【技术实现步骤摘要】
本专利技术涉及无人机识别，尤其涉及基于深度卷积网络的无人机电子特征识别方法及系统。
技术介绍
1、无人机电子特征识别旨在通过分析无人机发射的通信信号数据和其飞行状态数据，实现对无人机型号、制造商和作业类型的自动识别与分类。随着无人机数量激增和应用场景多样化，如何准确高效地识别各类无人机成为当前研究的重要课题。
2、现有无人机电子特征识别技术主要基于传统特征工程方法或简单深度学习模型，但在实际应用中存在明显不足。现有方法通常采用固定结构的卷积网络处理无人机通信信号，无法根据不同频率特性自适应调整卷积核参数，导致对复杂电磁环境中的信号特征提取不充分。对于无人机飞行状态数据的时序建模能力有限，多采用单向处理模式，难以捕获完整的时序依赖关系，影响状态特征的提取准确性。现有技术缺乏有效的特征解耦机制，通信信号特征与飞行状态特征之间存在语义混叠现象，降低了模型对不同工作模式下无人机的识别鲁棒性，尤其在干扰环境下识别准确率显著下降。
技术实现思路
1、本专利技术实施例提供基于深度卷积网络的无...
【技术保护点】
1.基于深度卷积网络的无人机电子特征识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将通信信号数据输入由多层卷积层串联而成信号处理通道，每层卷积核尺寸根据当前层信号频率特性进行自适应调整，提取信号特征向量，包括：
3.根据权利要求1所述的方法，其特征在于，将飞行状态数据输入双向门控递归单元，所述双向门控递归单元分别从前向和后向两个方向处理输入数据，利用门控机制控制信息流动，生成融合双向时序信息的状态特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，将所述信号特征向量和所述状态特征向量分别投影到互不相...
【技术特征摘要】
1.基于深度卷积网络的无人机电子特征识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将通信信号数据输入由多层卷积层串联而成信号处理通道，每层卷积核尺寸根据当前层信号频率特性进行自适应调整，提取信号特征向量，包括：
3.根据权利要求1所述的方法，其特征在于，将飞行状态数据输入双向门控递归单元，所述双向门控递归单元分别从前向和后向两个方向处理输入数据，利用门控机制控制信息流动，生成融合双向时序信息的状态特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，将所述信号特征向量和所述状态特征向量分别投影到互不相关的语义子空间，计算语义子空间特征的相关性得分，当相关性得分小于解耦完成度阈值时完成特征解耦，得到解耦后的信号特征和状态特征，包括：
...
【专利技术属性】
技术研发人员：蒋恺彦程，舒晓军，赵彦朋，
申请(专利权)人：浙江凡双科技股份有限公司，
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。