特征在于，所述方法包括：
【技术特征摘要】
1.一种基于人工智能的干扰无人机通信的系统，其特征在于，所述系统包括：
2.如权利要求1所述的基于人工智能的干扰无人机通信的系统，其特征在于：
3.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：
4.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：
5.如权利要求2所述的基于人工智能的干扰无人机通信的系统，其特征在于，所述系统还包括：...
【专利技术属性】
技术研发人员：王乐宁，王宇，盛金伟，解春明，朱浩楠，王海盟，郭丽，
申请(专利权)人：北京领云时代科技有限公司，
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。