[发明专利]一种基于无人机遥控信号的信噪比评估方法及装置

权利要求书

1.一种基于无人机遥控信号的信噪比评估方法，其特征在于，包括：

获取待评估的无人机遥控信号，作为待评估信号；

将所述待评估信号输入至预先建立的神经网络模型，得到待评估信号的预测信噪比；

其中，建立所述神经网络模型的过程包括：

获取待训练的无人机遥控信号，作为样本信号；

将所述样本信号输入至预设结构的神经网络中，所述神经网络包括顺次连接的双层卷积神经网络和双层长短时记忆网络；

通过所述双层卷积神经网络，提取所述样本信号的空间结构特征；

通过所述双层长短时记忆网络，提取所述空间结构特征的时域特征；

基于所述时域特征进行信噪比预测，得到预测信噪比；

基于所述预测信噪比与预先记录的真实信噪比的对比结果，判断所述神经网络模型的损失值函数是否收敛，若不是，则对所述神经网络中的参数进行调整，并返回所述将所述样本信号输入至预设结构的神经网络中的步骤；若是，则训练完成，得到神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述待评估的无人机遥控信号包括：仿真的无人机遥控信号和/或实际采集的无人机遥控信号；

所述获取待训练的无人机遥控信号，作为样本信号，包括：对无人机遥控信号进行仿真，得到不同信噪比下的无人机遥控仿真信号，作为样本信号。

3.根据权利要求1所述的方法，其特征在于，所述将所述待评估信号输入至预先建立的神经网络模型，得到待评估信号的预测信噪比，包括：

将所述待评估信号拆分为预设长度的短序列；

通过矩阵变换算法将所述预设长度的短序列变换为二维评估信号；

将所述二维评估信号输入至预先建立的神经网络模型，得到待评估信号的预测信噪比。

4.根据权利要求1所述的方法，其特征在于，所述样本信号为：通过仿真得到的无人机遥控信号；所述将所述样本信号输入至预设结构的神经网络中，包括：

将所述样本信号拆分为预设长度的短序列；

通过矩阵变换算法将所述预设长度的短序列变换为二维样本信号；

将所述二维样本信号输入至预设结构的神经网络中。

5.根据权利要求1所述的方法，其特征在于，所述通过所述双层卷积神经网络，提取所述样本信号的空间结构特征，包括：

利用如下算式，得到所述空间结构特征：

其中，X为所述双层卷积神经网络输入的矩阵，W为神经网络的卷积核，i表示元素的横坐标，j表示元素的纵坐标，b为卷积神经网络对应的偏置值，X_k为所述双层卷积神经网络输入的第k个矩阵，W_k为神经网络中卷积核的第k个子卷积核矩阵，n_in表示输入矩阵的总数，S[i，j]为空间结构特征矩阵中对应位置元素的值。

6.根据权利要求1所述的方法，其特征在于，所述通过所述双层长短时记忆网络，提取所述空间结构特征的时域特征，包括：

利用如下算式，得到所述时域特征：

其中，f_t表示长短时记忆网络的遗忘门限，i_t表示输入门限，o_t表示输出门限，C_t表示t时刻神经元状态，表示t-1时刻神经元状态，C_t-1表示t-1时刻输入的特征，h_t表示t时刻神经元输出的特征，h_t-1表示t-1刻神经元输出的特征，W表示权重矩阵，b表示偏置值，x_t表示长短时记忆网络的输入矩阵。

7.根据权利要求1所述的方法，其特征在于，所述损失值函数为：

其中，loss表示损失值函数，k是输出矩阵中信噪比预测值的个数，K代表模型训练样本总数，snr_i为真实信噪比，snr_{i_predict}为预测信噪比。

8.一种基于无人机遥控信号的信噪比评估装置，其特征在于，包括：

第一获取模块，用于获取待评估的无人机遥控信号，作为待评估信号；

第一预测模块，用于将所述待评估信号输入至预先建立的神经网络模型，得到待评估信号的预测信噪比；

第二获取模块，用于获取待训练的无人机遥控信号，作为样本信号；

输入模块，用于将所述样本信号输入至预设结构的神经网络中，所述神经网络包括顺次连接的双层卷积神经网络和双层长短时记忆网络；

第一提取模块，用于通过所述双层卷积神经网络，提取所述样本信号的空间结构特征；

第二提取模块，用于通过所述双层长短时记忆网络，提取所述空间结构特征的时域特征；

第二预测模块，用于基于所述时域特征进行信噪比预测，得到预测信噪比；

更新模块，用于基于所述预测信噪比与预先记录的真实信噪比的对比结果，判断所述神经网络模型的损失值函数是否收敛，若不是，则对所述神经网络中的参数进行调整，并返回所述输入模块；若是，则训练完成，得到神经网络模型。