一种基于类中心学习的无人机信号开集识别方法技术

本发明专利技术针对无人机信号识别提出了一种基于类中心学习的无人机信号开集识别方法，突破了传统闭集识别框架的限制，通过开集识别方法有效区分已知与未知无人机信号，显著提升对新型或伪装目标的拒判能力；深度融合了无人机信号的物理特性与深度学习的类中心学习机制，增强模型对信号本质属性的表征能力；动态优化类中心向量与自适应阈值调整策略，使模型能够灵活适应信号分布变化，提升复杂场景下的鲁棒性。本发明专利技术将无人机信号识别扩展至开集场景，解决了现有技术因闭集假设导致的漏判风险，显著提升了安全性和实际应用价值。

【技术实现步骤摘要】

本专利技术属于无人机信号识别，具体涉及一种基于类中心学习的无人机信号开集识别方法。

技术介绍

1、随着无人机技术的快速发展和广泛应用，无人机“黑飞”、“乱飞”现象日益凸显，给公共安全和国家安全带来极大威胁。在无人机管控领域，信号识别技术是实施有效监管的关键环节。尽管现有无人机信号识别方法已从多角度实现了对已知无人机信号的准确识别，但其对未知类无人机信号的拒判能力仍然不足。目前，新型号无人机面市速度快，动态变频、信号伪装等先进技术迭代迅速，使得传统识别系统难以应对新型无人机威胁。因此，突破封闭集识别框架的局限，发展既能准确识别已知类无人机信号，又能高效甄别未知无人机信号的开集识别技术，已成为提升无人机管控效能和维护社会安全的迫切需求。

2、近年来，基于深度学习的无人信号识别技术取得了长足进展，现有的无人机信号识别方法主要基于音频、视觉、雷达和射频四类数据展开。针对音频信号，通过提取对数梅尔频谱图、梅尔频率倒谱系数等时频特征，结合卷积神经网络进行融合分析，强化对无人机声纹的辨识能力；视觉识别方法则依托目标检测算法，结合图像增强技术，优化复杂场景下的本文档来自技高网...

【技术保护点】

1.一种基于类中心学习的无人机信号开集识别方法，其特征在于，包括：

2.根据权利要求1所述的基于类中心学习的无人机信号开集识别方法，其特征在于，所述原始无人机信号数据集由无人机信号构成，共有4个类别，每个类别下存在多条样本，每个样本是一个无人机信号。

3.根据权利要求1所述的基于类中心学习的无人机信号开集识别方法，其特征在于，S100包括：

4.根据权利要求2所述的基于类中心学习的无人机信号开集识别方法，其特征在于，S200包括：

5.根据权利要求2所述的基于类中心学习的无人机信号开集识别方法，其特征在于，所述预定的残差网络包括卷积层、批归...

【技术特征摘要】

1.一种基于类中心学习的无人机信号开集识别方法，其特征在于，包括：

2.根据权利要求1所述的基于类中心学习的无人机信号开集识别方法，其特征在于，所述原始无人机信号数据集由无人机信号构成，共有4个类别，每个类别下存在多条样本，每个样本是一个无人机信号。

3.根据权利要求1所述的基于类中心学习的无人机信号开集识别方法，其特征在于，s100包括：

4.根据权利要求2所述的基于类中心学习的无人机信号开集识别方法，其特征在于，s200包括：

5.根据权利要求2所述的基于类中心学习的无人机信号开集识别方法，其特征在于，所述预定的残差网络包括卷积层、批归一化层、激活层、池化层、残差块和全连接层；其中残差块中包含卷积层、批归一化层和激活层；所述预定的残差网络的输出部分输出输入样本的特征向量与所有类中心向量的欧氏距离。

【专利技术属性】
技术研发人员：周峰，龙禹东，周华吉，任欢，高荣星，李浩森，易振宇，胡俊杰，王巍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人