WIFI干扰下无人机图传信号的射频识别方法技术

WIFI干扰下无人机图传信号的射频识别方法，包括：由接收机获取无人机发送的图传信号的数据，该数据中可能混有WIFI信号；将图传信号的数据进行带宽处理；当WIFI信号与图传信号的带宽不同时，先将所获得的图传信号进行FFT变换到频域，经过EMD去噪得到频谱图，再将去噪后的频谱图经过自适应算法估计底噪值，根据底噪值与功率谱设置阈值，大于阈值置1，小于阈值置零，将二值频谱图经过归一化斜度滑动窗，根据脉冲个数估计信号的个数，根据脉冲距离估计信号的带宽与中心频率，若脉冲个数小于0则没有信号，进行下一轮循环；当WIFI信号与图传信号的带宽相同时，提取各信号的特征值，结合机器学习算法来识别图传信号，利用随机森林分类器对信号进行分类。器对信号进行分类。器对信号进行分类。

【技术实现步骤摘要】
WIFI干扰下无人机图传信号的射频识别方法


[0001]本专利技术涉及一种无人机图传信号的识别方法，更具体地涉及一种WIFI干扰下无人机图传信号的射频识别方法。

技术介绍

[0002]随着无人机在民用与军事领域的应用持续快速增长，无人机干扰机场、拍摄隐私、炸弹袭击等事件数见不鲜，这一系列“黑飞”引起的事故告诫人们，对“黑飞”的管制迫在眉睫。现有的无人机探测方法有：雷达探测、声波探测、视频探测与射频探测。雷达探测功耗大，非全天候，且对“低小慢”目标截获概率小，声波探测距离短。视频探测受天气、鸟类等影响。射频探测可以克服以上的限制，距离适中，不受“低小慢”、天气等影响。
[0003]目前本领域对无人机信号的射频识别主要有三种方法。第一种方法是识别无人机遥控信号，通过提取遥控信号的跳频周期、跳变时刻、跳频频率等参数来判断该信号是否为无人机的遥控信号，例如通过提取无人机遥控信号的多个特征参数组成的特征向量，训练分类器，区分不同的无人机遥控信号。然而对于某些无人机，当其不飞行时，遥控器依然可以发射出遥控信号，这种方法容易引发错误的警报。第二种方法是识别无人机的MAC地址(Media Access Control Address，媒体存取控制位址)，它通过提取WIFI(Wireless Fidelity，无线网络技术)无人机发射信号的MAC地址确定是否是无人机，但大部分无人机都不是利用WIFI通信，且不容易建立完整的MAC地址数据库，该方法具有局限性。第三种方法是识别无人机的图传信号，该方法通过检测无人机图传信号的特征识别无人机，例如通过计算接收到信号的带宽来确定是否是有图传信号，或者提出利用四阶累积量来区分图传信号和其他调制的单载波信号，或通过图传信号频谱的滑动峭度、滑动偏度及滑动斜度作为特征，结合机器学习识别图传信号。以上方法推动了图传信号的研究，但是当存在WIFI信号时，由于WIFI信号也是OFDM(Orthogonal frequency
‑
division multiplexing，正交频分复用)信号，同时WIFI信号和无人机的图传信号在频段、带宽以及制式上极其相似，所以上述方法不能使用。
[0004]此外，本领域还提出以下方法，例如对接收到的信号做自相关来区分WIFI和图传信号，利用子载波个数来区分WIFI和图传信号，利用通用软件无线电外设平台USRP B210作为接收机，根据WIFI与图传包络不同作为特征值，利用对抗神经网络模型(Auxiliary Classifier Generative Adversarial Networks AC
‑
WGANs)识别WIFI与图传。上述方法从理论上比较图传与WIFI，可以很好的区分WIFI与图传。然而，由于WIFI与图传都工作在2.4GHz与5.8GHz的ISM频段(IndustrialScientificMedical Band，工业、科学、医学频段)，因此在实际环境中，图传与WIFI往往是相互叠加，使得当存在WIFI干扰时，以上方法都不能很好的识别无人机图传信号。
[0005]因此，本领域存在着对能够在WIFI干扰下有效地对无人机的图传信号进行射频识别的方法的迫切需要。

技术实现思路

[0006]为了克服上述现有技术的缺点，以及解决针对民用无人机应用在环境中的WIFI干扰会影响图传信号的识别这一问题，本专利技术的目的在于提供一种WIFI干扰下无人机图传信号的射频识别方法。
[0007]根据本专利技术的一个实施方式提供了一种WIFI干扰下无人机图传信号的射频识别方法，该方法将带宽及机器学习结合进行射频识别。具体地，当WIFI信号与图传带宽不同时，提出先频谱二值化，后滑动窗斜度求带宽的方法识别无人机图传信号。当带宽相同时，提取WIFI与图传信号时、频域等多个特征值作为分类器的输入，结合机器学习算法中的支持向量机(SVM)、决策树(DT)、神经网络(NN)及随机森林(RandF)中的任一种识别图传信号。所述方法可以在WIFI干扰下识别无人机图传信号，且采用随机森林方法效果最好，识别率为100％。
[0008]根据本专利技术的一个实施方式提供了一种WIFI干扰下无人机图传信号的射频识别方法，其特征在于，该方法包括以下步骤：步骤一，通过接收机获取由无人机发送的图传信号的数据，该数据中可能混有WIFI信号；步骤二，将所获取的图传信号的数据进行带宽处理；步骤三，当WIFI信号与图传信号的带宽不同时，先将所获得的图传信号进行FFT变换到频域，然后经过经验模态分解EMD去噪得到频谱图，接着将去噪后的频谱图经过自适应算法估计底噪值，根据底噪值与功率谱设置阈值，大于阈值置1，小于阈值置零，将二值频谱图经过归一化斜度滑动窗，根据脉冲的个数估计信号的个数，若脉冲个数为0，则证明此时没有信号，进行下一轮循环，若脉冲个数不为0，根据脉冲的距离估计信号的带宽与中心频率；步骤四，当WIFI信号与图传信号的带宽相同时，提取WIFI信号、图传信号以及混合信号的时、频域的30个统计值及一个子载波数作为特征值，总共31个特征值，结合机器学习算法中的支持向量机(SVM)、决策树(DT)、神经网络(NN)及随机森林(RandF)中的任一种来识别无人机图传信号，经过多次试验，依次减少特征参数的个数，重新训练分类器并进行分类，在不降低分类准确率的前提下，得到最少的特征参数组成的特征向量，从而剔除掉冗余的特征参数，最终得到重要的特征参数，将该重要的特征参数作为特征向量，利用随机森林分类器对所述WIFI信号、图传信号以及混合信号进行分类从而识别出图传信号。
[0009]可选地，根据本专利技术的另一个实施方式，所述步骤三还包括：
[0010]将所述获取的图传信号进行FFT变换到频域后，使用EMD去除接收功率谱噪声，其中假设所采集到的图传信号在FFT变换之后的功率谱函数为s(f)，f是信号频率，所述EMD去噪方法是将FFT变换后的图传信号分解为许多的窄带分量，每一分量被称为本征模态函数(Intrinsic Mode Function，IMF)，分解结果由若干本征模态函数和一个残余信号组成，即
[0011][0012]其中imf
i
是第i个IMF，f是频率，r
n
(t)是残余信号，接着去除前三阶IMF，由四阶IMF与残余信号构成滤波后的信号为
[0013][0014]将以上公式(2)滤波后的功率值求均值，再将功率高于该均值的频点的对应功率值设为该均值，重复上述过程，直至前后2次均值的差小于某个定值时停止，最后一次均值便是估计的底噪值；
[0015]根据所述底噪值与功率谱设置阈值，大于阈值置1，小于阈值置零，当图传信号与WIFI信号在频域交叠时，通过阈值的设定便可以去除WIFI信号。
[0016]可选地，根据本专利技术的另一个实施方式，所述步骤三还包括：
[0017]进行带宽补偿以防止所述阈值设定不当导致有信号的地方置零，若所述二值频谱图中两段间隔小于总点数的百分之一，则认为是同一个信号，补偿1；
...

【技术保护点】

【技术特征摘要】
1.一种WIFI干扰下无人机图传信号的射频识别方法，其特征在于，该方法包括以下步骤：步骤一，通过接收机获取由无人机发送的图传信号的数据，该数据中可能混有WIFI信号；步骤二，将所获取的图传信号的数据进行带宽处理；步骤三，当WIFI信号与图传信号的带宽不同时，先将所获得的图传信号进行FFT变换到频域，然后经过经验模态分解EMD去噪得到频谱图，接着将去噪后的频谱图经过自适应算法估计底噪值，根据底噪值与功率谱设置阈值，大于阈值置1，小于阈值置零，将二值频谱图经过归一化斜度滑动窗，根据脉冲的个数估计信号的个数，若脉冲个数为0，则证明此时没有信号，进行下一轮循环，若脉冲个数不为0，根据脉冲的距离估计信号的带宽与中心频率；步骤四，当WIFI信号与图传信号的带宽相同时，提取WIFI信号、图传信号以及混合信号的时、频域的30个统计值及1个子载波数作为特征值，总共31个特征值，结合机器学习算法中的支持向量机(SVM)、决策树(DT)、神经网络(NN)及随机森林(RandF)中的任一种来识别无人机图传信号，经过多次试验，依次减少特征参数的个数，重新训练分类器并进行分类，在不降低分类准确率的前提下，得到最少的特征参数组成的特征向量，从而剔除掉冗余的特征参数，最终得到重要的特征参数，将该重要的特征参数作为特征向量，利用随机森林分类器对所述WIFI信号、图传信号以及混合信号进行分类从而识别出图传信号。2.根据权利要求1所述的WIFI干扰下图传信号的射频识别方法，其特征在于，所述步骤三还包括：将所述获取的图传信号进行FFT变换到频域后，使用EMD去除接收功率谱噪声，其中假设所采集到的图传信号在FFT变换之后的功率谱函数为s(f)，f是信号频率，所述经验模态分解EMD去噪方法是将FFT变换之后的图传信号分解为许多的窄带分量，每一分量被称为本征模态函数IMF，分解结果由若干本征模态函数和一个残余信号组成，即其中imf
i
是第i个IMF，f是频率，r
n
(t)是残余信号...

【专利技术属性】
技术研发人员：谢树果，杨美玲，张娴，左铭，王崇钢，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：