[发明专利]无人机图传信号制式的识别方法、装置、设备及存储介质在审
申请号: | 202010321772.0 | 申请日: | 2020-04-22 |
公开(公告)号: | CN111474955A | 公开(公告)日: | 2020-07-31 |
发明(设计)人: | 刘鑫;姜化京;李翰 | 申请(专利权)人: | 上海特金信息科技有限公司 |
主分类号: | G05D1/10 | 分类号: | G05D1/10;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 上海慧晗知识产权代理事务所(普通合伙) 31343 | 代理人: | 李茂林;邵晓丽 |
地址: | 201203 上海市浦东新区中国(上海)自*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 无人机 信号 制式 识别 方法 装置 设备 存储 介质 | ||
1.一种无人机图传信号制式的识别方法,应用于控制端,其特征在于,包括:
获取监控区内目标频段的待识别频谱瀑布图数据集,所述目标频段为待识别无人机传输图传信号的工作频段;
利用识别模型对所述待识别频谱瀑布图数据集进行识别,确定所述监控区的空情信息;
所述空情信息包括所述待识别无人机的图传信号制式信息。
2.根据权利要求1所述的方法,其特征在于,所述识别模型是所述控制端或其他设备经过以下过程训练确定的:
针对多种已知图传信号制式信息的训练用无人机,获取训练时无线信号,所述训练时无线信号是所述训练用无人机在指定空域传输图传信号时,不同空间位置的传感器在同一采样时间段监测的所述目标频段的无线信号,所述无线信号包含所述训练用无人机所传输的图传信号;
确定所述无线信号在每一采样时刻的瞬时频谱;
对所述瞬时频谱进行离散化处理,确定所述训练用无人机的频谱瀑布图数据集;
确定第一类训练样本集,所述第一类训练样本集包括所述训练用无人机的频谱瀑布图数据集及其被标定的图传信号制式信息;
利用所述第一类训练样本集,训练所述识别模型。
3.根据权利要求2所述的方法,其特征在于,所述空情信息还包括:用于表征对应空域没有图传信号被传输的无图传信号标识;
所述识别模型的训练过程还包括:
获取所述指定空域没有图传信号被传输时,不同空间位置的传感器在同一采样时间段监测的所述目标频段的无线背景信号;
确定所述无线背景信号在每一采样时刻的瞬时频谱;
对所述瞬时频谱进行离散化处理,确定所述指定空域没有图传信号传输时的频谱瀑布图数据集;
确定第二类训练样本集,所述第二类训练样本集包括所述没有图传信号传输时的频谱瀑布图数据集及其被标定的无图传信号标识;
利用所述第二类训练样本集,训练所述识别模型。
4.根据权利要求2所述的方法,其特征在于,所述无线信号还包括干扰源信号。
5.根据权利要求1-4任意一项所述的方法,其特征在于,获取监控区内目标频段的待识别频谱瀑布图数据集,包括:
确定不同空间位置的传感器在同一采样时间段监测的所述监控区内所述目标频段的待识别无线信号;
确定所述待识别无线信号在每一采样时刻的瞬时频谱;
对所述瞬时频谱进行离散化处理,确定所述监控区内目标频段的待识别频谱瀑布图数据集。
6.根据权利要求1-4任意一项所述的方法,其特征在于,所述识别模型采用卷积神经网络模型。
7.根据权利要求6所述的方法,其特征在于,所述卷积神经网络模型依次包括:输入层、第一卷积层、第二卷积层、第一池化层、第三卷积层、第二池化层、第一全连接层、第二全连接层以及输出层;
所述第一卷积层、所述第二卷积层、所述第三卷积层均包含有激活函数。
8.根据权利要求1-4任意一项所述的方法,其特征在于,还包括,根据确定的所述待识别无人机的图传信号制式信息,确定所述待识别无人机的类型。
9.一种无人机图传信号制式的识别装置,其特征在于,包括:
数据获取模块,用于获取监控区内目标频段的待识别频谱瀑布图数据集,所述目标频段为待识别无人机传输图传信号的工作频段;
识别模块,用于利用识别模型对所述待识别频谱瀑布图数据集进行识别,确定所述监控区的空情信息;
所述空情信息包括所述待识别无人机的图传信号制式信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海特金信息科技有限公司,未经上海特金信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010321772.0/1.html,转载请声明来源钻瓜专利网。