无人机图传信号与热点信号识别方法、介质、计算机设备技术

本发明专利技术属于无人机信号检测和识别技术领域，公开了一种无人机图传信号与热点信号识别方法、介质、计算机设备，信号输入，将中频信号进行降采样后输入模型进行计算；信号延迟相关检测，在时域上对信号进行延时相关处理，并提前其伪码周期；谱峰检测，信号时域上延时相关归一化后进行谱峰搜索，根据设定自适应检测明显，提前大于检测明显的谱峰值；非零相关点是否存在谱峰，检测信号延时相关谱在非零点时是否存在谱峰，作为无人机图传信号和WiFi热点信号的识别特征；识别置信度评价体系对识别结果进行评价。本发明专利技术在复杂电磁环境中提取和识别出无人机图传信号，实现了区域无人机动向的掌控，消除了“黑飞”提供技术支撑。

【技术实现步骤摘要】
无人机图传信号与热点信号识别方法、介质、计算机设备
本专利技术属于无人机信号检测和识别
，尤其涉及一种无人机图传信号与热点信号识别方法、介质、计算机设备。
技术介绍
目前，民用无人机大都采用WiFi图传技术进行视频信息传输。WiFi图传技术即通过WiFi信号实现无人机与遥控器之间的通信功能，信号通常符合具体的WiFi协议。该技术在市场得到了广泛应用，可以支持2.4&5.8GHz双频段工作，其中以2.4GHz频段居多。另一方面基于WiFi体制的无人机大多采用了IEEE802.11a/g的标准协议，实现了数据的高速传输，同时具有较好的抗衰落性能。现阶段大疆公司在WiFi图传技术上做了些许改进后应用于大疆Spark系列无人机。相比之下，应用WiFi图传技术的无人机价格通常比较低廉，但有效控制距离较近，在郊外开阔环境在一公里左右，在复杂电磁环境的市区中飞行距离在三百米左右。市场上常见WiFi体制的无人机包括Parrot、Phantom3S、Phantom3SE、大疆Saprk等。采用WiFi体制的无人机在数据传输上带来极大的便利，但是该类信号同生活中常用的WiFi热点信号工作频率范围相同；同时WiFi图传技术的无人机信号在时频、频域上不存在明显固定特征，因此对无人机信号检测与识别的难度较大，对后续信号处理算法提出了更高的要求。通过上述分析，现有技术存在的问题及缺陷为：现有技术中采用WiFi体制的无人机进行数据传输过程中，由于该类信号同生活中常用的WiFi热点信号工作频率范围相同；WiFi图传技术的无人机信号在时频、频域上不存在明显固定特征，无法对无人机信号进行检测与识别。解决以上问题及缺陷的难度为：无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。受电磁频谱管控等限制，民用无人机遥控和图传信号的频段与wifi信号的频段高度重合，信号调制采用OFDM模式。实际信号监测环境中会接收到多类辐射源(无人机、wifi发射器等)的混合信号，截获的信号在时域、频域上相互交叠。因此当无人机信号混杂在wifi信号中时，不能通过接收信号判断无人机信号存在，传统信号处理方法无法从复杂电磁环境中分离出无人机图传信号，更不可能实现对无人机的识别和定位等。解决以上问题及缺陷的意义为：本专利技术提出基于信号频域特征的无人机信号提取和识别方法、系统，可以通过提取各类辐射源频域特征，建立样本比对数据库，将截获到的无人机图传信号提取出来。本专利技术的意义：一是本专利技术基于频域维度进行变换处理，有效解决了因远距离传输导致信号能量衰减被噪声“淹没”的问题；二是受到发射机影响，不同发射机的频域调制特征具有一定的差异性，因此可基于其差异性完成对不同目标的分选和分离，避免了不同目标信号因采用调制模式相同而难以识别的问题。有效解决在复杂电磁环境中对于无人机信号的检测、分选、识别和无人机的定位问题。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种无人机图传信号与热点信号识别方法、介质、计算机设备。针对当前市面上采取无人机图传信号与WiFi热点信号的检测识别，本专利技术基于无源探测被动的接收两类信号，提取信号时域延迟相关特征进行识别，完成无人机图传信号和WiFi热点信号的识别与分离。本专利技术在复杂电磁环境中提取和识别出无人机图传信号，实现了区域无人机动向的掌控，消除了“黑飞”提供技术支撑。本专利技术是这样实现的，一种无人机图传信号与热点信号识别方法，所述无人机图传信号与热点信号识别方法，包括：步骤一，信号输入，将中频信号进行降采样后输入模型进行计算；将射频信号进行解调和A/D采样后在基频上处理，降低的射频处理的难度，保留了信号中频采样的特征点；步骤二，信号延迟相关检测，在时域上对信号进行延时相关处理，并提前其伪码周期；该步骤完成对采样信号的延迟自相关变换，为提取不同时延自相关的峰值奠定基础；步骤三，谱峰检测，信号时域上延时相关归一化后进行谱峰搜索，根据设定自适应检测门限，提前大于检测明显的谱峰值；谱峰检测程序基于牛顿迭代法，完成对全局变量的搜索，检测出数值序列的峰值点，检测精度较高，收敛速度快；步骤四，非零相关点是否存在谱峰，检测信号延时相关谱在非零点时是否存在谱峰，作为无人机图传信号和WiFi热点信号的识别特征；基于无人机图传信号采用OFDM调制的特点，针对其前导序列特有的数据结构进行延迟自相关检测，剔除零延时相关(即信号的自相关)的峰值，检测信号延时相关谱在非零点时是否存在谱峰并记录其谱峰的时刻点，作为重要的识别特征；步骤五，识别置信度评价体系根据信号信噪比、脉冲宽度等参数进行考量，得到信号多因子加权量化值，对算法识别结果进行评价。该步骤主要采用“联合多参量”识别比对算法完成对目标的识别过程，并给出识别置信度。进一步，所述步骤一中，中频信号进行降采样后输入模型进行计算具体过程为：首先基于无人机图传信号与其他干扰信号中频特征的差异，对中频信号进行包络检测和包络提取，其次进行快速傅里叶变换处理，提取各脉冲信号的中频特征；然后对已提取的中频特征信号进行改进的模糊C均值聚类，基于欧式距离对各簇信号进行去野值处理，剔除干扰的杂散信号；所述中频信号包络检测和包络提取具体为：脉冲信号包络检测是基于信号幅度大于噪声幅度，进行包络提取，对接收的信号s(t)进行包络提取：其中，As(t)为信号s(t)的包络；所述快速傅里叶变换和提取信号中频特征具体为：利用信号功率谱分布刻画信号中频特征，不需要知道无人机传输信号的调制方式和波特率先验参数，也不需要同步信息和训练序列，且无关于信号的包络特性，进行加窗处理，得到加窗后的信号功率谱分布函数，抑制噪声和信号突变的能力更强；设接收机接收到的信号为y(t)，即：y(t)＝s(t)+n(t)；式中，s(t)为无人机传输信号，其功率为S；n(t)为高斯白噪声；信号功率谱分布于fL和fH之间，即Bw＝fH-fL；对频带内的信号加汉明窗进行功率谱求解，得S(f)，S(f)刻画了信号各频率点与信号功率之间的关系；所述改进的模糊C均值聚类和基于欧式距离的去野值处理具体为：采用改进的模糊C均值数据聚类对数据进行处理；对每个对象和每个簇赋予一个权值，指明对象属于该簇的程度，就是最小化目标函数J(m),即误差的平方和(SSE)，如下：其中m是聚类的簇数；i，j是类标号；表示样本属于j类的隶属度，i表示第i个样本，x是具有d维特征的一个样本，是j簇的中心，也具有d维度，||*||是任意表示距离的度量，模糊c是一个不断迭代计算隶属度和簇中心的过程，直到达到最优，其中：迭代的终止条件为：其中k是迭代步数，∈是误差阈值，当达到迭代终止条件时，认为隶属度不变了，已经达到比较优状态了，局部最优或全局最优，该过程收敛于目标J(m)的局部最小值。进一步，所述步骤三中，信号时域上延时相关归一化后进行谱峰搜索进行信号时域延迟相关特征提取和谱峰搜索，具体本文档来自技高网...

【技术保护点】
1.一种无人机图传信号与热点信号识别方法，其特征在于，所述无人机图传信号与热点信号识别方法，包括：/n信号输入，将中频信号进行降采样后输入模型进行计算；/n信号延迟相关检测，在时域上对信号进行延时相关处理，并提前其伪码周期；/n谱峰检测，信号时域上延时相关归一化后进行谱峰搜索，根据设定自适应检测明显，提前大于检测明显的谱峰值；/n非零相关点是否存在谱峰，检测信号延时相关谱在非零点时是否存在谱峰，作为无人机图传信号和WiFi热点信号的识别特征；/n识别置信度评价体系根据信号信噪比、脉冲宽度等参数进行考量，得到信号多因子加权量化值，对识别结果进行评价。/n

【技术特征摘要】
1.一种无人机图传信号与热点信号识别方法，其特征在于，所述无人机图传信号与热点信号识别方法，包括：
信号输入，将中频信号进行降采样后输入模型进行计算；
信号延迟相关检测，在时域上对信号进行延时相关处理，并提前其伪码周期；
谱峰检测，信号时域上延时相关归一化后进行谱峰搜索，根据设定自适应检测明显，提前大于检测明显的谱峰值；
非零相关点是否存在谱峰，检测信号延时相关谱在非零点时是否存在谱峰，作为无人机图传信号和WiFi热点信号的识别特征；
识别置信度评价体系根据信号信噪比、脉冲宽度等参数进行考量，得到信号多因子加权量化值，对识别结果进行评价。


2.如权利要求1所述无人机图传信号与热点信号识别方法，其特征在于，所述频信号进行降采样后输入模型进行计算具体过程为：
首先基于无人机图传信号与其他干扰信号中频特征的差异，对中频信号进行包络检测和包络提取，其次进行快速傅里叶变换处理，提取各脉冲信号的中频特征；然后对已提取的中频特征信号进行改进的模糊C均值聚类，基于欧式距离对各簇信号进行去野值处理，剔除干扰的杂散信号；
所述中频信号包络检测和包络提取具体为：
脉冲信号包络检测是基于信号幅度大于噪声幅度，进行包络提取，对接收的信号s(t)进行包络提取：



其中，As(t)为信号s(t)的包络；
所述快速傅里叶变换和提取信号中频特征具体为：
利用信号功率谱分布刻画信号中频特征，不需要知道无人机传输信号的调制方式和波特率先验参数，也不需要同步信息和训练序列，且无关于信号的包络特性，进行加窗处理，得到加窗后的信号功率谱分布函数，抑制噪声和信号突变的能力更强；
设接收机接收到的信号为y(t)，即：
y(t)＝s(t)+n(t)；
式中，s(t)为无人机传输信号，其功率为S；n(t)为高斯白噪声；
信号功率谱分布于fL和fH之间，即Bw＝fH-fL；对频带内的信号加汉明窗进行功率谱求解，得S(f)，S(f)刻画了信号各频率点与信号功率之间的关系；
所述改进的模糊C均值聚类和基于欧式距离的去野值处理具体为：
采用改进的模糊C均值数据聚类对数据进行处理；
对每个对象和每个簇赋予一个权值，指明对象属于该簇的程度，就是最小化目标函数J(m),即误差的平方和(SSE)，如下：



其中m是聚类的簇数；i，j是类标号；表示样本属于j类的隶属度，i表示第i个样本，x是具有d维特征的一个样本，是j簇的中心，也具有d维度，||*||是任意表示距离的度量，模糊c是一个不断迭代计算隶属度和簇中心的过程，直到达到最优，其中：



迭代的终止条件为：



其中k是迭代步数，∈是误差阈值，当达到迭代终止条件时，认为隶属度不变了，已经达到比较优状态了，局部最优或全局最优，该过程收敛于目标J(m)的局部最小值。


3.如权利要求1所述无人机图传信号与热点信号识别方法，其特征在于，所述信号时域上延时相关归一化后进行谱峰搜索进行信号时域延迟相关特征提取和谱峰搜索，具体过程为：
通过对载波信号进行编码，通过发射端调制和接收端解调，用以码元的转译获取信息；
WiFi体制无人机信号与WiFi热点信号这两类信号均采用OFDM信号调制方式，并采用了IEEE802.11a/g的标准协议；这两类信号所传输的信息是不同的，两者编码方式不一致，通过对这两类信号进行时域相关检测完成两类信号的识别；
时域相关检测利用信号自身的强自相关性、信号与噪声的弱相关性的特点，从复杂背...

【专利技术属性】
技术研发人员：朱守中，刘星汉，李明，虞华，刘思意，
申请(专利权)人：湖南红船科技有限公司，
类型：发明
国别省市：湖南;43