[发明专利]一种基于无人机平台的频谱态势认知测绘装置及方法

权利要求书

1.一种基于无人机平台的频谱态势认知测绘装置的测绘方法，所述基于无人机平台的频谱态势认知测绘装置包括无人机平台单元(1-1)，频谱态势采集单元(1-2)，通遥一体化传输单元(1-3)以及频谱数据认知单元(1-4)，所述通遥一体化传输单元(1-3)以及频谱态势采集单元(1-2)与无人机平台单元(1-1)相连；

所述无人机平台单元(1-1)包括GPS接收模块(1-5)，飞行控制模块(1-6)以及图像模块(1-7)，所述GPS接收模块(1-5)、图像模块(1-7)和飞行控制模块(1-6)与通遥一体化传输单元(1-3)相连，分别采集无人机所处位置的GPS数据、第一视角图像数据和状态信息，并将其传递给通遥一体化传输单元(1-3)，所述飞行控制模块(1-6)同时接收通遥一体化传输单元(1-3)发送的飞控指令，并根据飞控指令调整无人机的飞行状态；

所述频谱态势采集单元(1-2)由机载频谱接收机和全向天线组成，采集无人机周围的频谱态势信息，并将接收到的频谱数据传递给通遥一体化传输单元(1-3)；

所述通遥一体化传输单元(1-3)主要由微型电脑和机载数据链终端组成，将GPS接收模块(1-5)接收到的GPS数据、飞行控制模块(1-6)获得的无人机状态信息、图像模块(1-7)采集的图像数据、频谱态势采集单元(1-2)采集的频谱数据封装成帧，无线发送给频谱数据认知单元(1-4)，同时接收频谱数据认知单元(1-4)发送的飞行控制信息以及航迹规划信息，并将相应的飞控指令传输给飞行控制模块(1-6)；

所述频谱数据认知单元(1-4)包括地面接收模块(1-8)，遥控模块(1-10)以及大脑模块(1-9)，所述地面接收模块(1-8)与大脑模块(1-9)相连，接收通遥一体化传输单元(1-3)发送的测量数据，并将其传递给大脑模块(1-9)，大脑模块(1-9)协调调度无人机自主飞行状态，同时分析处理测量到的原始数据，所述大脑模块中安装有无人机数据分析规划软件，包含航迹与区域规划以及频谱认知计算两个子模块，航迹与区域规划子模块面向频谱态势认知测绘任务的无人机航迹的自主规划，频谱认知计算子模块负责多维立体频谱态势地图的生成，所述大脑模块从接收到的原始数据中解析出图像模块采集的实时图像信息和无人机的实时状态信息，并在大脑模块的屏幕中显示无人机摄像头所拍摄的实时画面以及无人机的实时状态信息；其特征在于：包括“人工测绘模式”和“自动测绘模式”两种测绘方式；

1)如果用户选择“人工测绘模式”，包括如下具体步骤：

第一步，测量前检查系统同步校准设备，检查各模块之间线缆连接是否正常，检查无人机旋翼机臂是否固定紧密，依次打开无人机的电源开关、频谱接收机的电源开关以及无人机的启动开关；

第二步，根据实际测试需求，直接通过遥控模块(1-10)手动控制飞行控制模块(1-6)，操作无人机到达指定位置，进行特定地点、时间和频段的测绘，无人机在特定位置飞行过程中，通遥一体化传输单元(1-3)将无人机所处的实时地理位置及其对应的频谱数据同步发送给频谱数据认知单元(1-4)；

第三步，通遥一体化传输单元(1-3)发射的信号由频谱数据认知单元(1-4)的地面接收模块(1-8)接收，地面接收模块(1-8)连接大脑模块(1-9)并向其传输数据，接收到的原始数据在大脑模块(1-9)经过相关协议解析后，得到无人机飞行航迹周围的地理位置及其对应的频谱数据，这些数据在大脑模块(1-9)的频谱认知计算子模块中经过相关认知计算，进行三维立体频谱成像及优化，最后在大脑模块(1-9)的屏幕中动态显示无人机飞行区域范围内的频谱态势地图；

第四步，用户操作无人机完成采集任务后，手动操作无人机返航，待无人机旋翼停止转动后，关闭所有电源，回收无人机，结束本次测绘任务；

大脑模块(1-9)基于频谱数据认知学习计算，进行的频谱数据修正、补全以及增强方法，具体实施方法如下：

1)将频谱态势采集单元(1-2)以及GPS接收模块(1-5)采集的当前状态的频谱数据按照测量的时隙、频率、空间和时间段指标构成时-频-空-时段四维数组的频谱数据其中，T为指定时间段内时间快拍数，F为频点总数，L为监测区域内的空间位置编号总数，I为时间段的指标总数，采集的频谱数据χ一共包含(T×F×L×I)个元素，变量表示其第(i₁,i₂,i₃,i₄)个元素的值，代表第i₄个时间段内的第i₁个时间快怕，第i₂个频点，空间编号为i₃的空间位置的频谱态势强度；

2)将未知的频谱数据补全的具体操作如下：

a.将步骤1)中采集到的原始频谱数据缺失位置的元素置为“0”，从而得到置“0”后的频谱数据χ；

b.将χ按其时隙维度、频率维度、空间维度和时间段指标维度四个维度进行矩阵展开，得到矩阵χ₍₁₎、χ₍₂₎、χ₍₃₎和χ₍₄₎，χ_(i)表示χ沿其第i维方向展开得到的矩阵，即χ₍₁₎、χ₍₂₎、χ₍₃₎和χ₍₄₎是频谱数据χ分别按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，四个矩阵的维数及其元素由下式计算获得，

式(1)中，(·)_j,k表示矩阵第j行，第k列的元素；1≤i₁≤T,1≤i₂≤F,1≤i₃≤L,1≤i₄≤I；

c.χ的初始值χ⁰设为步骤a的频谱数据；M₁,...,M₄的初始值分别设为χ⁰按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，即步骤b中的矩阵χ₍₁₎、χ₍₂₎、χ₍₃₎和χ₍₄₎)的四维数组版本，各维度大小与χ相同；γ₁,...,γ₄的初始值设为与χ具有相同维度的全零四维数组数据；

d.初始赋值后，χ，M_i，γ_i进行迭代更新，直到满足如下收敛条件为止，

其中，θ为设置的收敛容限；当第k+1次迭代中的χ^k+1满足式(2)时，结束迭代，令即最后得到的χ即为补全后的频谱数据迭代方法如下，

式中，χ，Γ是在每个维度都有着相同大小的两个频谱数据，即Γ在子集Ω中的元素Γ_Ω表示已知测量值，不属于该子集的元素则是缺失值；χ，γ_i，M_i的右上标表示迭代次数，如k表示第k次迭代，χ^k表示第k次迭代中χ的值；L_ρ(·)为频谱数据补全问题对应的增广拉格朗日函数，

式中，α_i≥0，且||·||_*为矩阵的核范数，值为矩阵奇异值的和；·为内积计算；γ_i为增广拉格朗日函数引入的拉格朗日乘子；ρ为惩罚参数；||·||_F为Frobenius范数；

3)利用机器学习方法对补全后的频谱数据进行修正以及增强处理，具体操作如下：

a.构建相关数据预测模型如式(5)，该模型的输入为当前状态不完整的频谱数据，输出为预测的下一状态完整的频谱数据，训练数据来自预先保留的完整的频谱态势地图，

η(s+1)＝Aχ(s)+B (5)

其中，s表示当前状态，s+1表示下一状态；χ(s)为未经过补全处理测量到的当前状态有缺失的频谱数据；η(s+1)为由χ(s)预测的下一状态完整的频谱数据；A，B为模型参数；

b.对补全后的频谱数据进行的修正和增强处理，得到最终用于三维立体频谱成像的频谱数据，方法如下

其中，为最终用于三维立体频谱成像的补全、修正以及增强后当前状态的频谱数据；η(s)为将预先保留的未经过补全处理测量到的前一状态有缺失的频谱数据χ(s-1)输入所构建的预测模型，从而输出的预测的当前状态的完整的频谱数据；为未经过补全处理实际测量到的当前状态有缺失的频谱数据χ(s)经过补全处理后的频谱数据，步骤1)与步骤2)中的频谱数据均为当前状态，即步骤2)中的w为权重因子。

2.如权利要求1所述的基于无人机平台的频谱态势认知测绘装置的测绘方法，其特征在于：

2)如果用户选择“自动测绘模式”，包括如下步骤：

第一步，在完成启动前各项检查后，用户通过地面大脑模块(1-9)设置测绘任务和测绘区域，频谱数据认知单元(1-4)据此计算最佳飞行路径，并向通遥一体化传输单元(1-3)发送相应的航迹规划信息，通遥一体化传输单元(1-3)再根据航迹规划信息将相应的飞控指令传递给飞行控制模块(1-6)，令无人机按频谱数据认知单元规划的航迹飞行，无人机在飞行过程中，通遥一体化传输单元(1-3)将无人机所处的实时地理位置及其对应的频谱信息发送给频谱数据认知单元(1-4)；

第二步，通遥一体化传输单元(1-3)发射的信号由频谱数据认知单元(1-4)的地面接收模块(1-8)接收，地面接收模块(1-8)连接大脑模块(1-9)并向其传输数据，接收到的原始数据在大脑模块经过相关协议解析后，得到无人机已飞航迹周围的地理位置及其对应的频谱数据，这些数据在频谱认知计算子模块中经过相关认知计算，进行三维立体频谱成像及优化，最后在大脑模块的屏幕中动态显示无人机飞行区域范围内的频谱态势地图；

第三步，当无人机结束频谱数据认知模块自主规划的航迹后，大脑模块会检查设置区域测绘出的频谱态势地图是否完整，如果不完整，大脑模块会根据缺失情况重新规划无人机航迹，并令无人机按此航迹继续飞行，并重复该过程，直至测绘出的三维立体频谱态势地图完整；然后，频谱数据认知单元会发送相应的控制信息，令无人机结束飞行并自主返航；

第四步，待无人机旋翼停止转动后，关闭所有电源，回收无人机，结束本次测绘任务。