[发明专利]民航客机个体目标识别方法

权利要求书

1.一种民航客机个体目标识别方法，其特征在于包括如下步骤：基于深度卷积神经网络，采用捕获飞行器通信信号模块、制备数据集模块、构建神经网络模块、训练神经网络模块和识别通信信号所属飞行器模块组成识别系统,其中，捕获飞行器通信信号模块从飞行器发射的广播式自动相关监视ADS-B信号原始脉冲波形本身出发，通过天线捕获客机通信信号，通过高速采集卡采样，并将飞行器发送的ADS-B通信信号接收和保存在本地；民航客机ADS-B信号时域信号采用脉冲位置调制PPM编码，ADS-B消息数据块包含4个脉冲的ADS-B消息前导头，每个传输脉冲持续0.5±0.05微秒，第二、第三个与第四个传输脉冲与第一个传输脉冲间隔分别为1.0，3.0和4.5微秒，ADS-B消息数据块在第一个传输脉冲开始后的8微秒开始，把112个1微秒间隔被分派给每一个ADS-B消息，在传送时，将宽度为0.5±0.05微秒的传输脉冲，分为每个间隔的前半部分或者后半部分，若在两个相邻间隔被传送的脉冲分别位于前一个间隔的后半部分，以及后一个间隔的前半部分，则合并为1.0±0.05微秒的传输脉冲，制备数据集模块将采集到的民航广播式自动相关监视ADS-B通信信号在时域对脉冲进行切片并绘制成图像，每个脉冲以图像形式保存，把ADS-B通信信号的识别特征转换为图像空间结构特征，构建神经网络模块为构建深度卷积神经网络模型，根据目标数量、不同目标间脉冲图像的可分性来评估深度神卷积经网络的层数；训练神经网络模块直接使用脉冲图像作为输入，基于卷积神经网络算法通过ADS-B通信信号数据生成图像样本进行训练和参数调优；识别通信信号所属飞行器模块通过深度卷积神经网络测试环节，随机输入测试样本识别客机通信信号，测试深度卷积神经网络的分类正确率，通过信号脉冲本身直接识别出通信信号中的飞行器个体特征进而得到识别出信号所属目标的概率。

2.如权利要求1所述的民航客机个体目标识别方法，其特征在于：训练神经网络模块通过卷积神经网络卷积核提取出ADS-B通信信号时域图中各种方向的边或者各种基本特征形态的点，让卷积层抽象出空间结构特征，经过几次卷积层和全连接层进而得到信号的高层特征，用制备好的脉冲数据集训练深度卷积神经网络，满足一定识别率后停止训练。

3.如权利要求1所述的民航客机个体目标识别方法，其特征在于：捕获飞行器通信信号模块捕获作为飞行器的客机通信信号，接收民航客机ADS-B通信信号，搭建由天线、高速采集卡组成连接计算机的下行链路的接收环境。

4.如权利要求1所述的民航客机个体目标识别方法，其特征在于：制备数据集模块采用脉冲位置调制PPM编码的ADS-B消息数据块格式制备数据集。

5.如权利要求1所述的民航客机个体目标识别方法，其特征在于：制备数据集模块将ADS-B信号脉冲切包，ADS-B通信信号解译和切包同时进行，将同一目标所属信号数据放在同一个文件夹内。

6.如权利要求1所述的民航客机个体目标识别方法，其特征在于：构建卷积神经网络模块拥有5个卷积层和3个全连接层，前3个卷积层后边连接了最大池化层，按顺序包含了输入层→卷积层1→池化层→卷积层2→池化层→卷积层3→池化层→卷积层4→卷积层5→全连接层1→全连接层2→全连接层3→输出层。

7.如权利要求6所述的民航客机个体目标识别方法，其特征在于：深度卷积神经网络的输入为客机目标脉冲图像，所有卷积层的激活函数均为线性整流函数ReLU，每个卷积层都包含一个卷积计算和一个最大池化计算,全连接层将卷积神将网络的特征图转化为热独编码的向量形式输出。

8.如权利要求1所述的民航客机个体目标识别方法，其特征在于：卷积神将网络模块首先对输入的脉冲图像做卷积运算，卷积计算卷积网络第i个卷积层的特征值

式中，f(·)为ReLU函数，表示卷积，W_i为该卷积层卷积核的权重矩阵，b_i为第i层的偏置量。