[发明专利]基于多特征融合的ADS-B微弱信号检测装置及方法在审

专利信息
申请号: 202010629775.0 申请日: 2020-07-03
公开(公告)号: CN111951611A 公开(公告)日: 2020-11-17
发明(设计)人: 杨阳;王海波;曹东;赵杨;刘林岩;卢德勇;李保山 申请(专利权)人: 中国空气动力研究与发展中心计算空气动力研究所
主分类号: G08G5/00 分类号: G08G5/00;G06K9/62
代理公司: 成都九鼎天元知识产权代理有限公司 51214 代理人: 孙杰
地址: 621052 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 特征 融合 ads 微弱 信号 检测 装置 方法
【权利要求书】:

1.一种基于多特征融合的ADS-B微弱信号检测装置,其特征在于,包括依次连接的信号获取模块、特征提取模块和信号检测模块;

所述信号获取模块用于获取待检测的周期性广播ADS-B脉冲信号,并将其划分为信号段和噪声段;

所述特征提取模块用于提取信号段和噪声段的多特征分量,对多特征分量进行标准化,并通过串联方式实现特征融合,将串联融合后的特征向量及样本标签信息进行UDP数据包打包并上传至上位机;

所述信号检测模块用于接收上位机下发的网络和分类器模型参数,基于训练生成的堆栈自编码器及SVM二分类器模型,对输入目标信号进行二分类判决,实现ADS-B微弱信号的检测。

2.根据权利要求1所述的基于多特征融合的ADS-B微弱信号检测装置,其特征在于,所述信号获取模块包括顺序连接的射频前端电路和中频电路;

所述射频前端电路用于对ADS-B信号进行接收、放大、混频和滤波;

所述中频电路用于对中频信号进行采样及数字下变频处理。

3.根据权利要求1所述的基于多特征融合的ADS-B微弱信号检测装置,其特征在于,所述特征提取模块包括第一FPGA芯片。

4.根据权利要求1所述的基于多特征融合的ADS-B微弱信号检测装置,其特征在于,所述信号检测模块包括Nor Flash片外存储芯片和第二FPGA芯片,所述Nor Flash片外存储芯片用于存储上位机下发的堆栈自编码器网络和SVM分类器参数,所述第二FPGA芯片用于实现网络接口的控制及接收上位机下发的控制指令,并在运行时加载特征提取模块发送的目标信号串联融合特征及所述Nor Flash片外存储芯片保存的网络、分类器参数,通过网络前向运算,实现对输入信号的判决检测。

5.根据权利要求1所述的基于多特征融合的ADS-B微弱信号检测装置,其特征在于,所述上位机包括高层语义特征提取模型及SVM分类器生成模块,所述高层语义特征提取模型及SVM分类器生成模块包括:

训练集生成单元,用于接收经UDP包发送的ADS-B脉冲信号串联融合特征训练集,所述训练集包含多个ADS-B信号段和噪声段训练样本,对训练样本标注标签信息;

模型初始化单元,用于对堆栈自编码器及SVM二分类器模型参数进行随机初始化;

模型训练单元,用于基于上位机GPU利用串联融合特征训练集对堆栈自编码器网络参数进行调整,实现利用低维高层语义特征对输入特征向量的重构,直至满足预设收敛条件,在自编码器顶层编码层添加SVM分类器,利用标签信息对分类参数进行微调,直至满足收敛条件。

6.一种基于多特征融合的ADS-B微弱信号检测方法,其特征在于,包括以下步骤:

S1、通过信号获取模块获取周期性广播的ADS-B脉冲信号样本集,将ADS-B脉冲信号划分为信号段和噪声段;

S2、通过特征提取模块提取ADS-B脉冲信号样本集信号段和噪声段的多特征分量,并将特征分量标准化后进行串联特征融合,得到串联融合特征向量;

S3、通过信号检测模块对串联融合特征向量利用离线训练生成的堆栈自编码器神经网络提取信号低维高层语义特征;

S4、通过信号检测模块利用信号低维高层语义特征,基于离线训练生成的SVM二分类器对目标信号进行判决,实现ADS-B微弱信号的检测。

7.根据权利要求6所述的基于多特征融合的ADS-B微弱信号检测方法,其特征在于,所述步骤S1中ADS-B脉冲信号划分的具体步骤为:对获取的ADS-B脉冲信号样本集进行滤波、放大和下变频处理,得到中频信号;对中频信号进行采样和数字下变频处理得到零中频信号;将零中频信号划分为包含信号和噪声的信号段以及只包含噪声的噪声段。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国空气动力研究与发展中心计算空气动力研究所,未经中国空气动力研究与发展中心计算空气动力研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010629775.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top