[发明专利]一种基于分数阶小波变换的无人机图传信号与遥控信号识别方法

说明书

本发明公开了一种基于分数阶小波变换的无人机图传信号与遥控信号识别方法，其特征在于，包括如下步骤：1）接收信号、并分离信号后功率归一化；2）分数阶小波变换；3）中值滤波得到信号求包络方差；4）门限选择；5）信号识别。这种方法在复杂电磁环境下能及时发现并识别通信干扰源，以维护无线通信秩序、保障公众活动及公众安全，并提供理论支持和技术指导。

技术领域

本发明涉及无线通信技术技术，具体是一种基于分数阶小波变换的无人机图传信号与遥控信号识别方法。

背景技术

随着无线通信技术的迅猛发展，各种无线业务终端越来越多，频谱资源日益紧张，无线电磁环境越来越复杂，设备间的相互干扰时有发生，这在一些大型的公众活动场合尤为突出。大型公众活动如国际比赛、节日庆典及文艺晚会活动等，会同时存在并使用多种无线电设备，包括手机、广播电视转播、警务调度急救、无线麦克风摄像机、无线局域网及航拍无人机等，大量的无线电设备集中在较小的场地范围内，必然会造成信号间相互间干扰，尤其以移动的无人机对其他设备干扰最为严重，因此发现并及时识别这些无线通信干扰信号，尤其是干扰无人机的信号是十分重要的，与此同时，无线通信干扰信号识别属于非合作信号检测识别，在合作通信发展迅猛的同时，非合作通信技术也逐渐成为学者和专家研究和探讨的热点，尤其在电子侦察、无线电监测、频谱检测、软件无线电等非合作领域更加突出。非合作信号检测识别是指干扰信号的功率、频率、带宽及调制方式等参数未知，且通常与其它正常工作的无线通信信号混合在一起，接收信号表现为多个时间频率重叠的信号迭加在一起。

因此如何从混合的多载波信号中提取特征参数，进一步识别出干扰源，已成为当前信号处理研究领域的一个热点和难点问题。

目前现有的识别无人机混合信号的文献几乎没有，但是分别识别OFDM信号和跳频信号的方法有：

对于OFDM信号的识别主要有三类：

1.基于分离的混合信号识别方法，常见的分离方法有独立分量分析法和波束限零法，该方法就是先将混合信号分离再进行后续的调制识别，其本质是将混合信号识别问题转换为单信号识别问题，该类方法的性能依赖于混合信号的分离效果，要求接收方必须拥有足够的先验知识，其适用范围有限；

2.基于信号特征的混合信号识别方法，它是直接提取混合信号特征进行识别，常用的特征包括瞬时包络及谱线、星座图、高阶累积量循环谱、似然特征以及小波变换的幅度和脊线等。其中，基于瞬时包络特征的识别方法容易受到信噪比的影响；基于似然特征和星座图特征的识别方法需要先验知识，并且基于星座图特征的识别方法对频偏和定时比较敏感；基于循环谱特征的识别方法则需要较大的数据量，还容易出现谱图模糊现象；基于高阶累积量特征的识别方法也是需要较大的数据量，而且一般要求信道是高斯白噪声信道；基于小波变换幅度和脊线特征的识别方法仅适用于相同频率不同码率的混合信号；

3.联合检测识别方法，它同时选用混合信号的多个特征作为识别特征，并引入一些新的理论，如神经网络算法，虽然该方法可提升混合信号综合特征的检测识别，但是复杂度较高，寻找新的理论是其一大难点。

对于跳频信号的识别方法有：

1.基于谱图遥控信号提取的检测方法，该方法的主要思想是利用不同信号和跳频信号之间在时间统计特性上的不同来区分目标信号，这样就要求在接收信号数据的时候，至少要有几个跳的数据。其具体步骤为，将接收数据进行谱图处理，得到的谱图二值化，通过设置门限剔除定频信号和突发信号，最后根据驻留时间的规律得到遥控信号；

2.基于统计模式识别方法，引入改进的频谱特征参数提取方法及支持矢量机分类器对BPSK、QPSK、8PSK、2FSK、4FSK、MSK跳频信号进行分类识别。