[发明专利]强互干扰条件下无人机测控信号智能识别方法

说明书

本发明公开了一种强互干扰条件下无人机测控信号智能识别方法，利用无线电电子信号侦察设备对空间电磁波信号进行侦收，再依次将接收的信号进行低噪声功率放大、滤波、A/D变换、数字下变频，最终将接收信号转换成零中频的时域IQ数据；利用信号检测识别处理器对接收信号进行采集和存储，再对其进行时频变换得到其时频图谱，对时频图谱进行取绝对值和归一化的预处理操作，再对预处理后的时频图谱进行基于深度学习的目标检测；信号检测识别处理器包括基于深度学习的目标检测模型。本发明采用剪枝深度学习模型的剪枝思想，在保持精度基本不变，降低模型计算复杂度，提升了模型识别速度，有效降低了计算资源的消耗，更加方便模型的多平台移植。

技术领域

本发明属于电子信息技术技术领域，具体涉及一种强互干扰条件下无人机测控信号智能识别方法。

背景技术

目前,受益于飞控和无线通信技术的发展，无人机市场正以空前的速度增长，并广泛应用在航拍、救援、电力检查、智慧农业、货物运输等领域。但由于相关监管技术的不完善，无人机非法进入敏感区域，扰乱民航秩序等事件时有发生。因此，如何对无人机进行有效的监管，是保障该行业能良好发展的重要前提。而对无人机进行有效监管的前提在于及时检测并识别无人机。

通过侦测无人机测控信号进行目标检测和识别，是无人机管控的重要措施。目前无人机测控信号采用扩频或跳频机制且使用ISM频段，而现代城市中存在大量的同频无线电设备，如WiFi设备，蓝牙设备等，对无人机测控信号的检测和识别产生了巨大的干扰。现有信号侦测手段难以应对这种强电磁互干扰场景。基于测控信号的无人机识别技术面临的问题是：(1)强同频段干扰信号在频谱上与无人机信号产生混叠，影响信号的检测和识别；(2)存在部分无人机信号与干扰信号通信体制相似，易造成虚警。

发明内容

为解决复杂电磁环境下，利用无人机测控信号进行无人机探测和识别的难题，本发明公开了一种强互干扰条件下无人机测控信号智能识别技术，通过无线电射频侦收，信号时频变换，基于深度学习目标检测等方式，实现对目标信号的识别和检测。

本发明公开了一种强互干扰条件下无人机测控信号智能识别方法，利用无线电电子侦察设备和信号检测识别处理器来实现，无线电电子侦察设备与信号检测识别处理器通过网络连接；

所述无线电电子信号侦察设备用于对空间电磁波信号进行侦收，再依次将接收的信号进行低噪声功率放大、滤波、A/D变换、数字下变频，最终将接收信号转换成零中频的时域IQ数据。

所述信号检测识别处理器用于对接收信号进行采集和存储，再对其进行时频变换得到其时频图谱，对时频图谱进行取绝对值和归一化的预处理操作，再对预处理后的时频图谱进行基于深度学习的目标检测。信号检测识别处理器包括基于深度学习的目标检测模型。

所述的对时频图谱进行基于深度学习的目标检测，采用基于深度学习的目标检测模型来实现无人机信号的检测和识别，基于深度学习的目标检测模型利用YOLO模型来实现，基于深度学习的目标检测模型包括用于特征提取和压缩的主干网络和用于特征解析和结果预测的解码器，主干网络和解码器进行连接。基于深度学习的目标检测模型采用两个阶段来进行训练，第一阶段使用梯度下降法对整个基于深度学习的目标检测模型的参数进行训练；第二阶段利用深度学习中的通道剪枝算法，对完成第一阶段训练的基于深度学习的目标检测模型的主干网络进行修剪，即利用LASSO回归算法，删除主干网络的每个隐藏层的部分通道，进而得到压缩后的主干网络。之后，随机选择部分训练数据，利用梯度下降法训练压缩后的整个基于深度学习的目标检测模型，从而完成整个训练过程。

所述的强互干扰条件下无人机测控信号智能识别方法，其具体步骤包括：

S1，信号检测识别处理器与无线电电子侦察设备进行连接，信号检测识别处理器向无线电电子侦察设备下发信号侦收指令，无线电电子侦察设备对空间电磁波信号进行侦收；