一种基于集成学习的无人机识别方法及应用技术

本发明专利技术涉及无人机识别技术领域，具体涉及一种基于集成学习的无人机识别方法及应用，本发明专利技术所提出的模型由两个一级专家模型和一个元分类器构成。首先两个一级专家模型分别对数据进行特征提取，然后将得到的分类结果输入到元分类器，接下来元分类器对一级模型的结果进行集成融合，最后输出无人机监测和识别的结果。两个一级专家模型分别在残差结构和深度可分离卷积结构基础上加入了多尺度全局局部注意力模块。本发明专利技术方法在自己制作的无人机数据集上与其他处理一维信号的方法进行对比。实验验证了该模型的有效性和优越性。

【技术实现步骤摘要】

本专利技术涉及无人机识别，具体涉及一种基于集成学习的无人机识别方法及应用。

技术介绍

1、无人机作为航空技术与信息技术深度融合的产物。近年来，无人机发展迅猛，广泛应用于物流、农业等多个领域。其高度的灵活性和自主操作能力使得无人机在推动新生产模式和服务业方面发挥重要作用。然而，无人机的普及也带来了隐私、安全和法规等方面的挑战，迫切需要在技术进步与社会需求之间找到平衡点。

2、目前无人机识别方法主要有基于雷达的方法、基于射频的方法、基于视频的方法、基于红外的方法、基于声学信号的方法等。martins等人提出一种基于雷达散射截面(rcs)的方法，通过雷达提供对目标的反射率进而识别无人机，在信噪比为10db时，无人机分类准确率达到97.43％。daiki等人提出一种基于雷达图像的深度学习无人机识别方法，无人机的五分类准确率达到了90％。但是，雷达对低空飞行的无人机识别效果一般，可能出现无法有效检测到无人机的情况。基于射频的方法可以有效检测到无人机低空飞行信号，basak等人提出一种通过频域指纹进行检测和分类，能够有效地处理可能的射频干扰，具有一定的通用本文档来自技高网...

【技术保护点】

1.一种基于集成学习的无人机识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤S1具体包括：

3.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤S2具体包括：

4.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤S3具体包括：

5.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤S4具体包括：

6.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤S4中模型性能评价指标采用准确率、精确率、召...

【技术特征摘要】

1.一种基于集成学习的无人机识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤s1具体包括：

3.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤s2具体包括：

4.如权利要求1所述的基于集成学习的无人机识别方法，其特征在于：所述步骤s3具体包括：

5.如权利要求1所述的基于集成学习的无人机识别...

【专利技术属性】
技术研发人员：李俊林，赵集，任俊箫，李强，彭波，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：