[发明专利]一种基于张量及神经网络的动态电磁频谱姿势方法及系统

权利要求书

1.一种基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，包括以下步骤：

S1、获取当前无人机飞行所围区域的频谱数据，实时反映频谱数据相应频段与物理坐标对应的频谱信息，并实施时域和频域的动态刷新；

S2、采用可编程门阵列FPGA对步骤S1的频谱信息进行模数转换，然后进行快速傅立叶变换；

S3、读取步骤S2经快速傅立叶变换的频谱信息，检查一次显示的频谱数据是否收满；

S4、依据步骤S3检查后的频谱数据构建原始矩阵，并对构建的原始矩阵可视化；

S5、对步骤S4可视化后的原始矩阵进行数据补全，得到优化后的最终补全矩阵；

S6、将步骤S5优化后的最终补全矩阵结果值输入BP神经网络进行模糊化处理，得到最终补全矩阵数值，利用最终补全矩阵数值绘制补全后的频谱姿势二维图绘制三维姿势空间分辨图，根据时间和频率变化显示动态信号的频谱态势信号。

2.根据权利要求1所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，步骤S1中，使用Matlab调用EVM实时收集当前无人机飞行所围区域的频谱数据，再向神经网络输入信息，输入信息包括：EVM的IP地址，天线的选择，测试的中心频率，采样率，采样数，信号增益，以及每个测试点的经纬度信息；然后对频谱数据进行正确性检验。

3.根据权利要求2所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，正确性检验具体为：

检测频谱数据以及所对应位置坐标是否有缺项漏项、是否存在NaN、+∞、-∞的数据，是否存在不匹配的情况；如果存在缺项漏项，以及NaN、+∞、-∞的数据，重新发送数据，再次进行检验，当数据正确率大于等于98％时结束。

4.根据权利要求1所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，步骤S3具体为：

检测频谱数据是否有缺项漏项、是否存在NaN、+∞、-∞的数据，当存在缺项漏项，以及NaN、+∞、-∞的数据时，重新接收频谱数据，经模数转换后重新发送，再次进行检验，当数据正确率大于等于97％时，确定所读取数据正确。

5.根据权利要求1所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，步骤S4中，构建原始矩阵具体为：

将无人机飞行轨迹矩形的外围区域的长和宽作为原始矩阵的行和列，对轨迹的一个顶点建立坐标系，将每一个频谱采集点反映到坐标矩阵内，每一个坐标点由横坐标x、纵坐标y和特定数据z构成，z反映实时频谱信息。

6.根据权利要求1所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，步骤S4中，对构建的原始矩阵可视化具体为：

将可视化矩阵映射于所选土地区域的物理位置，采集点的位置代表实际物理经纬度，颜色深浅代表特定数据的大小，得到缺失矩阵信息及可视化矩阵。

7.根据权利要求1所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，步骤S5中，对原始矩阵进行数据补全具体为：

将矩阵数据建模为张量；对张量中缺失的频谱数据进行ALM、SVT等张量矩阵补全，得到数据初步补全后的预补全矩阵；构建BP神经网络，将预补全矩阵的数据输入BP神经网络中学习得到新的参考数据，最终得到优化后的最终补全矩阵。

8.根据权利要求7所述的基于张量及神经网络的动态电磁频谱姿势方法，其特征在于，构建BP神经网络具体为：

以读取到的上一时段的历史频谱数据作为输入变量，以历史调整后的频谱数据作为输出变量，通过确定神经元和隐含层数量构建激活函数，构建完成BP神经网络。