[发明专利]一种基于深度学习的无人机目标识别分类方法

权利要求书

1.一种基于深度学习的无人机目标识别分类方法，其特征在于，具体步骤包括：

（1）通过无线电监测手段，采集得到小型民用无人机的链路信号；

（2）将该链路信号发送给数据处理中心，进行信号预处理，得到信号的时域特征数据和频域特征数据；

（3）将信号的时域特征数据和频域特征数据输入到深度学习网络中进行计算，输出得到信号的目标识别分类结果；

（4）将所采集的信号数据和识别结果保存至数据库，若为新发现的目标类别，经人工确认后添加至信号识别库中；

所述步骤（3）中，构建深度学习网络的方法如下：

（31）构建深度学习算法神经网络架构；

（32）将数据库中数据经人工整理和标注，得到数据集，并将其分为训练集和测试集；

（33）进行深度学习算法训练，通过前向推导和反向传播的不断迭代，使得目标识别正确率达到期望值，结束训练，并保留各层神经网络参数，得到无人机目标识别深度学习算法模型；

所述步骤（31）中，深度学习算法神经网络包括输入层、栈式自编码器、全连接层、输出层；其中，所述时域特征数据和频域特征数据各自经过两层的所述栈式自编码器，分别进行时域或频域的信息挖掘之后，再进行合并，输入到所述全连接层，最终送至所述输出层；

所述步骤（3）中，所述目标识别分类结果为：根据输出层输出为各目标类别的概率，选择概率最大的类别即为该无人机信号的目标识别结果；其中所述输出层每个神经元分别对应目标识别库中各个已知的无人机类别，以及一个“未知”类别，即如果识别库中共有T个目标类别，则所述神经网络输出层神经元个数为T+1个。

2.根据权利要求1所述的一种基于深度学习的无人机目标识别分类方法，其特征在于，所述步骤（1）中，链路信号获得过程如下：通过数据链侦察器扫描无人机工作频段，当无人机目标接近防控区域时，数据链侦察器可以发现目标，接收目标的无线电信号，完成对无人机链路信号的数据采集。

3.根据权利要求1所述的一种基于深度学习的无人机目标识别分类方法，其特征在于，所述步骤（2）中，信号预处理包括重采样、频谱分析，得到无人机信号的所述时域特征数据和频域特征数据。

4.根据权利要求1所述的一种基于深度学习的无人机目标识别分类方法，其特征在于，所述步骤（4）中，将所采集的信号数据和处理结果保存至数据库，具体包括以下子步骤：

（41）将信号数据和结果在数据库中进行存储，进行数据累积，以扩充算法训练数据集，可用于以后算法模型的迭代更新；

（42）若算法识别结果为“未知”，则通过人工核对，确认无人机目标真实类别之后，修改数据库，将“未知”改为真实的目标类别；

（43）若无人机目标为新发现的类别时，还需将相应的信号数据和目标类别添加至信号识别库中。