一种基于深度学习的反无人机无人值守系统及方法技术方案

本发明专利技术涉及一种基于深度学习的反无人机无人值守系统及方法，本系统集成了频谱探测器、雷达模块、光纤收发器、编码设备、光电观瞄跟踪仪、反制设备、交换机、路由器、拓展应用模块、系统管控平台、NVR存储器、上级客户端等多种设备，将各类设备的优点进行系统集成，配合AI智能算法进行无人机属性识别，再结合业务逻辑自动实现精准的无人值守模式，系统自动接收雷波目标信号，自动启用光电跟踪观瞄、自动启用诱导打击对目标进行拒止。

【技术实现步骤摘要】
一种基于深度学习的反无人机无人值守系统及方法
本专利技术属于智能无人机防御领域，具体涉及一种基于深度学习的反无人机无人值守系统及方法。
技术介绍
目前市面上的反无人机系统大都是基于单一技术进行实现，且需要依赖专业的技术人员进行操控才能起到一定的防范作用，因此，发展无人值守式的反无人机系统越来越受到社会各界的重视。此为现有技术的不足之处。有鉴于此，本专利技术提供一种基于深度学习的反无人机无人值守系统及方法；以解决现有技术中存在的上述缺陷，是非常有必要的。
技术实现思路
本专利技术的目的在于，针对上述现有技术存在的缺陷，提供设计一种基于深度学习的反无人机无人值守系统及方法，以解决上述技术问题。一种基于深度学习的反无人机无人值守系统，包括频谱探测器、雷达模块、光纤收发器、编码设备、光电观瞄跟踪仪、反制设备、交换机、路由器、拓展应用模块、系统管控平台、NVR存储器、上级客户端；所述光纤收发器连接频谱探测器、雷达模块、反制设备、交换机和编码设备；所述编码设备还连接有光电观瞄跟踪仪；所述交换机还连接有系统管控平台、NVR存储器和路由器；所述路由器还连接有拓展应用模块；所述拓展应用模块还连接有上级客户端。优选的，所述雷达模块为三坐标雷达模块，便于获得目标的距离、方向、高度信息。优选的，所述三坐标雷达模块通过厂家的私有协议或者系统管控平台指定的协议接入反无人机无人值守系统。优选的，所述三坐标雷达模块采用电磁波探测目标。优选的,所述反制设备通过485串口与系统管控平台连接。一种基于深度学习的反无人机无人值守的方法，具体包括以下步骤：S1、雷达模块利用电磁波探测目标的高度信息、距离信息、速度信息，频谱探测器探测目标的频率和方位信息，并将上述目标信息上传给系统管控平台；S2、系统管控平台将接收到的上述目标信息通过重叠方位融合成一种具有目标的高度、距离、速度、频率和方位的信息；S3、融合的信息依据目标的属性信息通过不同的权重初步评判目标的优先级，通过权重数值计算，生成目标的优先级列表；S4、系统管控平台从目标的优先级列表中选取一条最高级别的目标信息，并在系统中调度距离目标最近的光电观瞄跟踪仪指向到目标的水平和俯仰方位，并依据光电观瞄跟踪仪和目标的距离将光电摄像机的焦距拉到合适的位置；S5、同步开启AI智能算法对目标进行危险等级分析，并将分析结果反馈给系统管控平台；S6、系统管控平台依据分析结果和预先设定的相应处置措施控制反制设备对目标进行放行、驱离、打击；S7、处置后系统自动记录相应的信息，并将事件结果进行上报给上级客户端，再依据目标优先级处理其它可疑目标。优选的，所AI智能算法为卷积神经网络智能算法。优选的,所相应处置措施为若上述目标在系统设定的白名单内，则只做相关数据记录，不对该目标做据制止处理；若上述目标为非法目标且在预警区域外，则做驱离处理；若上述目标为非法目标且出现在预警区域内，则反制设备直接开启打击处置。本专利技术的有益效果在于，该系统启用无人值守工作模式，借助了雷达模块、频谱探测、光电观瞄跟踪、算法自主识别、应急预案等多种技术手段；系统调试部署完成后，无须人工干预会自主运行，运行过程中自动对单目标、多目标进行有效处理。此外，本专利技术设计原理可靠，结构简单，具有非常广泛的应用前景。由此可见，本专利技术与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。附图说明图1反无人机无人值守系统结构拓扑图。图2反无人机无人值守系统流程图。1为频谱探测器，2为雷达模块，3为光电观瞄跟踪仪，4为反制设备，5为光纤收发器，6为编码设备，7为系统管控平台，8为NVR存储器，9为交换机，10为路由器，11为拓展应用模块，12为上级客户端。具体实施方式下面结合附图并通过具体实施例对本专利技术进行详细阐述，以下实施例是对本专利技术的解释，而本专利技术并不局限于以下实施方式。如图1所示，一种基于深度学习的反无人机无人值守系统，包括频谱探测器1、雷达模块2、光纤收发器5、编码设备6、光电观瞄跟踪仪3、反制设备4、交换机9、路由器10、拓展应用模块11、系统管控平台7、NVR存储器8、上级客户端12；所述光纤收发器5连接频谱探测器1、雷达模块2、反制设备4、交换机9和编码设备6；所述编码设备6还连接有光电观瞄跟踪仪3；所述交换机9还连接有系统管控平台7、NVR存储器8和路由器10；所述路由器10还连接有拓展应用模块11；所述拓展应用模块11还连接有上级客户端12。将雷达模块2、频谱探测器1、光电观瞄跟踪仪3、反制设备4等设备的连接信息配置到系统管控平台7中，系统可接入市面上的三坐标雷达模块，雷达模块2可通过该雷达模块厂家的私有协议进行接入系统，也可通过系统管控平台7制定的协议进行接入，目前可接入的雷达模块2有中科电子、14所、20所、23所、27所、38所、54所等；频谱探测器1作为辅助目标探测设备，在该系统管控平台7中可做选择性的使用，目前接入方式主要是频谱厂家的私有协议以及系统管控平台7制定的协议来接入；反制设备4则通过485的串口方式和系统管控平台7的进行连接。如图2所示，雷达模块2利用电磁波探测目标的高度信息、距离信息、速度信息，频谱探测器1探测目标的频率和方位信息，并将上述目标信息上传给系统管控平台7。由于雷达模块2是用电磁波探测目标，探测到的目标数据不一定是无人机，也可能是飞鸟、飞机等目标；频谱探测器则是通过无人机的频率进行探测，仅能探测无人机的大体方向和频率，这两种设备单独使用均无法做到对无人机有效的探测，因此系统管控平台7将接收到的上述目标信息通过重叠方位融合成一种具有目标的高度、距离、速度、频率和方位的信息。目标较多或者频谱探测器1灵敏度不足时，融合的信息依据目标的属性信息通过不同的权重初步评判目标的优先级，航迹方向权重为0.4(航向和保护区域方位比较)，距离权重为0.3(目标距离保护区域)，速度权重为0.2，高度权重为0.1，通过权重数值计算，生成目标的优先级列表。系统管控平台7依据雷达模块、频谱探测器1实时反馈的信息动态调整目标的优先级列表，随着更新，低优先级的目标也可能变成高优先级的目标，而高优先级的目标也可能变为低优先级或者直接消失的目标。系统管控平台7从目标的优先级列表中选取一条最高级别的目标信息，并在系统中调度距离目标最近的光电观瞄跟踪仪3指向到目标的水平和俯仰方位，并依据光电观瞄跟踪仪3和目标的距离将光电摄像机的焦距拉到合适的位置。系统管控平台7自动开启对目标的跟踪功能，确保光电摄像机对目标的随动处理，跟踪上目标后按需调节焦距，当目标飞近时光电摄像机自动拉广角，飞远时自动拉长焦，确保目标在摄像机的视野内占到一个合适的比例。同步开启AI智能算法对目标进行危险等级分析，该AI智能算法为卷积神经网络智能算法，通过对30多万张的图片目标信息进行特征训练生成智能的算法模型，对于任意图片，像素之间本文档来自技高网...

【技术保护点】
1.一种基于深度学习的反无人机无人值守系统，其特征在于，包括频谱探测器、雷达模块、光纤收发器、编码设备、光电观瞄跟踪仪、反制设备、交换机、路由器、拓展应用模块、系统管控平台、NVR存储器、上级客户端；所述光纤收发器连接频谱探测器、雷达模块、反制设备、交换机和编码设备；所述编码设备还连接有光电观瞄跟踪仪；所述交换机还连接有系统管控平台、NVR存储器和路由器；所述路由器还连接有拓展应用模块；所述拓展应用模块还连接有上级客户端。/n

【技术特征摘要】
1.一种基于深度学习的反无人机无人值守系统，其特征在于，包括频谱探测器、雷达模块、光纤收发器、编码设备、光电观瞄跟踪仪、反制设备、交换机、路由器、拓展应用模块、系统管控平台、NVR存储器、上级客户端；所述光纤收发器连接频谱探测器、雷达模块、反制设备、交换机和编码设备；所述编码设备还连接有光电观瞄跟踪仪；所述交换机还连接有系统管控平台、NVR存储器和路由器；所述路由器还连接有拓展应用模块；所述拓展应用模块还连接有上级客户端。


2.根据权利要求1所述一种基于深度学习的反无人机无人值守系统，其特征在于，所述雷达模块为三坐标雷达模块。


3.根据权利要求2所述一种基于深度学习的反无人机无人值守系统，其特征在于，所述三坐标雷达模块通过厂家的私有协议或者系统管控平台指定的协议接入反无人机无人值守系统。


4.根据权利要求2所述一种基于深度学习的反无人机无人值守系统，其特征在于，所述三坐标雷达模块采用电磁波探测目标。


5.根据权利要求1所述一种基于深度学习的反无人机无人值守系统，其特征在于,所述反制设备通过485串口与系统管控平台连接。


6.根据权利要求1所述一种基于深度学习的反无人机无人值守系统，其特征在于,所述光电观瞄跟踪仪上带有光电摄像机。


7.一种基于深度学习的反无人机无人值守的方法，其特征在于，具体包括以下步骤：
S1、雷达模块利用电磁波探测目标的...

【专利技术属性】
技术研发人员：刘训凯，鲍剑飞，张波，
申请(专利权)人：济南和普威视光电技术有限公司，
类型：发明
国别省市：山东;37