[发明专利]一种基于贝叶斯多源融合的无人机目标检测方法

权利要求书

1.一种基于贝叶斯多源融合的无人机目标检测方法，其特征在于，包括以下步骤：

S1：对检测区域的光学图像进行目标检测，并得到第一向量化结果P₁u|H；

S2：对检测区域的通信信号进行目标检测，并得到第二向量化结果P₂u|H；

S3：分别将第一向量化结果P₁u|H和第二向量化结果P₂u|H作为贝叶斯函数的输入，进行多源融合，完成无人机目标检测；

所述步骤S1包括以下子步骤：

S11：利用图像传感器采集光学图像；

S12：通过高通滤波器，滤除光学图像的低频成分，保留光学图像的高频成分；

S13：训练YOLOv3神经网络；

S14：将经过高通滤波器处理后的光学图像输入至YOLOv3神经网络中，进行无人机目标检测，并输出范围为0-1的置信度；

S15：将无人机的置信度进行向量化，得到第一向量化结果P₁u|H；

所述步骤S2包括以下子步骤：

S21：利用快速傅里叶变换，计算检测区域的通信信号的频谱；

S22：根据检测区域的通信信号的频谱，将快速傅里叶变换的窗长和通信信号跳频周期的数据采样点数保持一致，得到每个跳频周期内对应的跳频信号频率值；

S23：将跳频信号频率值映射为序列值，得到跳频图案；

S24：根据跳频图案检测是否有无人机，并将检测结果向量化，得到第二向量化结果P₂u|H。

2.根据权利要求1所述的基于贝叶斯多源融合的无人机目标检测方法，其特征在于，所述步骤S13包括以下子步骤：

S131：根据光学图像建立无人机图像数据集；

S132：将无人机图像数据集中的无人机打标签；

S133：将打好标签的无人机数据输入至YOLOv3神经网络中进行训练，直至网络损失函数收敛，完成YOLOv3神经网络的训练。

3.根据权利要求1所述的基于贝叶斯多源融合的无人机目标检测方法，其特征在于，所述步骤S21中，检测区域的通信信号包括上行信号和下行信号；其中，上行信号是遥控器发送给无人机的控制信号，其固定频点为5.7G-5.8G，下行信号是无人机发送给遥控器的图传信号，其固定频点为2.4G。

4.根据权利要求1所述的基于贝叶斯多源融合的无人机目标检测方法，其特征在于，所述步骤S21中，计算通信信号的频谱的计算公式为：

其中，DFT[·]表示离散傅里叶变换，IDFT[·]表示离散傅里叶反变换，x(n)表示信号离散采样频点，X(k)表示x(n)的离散傅里叶变换变换，N表示总采样点数，k表示采样点n的计数值。

5.根据权利要求1所述的基于贝叶斯多源融合的无人机目标检测方法，其特征在于，所述步骤S24中，根据跳频图案检测是否有无人机的方法为：将跳频图案与已知跳频图案进行对比，根据误差范围内相同的频点数目，得到范围为0-1的置信度，并将其向量化，得到第二向量化结果P₂u|H。