[发明专利]一种低复杂度无人机调制方式盲识别及其反制方法、系统

说明书

本发明公开了一种低复杂度无人机调制方式盲识别及其反制方法、系统，其中所述的盲识别及反制方法，具体是通过构建一维IQ数据向量，在将所述一维IQ数据向量输入至训练好的深度学习模型进行预测后，对其通信链路层所使用的调制方式进行识别，最后基于识别结果，再生优化干扰波形，对目标无人机信号进行绿色、安全的小功率灵巧干扰。上述实施过程降低了数据量，可以较低的复杂度从原始IQ数据中获取无人机通信链路层调制类型的特征，并且利用构建的神经网络模型对特征进行训练学习，即可盲识别无人机通信链路所使用的调制方式；且，网络模型由原先的二维CNN网络设计成一维CNN网络，缩减了网络复杂度，在降低实施的复杂度的情况下，提高了识别效率。

技术领域

本发明属于无人机反制技术领域，具体涉及一种低复杂度无人机调制方式盲识别及其反制方法、系统。

背景技术

近几年来，无人机产业持续快速增长，从2014年至2018年，全球旋翼无人机市场规模每年增长20％左右，在各大电商平台及商场内，人们最少花费两千元左右，即可购买一台到手即飞、具备航拍等功能的无人机。然而，当无人机入门门槛不断降低时，无人机“黑飞”事件却呈高发态势。无人机未经许可进入机场空域、公共场地及敏感区域时，会存在危害公共安全及国家安全的风险。

目前无人机反制手段中大功率电磁压制干扰效率低、次生灾害严重已不是最优选择，取而代之的是产生与目标信号调制类型一致的小功率干扰信号对其进行有的放矢的灵巧干扰。

无人机调制类型的盲识别是一个关键技术，目前传统的基于数理统计的调制方式盲识别方法具有较高的数学运算过程、工程实践复杂度加高；基于深度学习的调制类型识别多采用星座图和眼图识别方法，其本质属于图像处理技术，图像的数据量大，导致神经网络的训练参数增多，大大增加了实际的工程部署的难度。

发明内容

本发明要解决的技术问题在于，针对现有技术多采用图像处理技术，导致神经网络的训练参数增多的缺陷，提供一种低复杂度无人机调制方式盲识别及其反制方法、系统。

本发明解决其技术问题所采用的技术方案是：构造一种低复杂度无人机调制方式盲识别方法，包括以下步骤：

S1、接收监测无人机与用于遥控所述无人机的遥控设备之间的通信信号；

S2、对接收到的通信信号进行时域预处理后，根据预设的向量长度k，构建时域一维IQ数据向量s，并对所述时域一维IQ数据向量进行归一化处理；其中：

s＝{s₁,s₂,s₃,s₄,…s_k-1,s_k}；

s_i表示时域IQ数据，i＝{1,2,…,k}；

S3、搭建用于对调制类型结果进行盲识别的神经网络模型，并基于归一化处理后的向量s来构建训练数据集；将所述训练数据集输入到所述神经网络模型进行模型训练，在网络损失函数收敛时，得到调制类型盲识别神经网络模型；其中：

所述调制类型盲识别神经网络模型包括由多层一维CNN网络构成的CNN网络层、以及连接到CNN网络层的全连接网络层；

在构建训练数据集的时候，按照下述公式取出归一化处理后的向量s的实部和虚部，并对向量s的实部和虚部求倒置，得到k行2列的矩阵S；以矩阵S为对象构建训练数据集：

S4、基于所述调制类型盲识别神经网络模型对频谱检测设备监测到的通信信号进行预测，得到调制类型盲识别结果。

本发明公开的基于上述的低复杂度无人机调制方式盲识别方法实现对目标无人机的反制方法，包括：