[发明专利]一种基于深度学习的无人机测控信号高速识别方法

说明书

本发明公开一种基于深度学习的无人机测控信号高速识别方法，其包括以下顺序步骤：信号接收机采集无人机测控信号，对信号进行高速采样和中频处理，并转化为二进制数据；分割二进制数据成若干个时间段的信号，作为上行遥控信号和下行图像信号训练识别的大量数据样本；对遥控信号和图像信号的数据样本进行短时傅里叶变换，获得上、下行信号的二维时频图像；将二维时频图像送入卷积神经网络进行深度学习，获得二维时频图像的训练模型；对于未知的无人机测控信号，只需获得该测控信号的中频数据，通过上述步骤操作，即可识别出无人机的型号，并判断出测控信号是上行信号还是下行信号。本发明识别率得到了极大提高，能够实现对无人机的检测和识别。

技术领域

本发明涉及无人机技术领域，尤其是涉及一种基于深度学习的无人机测控信号高速识别方法。

背景技术

近年来，伴随着无人机在低空化和小型化上的技术突破，各类民用无人机在世界范围内掀起发展热潮。无人机在物流运输、地质勘查、影视拍摄、农林作业、巡逻监测、应急救援等方面的应用需求快速增长，吸引越来越多的科技企业参与到新兴的无人机产业。与此同时，消费级民用微型无人机，由于其操作简便、价格亲民、新鲜感和娱乐性强等特点，普遍为大众所接受与追捧，购买用户与日俱增。在未来，无人机的应用领域必然更加广阔，市场无法估量。

然而随着行业的发展，无人机给许多行业带来了便利的同时也带来了不好的现象，无人机“黑飞”引来的安全事故在全国乃至世界各国都多次发生，比如无人机扰航、走私和扰乱敏感地带，严重的威胁了国防和公共安全。直接表明了无人机监管技术的缺陷和漏洞，已引发了社会各界关注和担忧，对其进行有效管控的需求非常迫切。然而，我国在管理无人机行业上相对滞后，主要体现在：操作者缺少体系的培训，规范无人机研制、销售、使用的相关法律不尽完善，探测监控管理技术手段不成熟。

面对“黑飞”无人机，不仅要设定规范、制定政策做到“不让飞”，还要在技术层面上研究反制手段实现“不敢飞”。对无人机进行反制，目前主要依靠高功率的电磁干扰破坏无人机的测控链路。无人机的测控链路包括上行链路和下行链路。其中，上行链路信号主要用于飞行控制指令等信息传递，即遥控信号；下行链路信号主要用于无人机状态参数、视频图像等信息传输。上行和下行链路的工作频率不一致，信号样式也不一致，这两种信号特征差异为无人机的探测和识别提供了一种可能性。在反制无人机的过程中，高功率的电磁干扰主要的干扰对象是上行链路的控制指令信号，如果不能对上行链路的工作频点进行精准的扫频压制干扰，到达无人机的电磁干扰信号的等效辐射功率就不够，就无法起到反制无人机的效果。因此，针对电磁压制干扰的技术手段，最首要的问题就是感知无人机的上行和下行链路信号，并区分上行和下行链路。对无人机型号、上行和下行链路信号进行准确识别，有利于无人机监管组织判断区域中检测到的无人机是否是已知的无人机，来决定是否需要对其进行监控反制。

目前，对无人机进行探测定位的技术方法主要包括有源雷达探测定位方法、光电探测识别跟踪方法、被动声探测定位方法、以及无线电被动探测，上述各方法分别通过探测无人机的雷达目标回波、无人机红外图像特征、无人机电机发出的声音进行探测，不能够侦测和判断到无人机的上下行链路信号，因此没有办法精确引导高功率电磁干扰反制无人机，只能根据无人机可能工作的5～6个频率点循环发射，同时进行电磁干扰，因此干扰信号功率难以集中，干扰反制的效果并不理想；而且这类设备通常价格非常昂贵，性价比低。

发明内容

为解决上述问题，本发明的目的是提供一种基于深度学习的无人机测控信号高速识别方法。

为实现上述发明目的，本发明采用如下技术方案：

一种基于深度学习的无人机测控信号高速识别方法，其包括以下步骤：

S1、信号接收机采集无人机测控信号，对信号进行高速采样和中频处理，并转化为二进制数据；

S2、对步骤S1中得到的二进制数据进行分割，分割成若干个时间段的信号，作为上行遥控信号和下行图像信号训练识别的大量数据样本；