[发明专利]一种基于无监督生成对抗网络的非法无人机检测方法

权利要求书

1.一种基于无监督生成对抗网络的非法无人机检测方法，其特征在于：获取无人机电磁信号，通过时频分析功能提取无人机电磁信号中的时频特征，将无人机电磁信号转换成时频图；

利用无监督生成对抗网络学习正常情况下无人机时频图的数据分布情况，最终获取生成器G，所述的生成器G用于输出生成图像，所述的生成图像为输入图像对应的正常无干扰工况下的图像；

通过将待测数据的图像与生成图像对比，进而判定待测的时频图对应的无人机电磁信号是否存在非法干扰信号。

2.如权利要求1所述的一种基于无监督生成对抗网络的非法无人机检测方法，其特征在于：所述的合法无人机使用具有随机载频的BPSK信号形式与地面的基础设施进行有效通信；所述的非法无人机采用的信号干扰方式包括扫频干扰闭和脉冲干扰。

3.如权利要求2所述的一种基于无监督生成对抗网络的非法无人机检测方法，其特征在于：将无人机电磁信号转换成时频图的方式为：通过监测设备对接收到的电磁信号采用时频分析函数伪平滑WV分布提取时频特征，其定义如下式所示：

式中，s(t)为一个非平稳随机信号，s^*表示复共轭；t是时域变量，f是频域变量，τ是时差变量；h(τ)和g(u-t)是实对称窗函数，h(τ)允许对平行于频率轴振荡的干扰项进行平滑，g(u-t)允许对与时间轴平行振荡的干扰项进行平滑；

将提取得到的视频数据转换成图像形成时频图。

4.如权利要求1所述的一种基于无监督生成对抗网络的非法无人机检测方法，其特征在于：对正常数据的无监督学习包括训练阶段和测试阶段，在训练阶段，将正常无人机通信使用的BPSK数据转换成的时频图作为生成对抗网络GAN训练数据，在GAN训练完成后，获得生成器G；在测试阶段，固定网络中的参数不变，将待分析的测试样本和随机变量z作为生成器G的输入，通过和反向传播算法逐渐优化变量z，从而找到最优的使得和生成图像最相似。

5.如权利要求4所述的一种基于无监督生成对抗网络的非法无人机检测方法，其特征在于：随机变量z的最优值的获取方式如下：随机从潜变量空间Z中选取一个值z₁，并作为生成器G的输入得到G(z₁)，在生成的图像G(z₁)的基础上，定义损失函数，所述的损失函数用于为更新z₁的系数提供梯度，从而更新了潜在空间中z₂的位置；为了找到最相似的图像通过反向传播算法依次迭代，逐渐在潜变量空间Z中通过更新变量z；

所述的损失函数可分为残差损失和鉴别器损失；所述的残差损失用于描述生成测试图和生成图像G(z_γ)之间的视觉差异，定义如下所示：

式中，为残差损失，G(z_Γ)为输入z_Γ时训练好的生成器G的输出，为测试样本；

在假设生成器G和潜变量空间完美映射的情况下，当输入为理想的正常数据的情况下，图像和图像是相同的，此时残差损失为零；

所述的鉴别器损失的定义如下：

式中，为鉴别器损失；使用鉴别器的中间层f(·)的输出来指定输入图像的统计量；f(·)含义为利用训练的鉴别器作为特征提取器，而不是分类器；

加权后，损失函数定义式如下：

式中，为损失函数，λ为0到1之间的系数，为残差损失，为鉴别器损失；

在测试过程中训练好的GAN的内部参数固定不动。

6.如权利要求5所述的一种基于无监督生成对抗网络的非法无人机检测方法，其特征在于：对新数据进行干扰信号识别过程如下：将待测时频图和随机变量最优值输入至训练后的生成器G中，如果待测时频图与生成图相同时，判定待测时频图为无干扰正常图像；如果待测时频图与生成图存在差异时，则判定测时频图为存在干扰的非正常图像。