[发明专利]一种无人机信号识别方法、系统、介质及设备

说明书

本发明公开了一种无人机信号识别方法、系统、介质及设备，属于无人机技术领域，用于解决无人机信号识别效率低的技术问题，此方法包括步骤：1）获取无人机信号数据，根据无人机信号识别任务定义无人机信号数据的标签类别，对无人机信号数据进行分类标注，得到训练数据集；训练数据集中的每条训练数据包括无人机信号数据及其标签类别；无人机信号数据为射频信号数据；2）根据无人机信号识别任务构建残差网络模型，使用训练数据对残差网络模型进行训练，得到训练好的无人机信号识别模型；3）将待识别的无人机信号数据输入到无人机信号识别模型，输出其对应的标签类别，完成无人机信号的识别。本发明具有操作简单、识别全面且精度高等优点。

技术领域

本发明主要涉及无人机技术领域，具体涉及一种无人机信号识别方法、系统、介质及设备。

背景技术

近年来，无人机越来越广泛地应用于各行各业，极大地方便了人们的工作。但无人机在一些重点区域的频繁使用也容易造成技术、隐私及公共安全等问题。通过无人机可能造成窥探隐私、影响飞机起落、携运走私非法物品等一系列安全隐患。因此，对无人机进行识别及探测变得十分重要。

目前，针对无人机的检测主要是通过传统的视觉检测方法或信号处理方法。由于无人机机身小巧，机动性能强，而且视觉检测方法需要将无线信号经过时频变换转换成二维图像，必然需要大量的计算，且转换成时频图后，信号特征不明显，很容易造成漏检、误检。

传统的信号处理方法则首先需要对采集得到的无线信号做大量的前期预处理工作，包括频谱处理、滤波处理等，预处理后再通过人工提取无人机信号特征，但无人机信号的通信频段、调制模式都存在着很大的差异。因此，使用传统的无线信号处理方法需要大量的预处理操作才能得到较为清晰的信号特征，因此需要较强的专业知识及人力时间成本。另外，在深度学习方法中，普通的卷积神经网络容易出现过拟合和梯度消失或梯度爆炸的问题，在网络层数较深时会出现网络退化的现象。当训练及测试样本较少时，网络训练的泛化能力较差，容易在检测过程出现漏检和误检的问题。

另外无人机信号识别方法，主要研究方向是通过检测无人机信号判断是否存在无人机，而对无人机的型号和无人机的飞行模式则没有关注。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的问题，本发明提供一种操作简单、原理清晰、识别全面且精度高的无人机信号识别方法、系统、介质及设备。

为解决上述技术问题，本发明提出的技术方案为：

一种无人机信号识别方法，包括步骤：

1）获取无人机信号数据，根据无人机信号识别任务定义无人机信号数据的标签类别，对无人机信号数据进行分类标注，得到训练数据集；训练数据集中的每条训练数据包括无人机信号数据及其标签类别；所述无人机信号数据为无人机射频信号数据；

2）根据无人机信号识别任务构建相应的残差网络模型，使用训练数据对所构建的残差网络模型进行训练，得到训练好的无人机信号识别模型；

3）将待识别的无人机信号数据输入到训练好的无人机信号识别模型，输出其对应的标签类别，完成无人机信号的识别。

作为上述技术方案的进一步改进：

在步骤1）中，从无人机射频数据库中得到无人机信号的原始数据集，再对原始数据集中原始数据进行预处理，得到无人机信号数据。

所述预处理包括依次进行的分段、频域转换、聚合、归一化和升维。

所述分段用于将原始数据集中的原始数据进行分段；所述频域转换用于将时域信号的采样变换为在离散傅里叶变换频域的采样；所述聚合用于将所有频域转换后的数据聚合生成mat文件；所述归一化用于将mat文件中的数据按比例压缩到0-1的范围之间；所述升维用于将一维的无人机信号数据升维成为三维数据。