【技术实现步骤摘要】
本专利技术属于无人机信号识别，具体涉及一种无人机信号可视化分选识别方法和装置。
技术介绍
1、无人机通过无线通信技术进行远距离信息交互。通常情况下，低成本的小型无人机会使用基于ieee 802.11的wi-fi技术将自身拍摄的视频和照片实时传送回控制端。控制端与无人机之间会使用跳频技术来发送和接收控制信号，对无人机的行为进行操控。由于无人机的跳频序列在出厂之后就是固化的，且为了成本考虑，跳频序列较短，这使得攻击者可以通过对跳频信号进行攻击来获取对无人机的控制权。为了能够实现对无人机的安全监控，一方面需要基于无人机的控制和图传信号掌握其无人机信号的具体来源，另一方面要防止攻击者恶意获取无人机权限后进行违法犯罪活动。因此，需要有一种机制能够对无人机的身份进行识别，从而区分合法和违法的无人机，提高管控的效率。在实施反无人机行动时，首先要对无人机进行探测跟踪和预警，反无人机系统借助各种手段发现目标无人机，为后续的反无人机作战行动提供重要的信息情报支援。从工作原理上可将无人机探测方式分为主动和被动两种，主动探测方式主要包括雷达和光电，被动探测方式主要包括射频侦测、声学探测等。鉴于无人机与地面操控设备之间，需要通过不断的发射或者接收无线信号来实现飞行控制，很难有效规避射频被动探测，因此基于无人机信号的检测识别已成为反无人机研究领域一个重要研究方向。例如基于跳频信号自相关性的跳频信号参数估计，方法简单且运算较少，但不适用于存在干扰的情况。基于盲源分离的跳频信号分选的算法，可以实现对多个跳频信号的盲分离，但该类方法适用于信噪比较高的情况，在信噪
技术实现思路
1、针对现有技术中的不足，本专利技术提出一种无人机信号可视化分选识别方法和装置，能够解决现有技术在大量背景信号、兼顾检测实时性和准确性条件下无人机射频信号检测的难题，为操作人员对信号性质的研判提供有力支撑。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：
3、一种无人机信号可视化分选识别方法，包括以下步骤：
4、步骤1，利用无线电侦察设备接收空间电磁波信号，并对所述空间电磁波信号进行处理，得到零中频iq信号；
5、步骤2，对零中频iq信号进行时频分析处理，得到时频关系图；
6、步骤3，对时频关系图进行去噪处理，采用三角阈值法则对去噪后的图像进行二值化并修正连通域，得到二值图像；
7、步骤4，对二值图像的各个连通域进行分析并获取信号参数；
8、步骤5，对信号进行聚类分析，对同类信号进行统计并获取其瞬态特征，以实现对无人机信号的识别。
9、进一步地，步骤1的具体方式为：
10、利用无线电侦察设备接收信号处理设备发出的侦收指令；
11、利用无线电侦察设备，根据侦收指令，对空间电磁波信号进行接收；
12、利用无线电侦察设备，对接收到的空间电磁波信号进行处理，得到零中频iq信号。
13、进一步地，步骤2的具体方式为：
14、采用离散短时傅里叶变换得到时频关系图，其中窗函数采用汉明窗，fft变换点数为8192，重复点数为1366，待转换的信号长度为10e7个iq点；对于低信噪比的情况，将时频关系图像素点数值乘以255，进行最大化操作，从而可视化背景噪声零散点和低强度的有效射频信号；对于高信噪比的情况，将时频关系图像素点数值除以255，进行归一化操作。
15、进一步地，步骤3的具体方式为：
16、定位到时频直方图的波峰，此时波峰在图的右侧，然后找到相反侧即左侧首个不为0点的位置；
17、在两点之间连接一条直线，此时直线、波峰、坐标轴就形成了一个三角形；有了三角形之后，从每个柱体的顶部做直线的垂线，找到最长的那条垂线所对应的柱体的坐标，这个坐标值即为阈值，根据该阈值对时频关系图进行二值化；
18、对二值化后的时频关系图中的连通域进行填充和矩形化操作，通过对消处理以去除扫频噪声干扰，完成对连通域的修正。
19、进一步地，步骤4的具体方式为：
20、根据连通域标记获取得到信号参数，包括：突发时长、信号中频、信号带宽、起跳时刻；
21、根据以突发时长和信号带宽作为信号特征的聚类信息，将连通域按照两个维度的信息转换为数据集合点，即突发时长作为x轴数据，信号带宽为y轴数据。
22、进一步地，步骤5的具体方式为：
23、(501)在未被标记的数据集合点中随机选择一个点作为中心center；
24、(502)找出离center距离在bandwidth之内的所有点，记做集合m，认为这些点属于簇c，其中，bandwidth设置为50；同时，把集合m的点属于这个类的概率加1；
25、(503)以center为中心点，计算从center开始到集合m中每个元素的向量，将这些向量相加，得到向量shift；
26、(504)更新center＝center+shift，即，center沿着shift的方向移动，移动距离是||shift||；
27、(505)重复步骤(502)到(504)，直到shift收敛；如果收敛时当前簇c的center与其它已经存在的簇c2中心的距离小于阈值，则把c2和c合并，否则，把c作为新的聚类，增加1类；
28、(506)重复步骤(501)到(505)，直到所有的点都被标记访问；
29、(507)统计每个类中的点的访问频率，取访问频率最大的那个类，作为当前点集的所属类；根据分选结果提取每个突发信号的稳态特征，随后进行无人机的个体识别；
30、(508)对信号进行识别，在分选结束后，按照连通域参数提取每个跳频或者突发信号，连通域参数包括突发时长、信号带宽、信号中频、起跳时刻，根据信号在时间序列的幅度获取其稳态特征即信号突发起伏短时间的统计特征参数，包括信号的偏度、峰度、均方根、峰峰值、最大值、裕度因子、峰值因子、方差、熵、绝对平均值、标准差、根、脉冲因子、波形因子，根据稳态特征采用机器学习分类方法完成个体识别。
31、一种无人机信号可视化分选识别装置，包括存储介质和处理器，所述存储介质中存储有计算机指令，所述计算机指令被处理器调用时，用于执行如上所述的无人机信号分选识别方法。
32、与现有技术相比，本专利技术的有益效果如下：
33、1、本专利技术实施较为快速且方便。
34、2、本专利技术能够解决现有技术在大量背景信号、兼顾检测实时性和准确性条件下无人机射频信号检测的难题，为操作人员对信号性质的研判提供有力支撑。
本文档来自技高网...【技术保护点】
1.一种无人机信号可视化分选识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤1的具体方式为：
3.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤2的具体方式为：
4.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤3的具体方式为：
5.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤4的具体方式为：
6.根据权利要求5所述的一种无人机信号可视化分选识别方法，其特征在于，步骤5的具体方式为：
7.一种无人机信号可视化分选识别装置，包括存储介质和处理器，其特征在于，所述存储介质中存储有计算机指令，所述计算机指令被处理器调用时，用于执行如权利要求1-6中任一项所述的无人机信号分选识别方法。
【技术特征摘要】
1.一种无人机信号可视化分选识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤1的具体方式为：
3.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤2的具体方式为：
4.根据权利要求1所述的一种无人机信号可视化分选识别方法，其特征在于，步骤3的具体方式为：
5.根据...
【专利技术属性】
技术研发人员：刘艺鹏，王志永，王桂松，程烨，孟更乐，朱路，冯士保，王炜琛，白晓鹏，侯朝阳，白世伟，
申请(专利权)人：成都博纳神梭科技发展有限公司，
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。