[发明专利]一种基于深度学习的无人机频谱探测方法

权利要求书

1.一种基于深度学习的无人机频谱探测方法，其特征在于，步骤包括：

步骤S1、无人机信号训练集采集；

步骤S2、无人机信号预处理；

步骤S3、构建用于频谱感知的多层卷积神经网络模型，利用卷积神经网络提取特征，通过多级卷积层，池化层提取多级信号特征；

步骤S4、利用步骤S2中的样本对步骤S3中构建的卷积神经网络模型进行训练；

步骤S5、在线探测阶段；利用训练之后的卷积神经网络模型来进行是否是无人机信号的判断，实现无人机频谱的探测。

2.根据权利要求1所述的基于深度学习的无人机频谱探测方法，其特征在于，所述步骤S3中池化层在卷积层后面成对出现，卷积层对信号特征进行提取，池化层对卷积输出的特征图一方面进行压缩，另一方面进行特征压缩，提取主要特征。

3.根据权利要求1所述的基于深度学习的无人机频谱探测方法，其特征在于，所述步骤S4中训练的过程就是在具有合适的网络结构前提下，用已知的模式使卷积网络具有输入输出对之间映射能力的过程。

4.根据权利要求1所述的基于深度学习的无人机频谱探测方法，其特征在于，所述步骤S5中，测试集数据通过数据预处理，卷积神经网络特征提取，Softmax分类，输出分类结果来判断是否是无人机信号，实现无人机频谱的探测。

5.根据权利要求1-4中任意一项所述的基于深度学习的无人机频谱探测方法，其特征在于，所述步骤S2的具体流程为：帧分割、帧筛选、数据平滑、图像归一化。

6.根据权利要求5所述的基于深度学习的无人机频谱探测方法，其特征在于，所述帧分割是指采用大小比已知信号带宽稍大的滑动窗从信号扫描数据中自动截取出多帧信号频谱数据。

7.根据权利要求5所述的基于深度学习的无人机频谱探测方法，其特征在于，所述帧筛选是指将帧均值V小于阈值R的信号帧判为无信号帧并舍弃。

8.根据权利要求5所述的基于深度学习的无人机频谱探测方法，其特征在于，所述数据平滑指将留下的信号帧进行滤波，将连续 N 个无线电信号采样值作为一个队列，固定队列的长度为 N，根据先进先出原则将一个新数据放入队尾，并丢掉队首的一个数据，计算队列中的 N 个数据的算术平均值。

9.根据权利要求5所述的基于深度学习的无人机频谱探测方法，其特征在于，所述图像归一化是指将频谱数据中映射为2 维图片矩阵并处理为统一大小M*M。