[发明专利]一种民用无人机系统被动式探测方法

摘要

本发明涉及一种民用无人机系统被动式探测方法，属于电子对抗技术领域。该方法以民用无人机系统通信信号为目标信号，采用机器学习算法对目标信号进行自动识别。首先将截获的外界信号通过时频分析转换为灰度图像，其次建立灰度图像的高斯差分尺度空间，然后在差分尺度空间中提取局部极值点的位置信息构建特征向量，最后采用机器学习算法进行信号识别。该方法采用高斯差分尺度空间中的局部极值点位置信息作为特征向量，进行信号的识别，有效提升了低信噪比环境下民用无人机通信信号的识别精度，与现有民用无人机通信信号识别方法相比，在低信噪比环境下具有更好的识别效果。

主权项

1.一种民用无人机系统被动式探测方法，其特征在于：包括以下步骤：步骤一、对截获的信号进行时频分析，获取截获信号的三维时频图像；步骤二、进行预处理将三维时频图像转换为灰度图像；步骤三、采用数字图像处理算法对灰度图像进行处理，建立灰度图像的高斯差分尺度空间，在高斯差分尺度空间中提取灰度图像特征点；构建步骤二得到的灰度图像的高斯差分尺度空间，具体步骤如下：(1)构建灰度图像高斯尺度空间；基于高斯卷积核产生的尺度变换L(x,y,σ)，即灰度图像高斯尺度空间，如下式所示：L(x,y,σ)＝G(x,y,σ)*I(x,y)  (1)式中，I(x,y)为灰度图像；*为卷积算子；G(x,y,σ)为高斯核函数，满足式中，(x,y)为图像坐标索引值；x为图像横坐标索引值；y为图像纵坐标索引值；σ为尺度空间因子；e为指数函数；尺度空间因子由下式计算得到：式中，σ(o,s)为第o组第s层的图像尺度空间因子；σ0为初始尺度空间因子；S为每组层数；s为所在层的坐标，s∈[0,…,S‑1]；o为图像所在组的坐标，o∈omin+[0,…,O‑1]，O为高斯尺度空间的组数，omin为第一个金字塔的坐标；根据公式(3)能够得到图像高斯尺度空间同一组内各层尺度关系：相邻组间尺度关系：σo+1＝2σo  (5)式中，σS为图像高斯尺度空间中第S组的尺度空间因子；σo为图像高斯尺度空间中第o组的尺度空间因子；(2)构建灰度图像的高斯差分尺度空间；对灰度图像进行连续降采样，得到一系列图像，每层图像按照式(1)构建高斯尺度空间；高斯尺度空间相邻两层相减，得到图像的高斯差分尺度空间：高斯差分尺度空间D(x,y,σ)构建公式如下：D(x,y,σ)＝(G(x,y,kσ)‑G(x,y,σ))*I(x,y)＝L(x,y,kσ)‑L(x,y,σ)(6)式中，k为同一组中相邻层的尺度空间因子比例系数；(3)在高斯差分尺度空间中提取每个局部极值点的位置信息，作为图像特征点；为了得到高斯差分尺度空间的局部极值点，每一个像素点都要和其相邻点比较大小，位于中间位置的像素点同时和与它同尺度的8个相邻像素点及相邻尺度的18个像素点比较大小，以确保在高斯差分尺度空间和图像区域得到局部极值点；得到局部极值点后记录下局部极值点的纵坐标索引值作为局部极值点位置信息，将局部极值点的纵坐标索引值由大到小进行顺序排列组成向量，作为信号识别的图像特征向量；步骤四、采用机器学习算法对步骤三提取的图像特征向量进行自动识别，判定是否存在民用无人机通信信号，如果存在通信信号，则判定民用无人机存在；反之则判定无人机不存在。