[发明专利]多无人机协同信号识别方法及识别系统

权利要求书

1.一种多无人机协同信号识别方法，其特征在于包括如下步骤：

调制信号识别深度网络训练：基于历史收集的经过标注的调制信号数据集，采用深度神经网络架构，在地面控制站的边缘计算单元训练得到自动调制识别深度网络；

深度网络分割与参数加载：地面控制站的网络分割单元根据参与协同调制识别的无人机数量，以及各架无人机的预定位置、计算能力和传输能力，对训练得到的自动调制识别深度网络的计算任务进行分割，并将分割得到的计算任务和参数加载到每架无人机上；

无人机协同调制信号识别与回传：多架无人机到达任务区域后，负责信号采集的无人机进行信号采样，并通过自身的边缘计算单元将采样得到的数据预处理为自动调制识别深度网络可以接受的样本，将该样本存储到自身的存储单元；并通过无线通信信道将其按照预定顺序传递到下一架无人机，该无人机通过自身的边缘计算单元，根据加载的计算任务和参数，对接收到的数据进行处理，然后通过无线通信信道将其按照预定顺序传递到下一架无人机，依次进行，直至将最终识别结果传递给地面控制站；

深度网络更新：无人机群完成协同调制信号识别任务返回后，负责信号采集的无人机将自身存储单元中的信号样本导出到地面控制站的存储单元，后者将导出的数据存储到历史收集的调制信号数据集中，并从导出的数据中挑选部分样本进行标注，地面控制站的边缘计算单元利用标注的样本进行自动调制识别深度网络的参数更新，供下次任务执行使用；

所述调制信号识别深度网络训练的方法具体包括如下步骤：

训练与验证样本集合选择：从由专家根据领域知识进行标注的调制信号数据集中，按比例抽取训练和测试样本集合；

选择或设计深度神经网络结构：从典型深度神经网络结构中选择一种作为自动调制识别深度网络的网络结构；或者，设计新型的自动调制识别深度网络结构；

设定训练超参数：确定网络训练的超参数，所述训练超参数的类型与神经网络的结构有关；

深度神经网络训练：采用误差反向传播方法，在地面控制站的边缘计算单元训练得到自动调制识别深度网络，得到各个层的神经元连接的参数；

所述深度网络分割与参数加载的方法具体包括如下步骤：

协同无人机数量及其位置确定：根据信号识别的任务区域位置、地面控制站或识别结果接收站点的位置、无人机平均传输带宽和距离和无人机的计算能力，计算完成任务所需的协作无人机的数量，并根据每架无人机的传输距离确定其部署位置；

深度网络分割：根据无人机数量n将自动调制识别深度网络从输入层至输出层根据计算量平均分割为n份，然后将分割得到的每一份计算任务分配到从任务区域开始直到位于地面控制站或识别结果接收站点上空的无人机上，这里的无人机数量不包含负责数据采集的无人机；

无人机计算频率及传输功率确定：根据采样速率和数据样本大小，确定对每个样本所需的处理时间，依据该时间，确定每架无人机在给定时间内完成给定的计算任务所需的计算频率，然后计算每两个相邻无人机在给定时间内完成计算任务间的数据传输所需的传输功率；所述采样速率是指负责数据采集的无人机进行无线通信信号采样的速率；

无人机参数加载：将分割的计算任务加载到每架无人机中，并设定其计算频率和传输功率。

2.如权利要求1所述的多无人机协同信号识别方法，其特征在于，所述无人机协同调制信号识别与回传的具体方法包括如下步骤：

无线通信信号采集：无人机到达各自部署位置后，负责数据采集的无人机通过携带的信号接收装置获得无线通信信号；

数据预处理：负责数据采集的无人机通过自身加载的边缘计算单元，对采得的信号进行去噪预处理，得到可以通过自动调制识别深度网络处理的向量数据；

按序数据传输与处理：将向量化的数据传递到下一架无人机进行神经网络计算，并依照顺序在n架无人机间按顺序逐次进行数据计算和传输操作，各架无人机的边缘计算单元负责计算任务的执行；

识别结果输出：最后一架无人机的输出向量返回给地面控制站或识别结果接收站点，该向量中取值为1的元素所对应的调制类型即为最终识别得到的结果。