[发明专利]一种基于改进AC-WGANs的无人机信号识别检测方法

权利要求书

1.一种基于改进AC-WGANs的无人机信号识别检测方法，其特征在于：包括以下步骤：

S1、采集无人机的无线信号物理层前导码的射频信号，进行起点检测、带通滤波后提取该射频信号的包络信号；

S2、将预处理后得到的包络信号基于改进分段PCA数据降维算法进行降维，降维后的信号分成测试信号和训练信号；

S3、采用AC-WGANs识别检测算法并结合训练信号训练生成模型和判别模型，并根据判别模型对测试信号进行识别；

S4、根据识别结果，改进AC-WGANs识别检测算法；

步骤S2中的所述改进分段PCA数据降维算法具体为：

S21、将每个所述包络信号分为N段，并作为一组输入数据；

S22、将分段的包络信号求均值，然后对于所有输入数据都减去对应的均值；

S23、求出经步骤S22处理得到的输入数据的特征协方差矩阵，并进一步求特征协方差矩阵的特征值和特征向量；

S24将特征值按照从大到小的顺序排序，选择其中较大的k个，k为要降的最终维数，然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵；

S25、将步骤S21的输入数据的样本点投影到选取的特征向量矩阵上，求出降维后的k个数据点；

S26、将一组输入数据的所有分段的包络信号降维后的k个数据点整合为N*k个数据点作为一个信号，并将所有包络信号降维后分为所述训练信号和所述测试信号；所述步骤S3中的AC-WGANs识别检测算法具体为：

S31、将所述训练信号输入所述生成模型和所述判别模型进行训练，并每隔若干次训练后将所述测试信号输入所述判别模型进行识别率检测，寻找合适的训练次数；

S32、将所述测试信号输入所述判别模型中，并人为加入相应噪声，根据识别率判断所述判别模型的识别效果。

2.如权利要求1所述的一种基于改进AC-WGANs的无人机信号识别检测方法，其特征在于：步骤S4中，所述改进AC-WGANs算法的具体步骤为：

S41、根据AC-WGANs的损失函数的特点，生成模型和判别模型的loss不取log；

S42、优化算法采用RMSProp算法；

S43、用所述训练信号训练新的所述生成模型和所述判别模型，并用所述测试信号测试新的所述判别模型的识别效果。