一种基于resnet-18模型的无人机识别方法及系统技术方案

本申请属于无人机识别技术领域，具体公开了一种基于resnet‑18模型的无人机识别方法及系统。该方法包括：获取无人机发射的图传信号；提取射频指纹特征，构建射频指纹数据集；将数据集输入到ResNet‑18深度神经网络进行分类训练，输出特定无人机型号的识别结果；在ResNet‑18深度神经网络构建中，在每个残差块输出后插入Squeeze‑ and‑ Excitation通道注意力模块，先通过全局平均池化对输出特征图进行通道级信息挤压，再经两层全连接网络学习通道权重，最后对各通道进行加权，使网络能够在不同阶段自适应地关注对无人机型号区分最为重要的频段或时间段。本申请能显著提升无人机识别的鲁棒性和精度。

【技术实现步骤摘要】

本申请属于无人机识别，更具体地，涉及一种基于resnet-18模型的无人机识别方法及系统。

技术介绍

1、近年来，无人机识别技术在空域监管、军事侦察、农业监测等领域需求激增，现有方法主要依赖传统图像处理方法：基于合成孔径雷达图像的模糊识别与精确识别网络融合方案；多模态融合技术：结合视觉、射频信号或雷达数据，例如通过无人机搭载多传感器分析角度偏差和光线条件。

2、这两种方案都较为成熟但也存在一定问题，传统sar图像处理方法需多级网络筛选，虽平衡了精度与效率，但对动态目标和复杂环境鲁棒性不足，对复杂背景和小目标适应性有限；多模态融合技术硬件成本高算法复杂度大，且难以适配边缘设备。

3、因此，如何同时提升无人机识别的精度和复杂环境鲁棒性，是当前研究的难题。

技术实现思路

1、针对现有技术的缺陷，本申请的目的在于提供一种基于resnet-18模型的无人机识别方法及系统，能显著提升无人机识别的鲁棒性和精度。

2、为实现上述目的，第一方面，本申请提供了一种基于resnet-18模型的无本文档来自技高网...

【技术保护点】

1.一种基于resnet-18模型的无人机识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于resnet-18模型的无人机识别方法，其特征在于，在步骤S31中，多个卷积层中的首层卷积输入通道定制为 2，仅用于处理图传特征图；且在权重初始化阶段对首层及所有残差块的卷积核采用方差较小的高斯初始化，并在训练前 5个 epoch冻结首层卷积核权重，仅更新对应的 BatchNorm参数。

3.如权利要求1所述的基于resnet-18模型的无人机识别方法，其特征在于，步骤S32中，第一个阶段的残差块组layer1包含 2 个输入 / 输出通道均为 64、步长为 ...

【技术特征摘要】

1.一种基于resnet-18模型的无人机识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于resnet-18模型的无人机识别方法，其特征在于，在步骤s31中，多个卷积层中的首层卷积输入通道定制为 2，仅用于处理图传特征图；且在权重初始化阶段对首层及所有残差块的卷积核采用方差较小的高斯初始化，并在训练前 5个 epoch冻结首层卷积核权重，仅更新对应的 batchnorm参数。

3.如权利要求1所述的基于resnet-18模型的无人机识别方法，其特征在于，步骤s32中，第一个阶段的残差块组layer1包含 2 个输入 / 输出通道均为 64、步长为 1 的残差块；第二、三和四个阶段的残差块组layer2 - layer4 的首个残差块通过步长 2 实现下采样，通道数依次翻倍至 128、256、512。

4.如权利要求1所述的基于resnet-18模型的无人机识别方法，其特征在于，步骤s20中，所述射频指纹数据集使用五层树形结构进行构建；

5.如权利要求1所述的基于resnet-18模型的无人机识别方法，其特征在于，步骤s20中，所述预处理还包括动态分辨...

【专利技术属性】
技术研发人员：白迪，梅灵，高航，秦荣璐，尚岩，杨佳鑫，
申请(专利权)人：中南民族大学，
类型：发明
国别省市：