一种多源融合无人机智能探测系统技术方案

本发明专利技术请求保护一种多源融合无人机智能探测系统，射频指纹识别模块用于收集环境中无人机目标的射频信号；无线电探测模块用于探测环境中无人机的无线电信号；雷达探测模块用于通过电磁波对环境中无人机的信号进行扫描；光电图像探测模块用于捕获环境中无人机的图像；信号处理器用于对无人机目标的射频信号、无人机的无线电信号、电磁波对环境中无人机的扫描信号、无人机的目标图像进行信号处理；特征融合模块用于对以上识别结果进行决策层特征融合；通过光电装置始终跟踪目标；无人机智能探测系统模块用于显示信号数据以及处理结果、特征融合结果和无人机追踪与定位的实时数据。本发明专利技术实现无人机准确、有效和可靠探测。有效和可靠探测。有效和可靠探测。

【技术实现步骤摘要】
一种多源融合无人机智能探测系统


[0001]本专利技术涉及无人机探测领域，具体涉及一种多源融合的无人机智能探测系统。

技术介绍

[0002]为了满足在多种复杂情况下无人机的探测需求，无人机的探测技术手段包括射频指纹、无线电、雷达、光电等技术类别。射频指纹识别技术通过射频天线被动探测无人机信号，对射频信号进行相关算法的处理提取出射频指纹识别出无人机具体型号，其有效作用范围可达3km以上，并且大部分场景下都能得到应用，但在多无人机情况下识别准确率不高；无线电探测技术通过无线电侦测设备探测无人机信号，能对无人机信号进行侧向与定位，但该技术易受其他无线电信号的干扰；雷达探测通过发送电磁波并探测从无人机反射的回波来测量无人机的方位，雷达的有效作用范围广，但成本高昂，在探测小型无人机难度较大；光电探测通过采集无人机图像，利用轨迹判别和光流特性识别出无人机目标，但有效作用距离较小，且易受天气影响，在小型无人机方面识别率较低。以上无人机探测识别技术都有其局限性，采用单一技术难以准确、有效和可靠地实现无人机的侦测。
[0003]现有系统旨在提高探测精度与抗干扰能力，在面对多个无人机上效率和识别率仍有不足，同时没有能识别无人机具体型号以及厂商的相关技术，射频指纹技术在这方面较有优势，在生产制造过程中电子硬件产生的差异，最终体现在射频信号上即射频指纹，即使同一批生产的电子硬件也会有所不同，因此采用射频指纹技术能具体识别无人机型号及其厂商，对于多无人机识别上本专利技术采用多源融合，采用射频指纹识别、无线电探测、雷达探测以及光电识别多种识别方法，解决在单一技术上特征识别率低等问题，同时结合多种特征数据集，实现无人机高效可靠的识别。

技术实现思路

[0004]本专利技术旨在解决以上现有技术的问题。提出了一种多源融合无人机智能探测系统。本专利技术的技术方案如下：
[0005]一种多源融合无人机智能探测系统，其包括：射频指纹识别模块、无线电探测模块、雷达探测模块、光电图像探测模块、信号处理器、光电图像信息处理模块、特征融合模块、无人机追踪和定位模块以及无人机智能探测系统模块，其中
[0006]所述射频指纹识别模块用于收集环境中无人机目标的射频信号；
[0007]所述无线电探测模块用于探测环境中无人机的无线电信号；
[0008]所述雷达探测模块用于通过电磁波对环境中无人机的信号进行扫描；
[0009]所述光电图像探测模块用于捕获环境中无人机的图像；
[0010]信号处理器用于对无人机目标的射频信号、无人机的无线电信号、电磁波对环境中无人机的扫描信号、无人机的目标图像进行信号处理，得到无人机射频指纹的识别结果、无人机无线电信号的识别定位结果、无人机雷达探测的识别和定位结果以及所述无人机图像的识别结果；
[0011]所述特征融合模块用于对无人机射频指纹的识别结果、无人机无线电信号的识别定位结果、无人机雷达探测的识别和定位结果以及无人机图像的识别结果进行决策层特征融合；
[0012]无人机追踪与定位模块包括追踪和定位两个模块，在无人机追踪阶段由光电图像探测模块获取的前一帧图像的位置，随后光电装置始终跟踪目标，并跟随无人机转动，在无人机定位阶段以雷达探测为主，无线电探测为辅，雷达探测模块反馈目标的方向、距离和高度，无线电探测反馈目标的方向；
[0013]所述无人机智能探测系统模块用于显示无人机射频信号数据以及处理结果、无线电探测信息数据以及处理结果、雷达探测信息数据以及处理结果、光电图像数据以及处理结果、特征融合结果和无人机追踪与定位的实时数据。
[0014]进一步的，所述信号处理器包括射频信号处理模块、无线电探测信息处理模块、雷达探测信息处理模块，其中，
[0015]所述射频信号处理模块用于对采集的射频信号进行相应的预处理、去噪、特征提取以及识别算法识别无人机，获得所述无人机射频指纹的识别结果；
[0016]所述无线电探测信息处理模块用于对探测形成的无线电信号强度空间分布进行灰度化处理，获取梯度直方图特征，识别目标无人机，获得所述无人机无线电信号的识别和定位结果；
[0017]所述雷达探测信息处理模块用于对电磁波扫描的结果利用小波阈值去噪法进行处理，提取目标微多普勒特征，获得所述无人机雷达探测的识别和定位结果；
[0018]所述光电图像信息处理模块用于对采集的无人机图像进行目标检测，检测到运动目标后利用轨迹判别和光流特性判别筛选出无人机目标，并对无人机目标进行特征识别，获得所述无人机图像的识别结果；
[0019]进一步的，所述射频指纹识别模块具体包括以下步骤：
[0020]S1:射频信号采集装置被动检测2.4GH频段射频信号，生成信号波形图；
[0021]S2:对信号波形进行预处理，使用小波变换对信号连续降采样；
[0022]S3:处理后的信号进入两级检测系统，第一级区分出射频信号还是噪声，分离出的射频信号进入第二级，在第二级中区分射频信号为无人机信号与其他物联网射频信号，对分离出的无人机射频信号进行后续的处理；
[0023]S4:当检测到无人机射频信号时，采用短时傅里叶变换，然后提取特征；
[0024]S5:对提取的特征使用包括KNN、SVM或NN在内的识别算法，与已有的射频指纹数据集相对比，没有在数据集库中的射频信号判定为非法无人机，系统在射频指纹识别模块给出相应提示；
[0025]S6:当进行数据收集工作时，将采集的射频指纹特征存入射频指纹特征库中，以便后续射频指纹识别；
[0026]S7:检测的结果传入多源特征融合模块进行进一步识别。
[0027]进一步的，所述步骤S3两机检测系统的检测步骤具体包括：
[0028]A1.被检测信号输入两级检测系统中；
[0029]A2.第一阶段，检测器采用贝叶斯假设检验来确定捕获的信号是射频信号还是噪声,如果检测到射频信号，则激活第二级检测器；
[0030]A3.第二阶段，检测器决定所捕获的射频信号是来自干扰源还是无人机, 干扰源包括WiFi或蓝牙设备，检测器使用带宽分析和基于调制的特征来进行干扰检测，首先WIFI的带宽明显高于无人机和蓝牙信号，因此可通过带宽识别分离出WIFI信号，多数移动蓝牙设备采用高斯频移键控(GFSK/FSK)调制，在本专利技术中，将使用两个GFSK/FSK调制特性，即频率偏差和符号持续时间，来区分蓝牙信号。因此，如果检测到的射频信号不是来自WiFi或蓝牙干扰源，则假设它是由无人机传输的信号；因此，被检测到的信号传到下一阶段特征提取分类系统来识别无人机。
[0031]进一步的，所述被检测到的信号传到下一阶段特征提取分类系统来识别无人机，具体包括：
[0032]B1.检测到的无人机信号传入特征提取模块进行提取；
[0033]B2.对于射频信号在能量时频域的表示，通过短时傅里叶变换SIFT获取信号的光谱图，如下为光谱图计算公式
[0034][0035]其中，y
T
[n]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源融合无人机智能探测系统，其特征在于，包括：射频指纹识别模块、无线电探测模块、雷达探测模块、光电图像探测模块、信号处理器、光电图像信息处理模块、特征融合模块、无人机追踪和定位模块以及无人机智能探测系统模块，其中所述射频指纹识别模块用于收集环境中无人机目标的射频信号；所述无线电探测模块用于探测环境中无人机的无线电信号；所述雷达探测模块用于通过电磁波对环境中无人机的信号进行扫描；所述光电图像探测模块用于捕获环境中无人机的图像；信号处理器用于对无人机目标的射频信号、无人机的无线电信号、电磁波对环境中无人机的扫描信号、无人机的目标图像进行信号处理，得到无人机射频指纹的识别结果、无人机无线电信号的识别定位结果、无人机雷达探测的识别和定位结果以及所述无人机图像的识别结果；所述特征融合模块用于对无人机射频指纹的识别结果、无人机无线电信号的识别定位结果、无人机雷达探测的识别和定位结果以及无人机图像的识别结果进行决策层特征融合；无人机追踪与定位模块包括追踪和定位两个模块，在无人机追踪阶段由光电图像探测模块获取的前一帧图像的位置，随后光电装置始终跟踪目标，并跟随无人机转动，在无人机定位阶段以雷达探测为主，无线电探测为辅，雷达探测模块反馈目标的方向、距离和高度，无线电探测反馈目标的方向；所述无人机智能探测系统模块用于显示无人机射频信号数据以及处理结果、无线电探测信息数据以及处理结果、雷达探测信息数据以及处理结果、光电图像数据以及处理结果、特征融合结果和无人机追踪与定位的实时数据。2.根据权利要求1所述的一种多源融合无人机智能探测系统，其特征在于，所述信号处理器包括射频信号处理模块、无线电探测信息处理模块、雷达探测信息处理模块，其中，所述射频信号处理模块用于对采集的射频信号进行相应的预处理、去噪、特征提取以及识别算法识别无人机，获得所述无人机射频指纹的识别结果；所述无线电探测信息处理模块用于对探测形成的无线电信号强度空间分布进行灰度化处理，获取梯度直方图特征，识别目标无人机，获得所述无人机无线电信号的识别和定位结果；所述雷达探测信息处理模块用于对电磁波扫描的结果利用小波阈值去噪法进行处理，提取目标微多普勒特征，获得所述无人机雷达探测的识别和定位结果；所述光电图像信息处理模块用于对采集的无人机图像进行目标检测，检测到运动目标后利用轨迹判别和光流特性判别筛选出无人机目标，并对无人机目标进行特征识别，获得所述无人机图像的识别结果。3.根据权利要求1所述的一种多源融合无人机智能探测系统，其特征在于，所述射频指纹识别模块具体包括以下步骤：S1:射频信号采集装置被动检测2.4GH频段射频信号，生成信号波形图；S2:对信号波形进行预处理，使用小波变换对信号连续降采样；S3:处理后的信号进入两级检测系统，第一级区分出射频信号还是噪声，分离出的射频信号进入第二级，在第二级中区分射频信号为无人机信号与其他物联网射频信号，对分离
出的无人机射频信号进行后续的处理；S4:当检测到无人机射频信号时，采用短时傅里叶变换，然后提取特征；S5:对提取的特征使用包括KNN、SVM或NN在内的识别算法，与已有的射频指纹数据集相对比，没有在数据集库中的射频信号判定为非法无人机，系统在射频指纹识别模块给出相应提示；S6:当进行数据收集工作时，将采集的射频指纹特征存入射频指纹特征库中，以便后续射频指纹识别；S7:检测的结果传入多源特征融合模块进行进一步识别。4.根据权利要求3所述的一种多源融合无人机智能探测系统，其特征在于，所述步骤S3两机检测系统的检测步骤具体包括：A1.被检测信号输入两级检测系统中；A2.第一阶段，检测器采用贝叶斯假设检验来确定捕获的信号是射频信号还是噪声,如果检测到射频信号，则激活第二级检测器；A3.第二阶段，检测器决定所捕获的射频信号是来自干扰源还是无人机,干扰源包括WiFi或蓝牙设备，检测器使用带宽分析和基于调制的特征来进行干扰检测，首先WIFI的带宽明显高于无人机和蓝牙信号，因此可通过带宽识别分离出WIFI信号，多数移动蓝牙设备采用高斯频移键控GFSK/FSK调制，使用两个GFSK/FSK调制特性，即频率偏差和符号持续时间，来区分蓝牙信号，因此，如果检测到的射频信号不是来自WiFi或蓝牙干扰源，则假设它是由无人机传输的信号；因此，被检测到的信号传到下一阶段特征提取分类系统来识别无人机。5.根据权利要求4所述的一种多源融合无人机智能探测系统，其特征在于，所述被检测到的信号传到下一阶段特征提取分类系统来识别无人机，具体包括：B1.检测到的无人机信号传入特征提取模块进行提取；B2.对于射频信号在能量时频域的表示，通过短时傅里叶变换SIFT获取信号的光谱图，如下为光谱图计算公式其中，y
T
[n]是检测系统捕获的预处理信号，m是离散时间，ω是频率，k是离散变量，ω[n]是作为滤波器的滑动窗口函数；B3.获取的光谱图中通过沿时间轴取最大能量值，计算出能量轨迹，通过寻找归一化能量轨迹的均值或方差的最大突变来估计能量瞬态，能量瞬态特性定义了信号在能量域内的瞬态特性；B4.检测到能量瞬态，选择权重较高的特征值提取出射频指纹，这些射频指纹是表征能量瞬态的统计...

【专利技术属性】
技术研发人员：多滨，王豪，罗俊松，
申请(专利权)人：成都天纵元航智能科技有限公司，
类型：发明
国别省市：