[发明专利]多无人机协同信号识别方法及识别系统

说明书

本发明公开了一种多无人机协同信号识别方法及识别系统，所述方法包括如下步骤：调制信号识别深度网络训练：基于历史收集的经过标注的调制信号数据集，采用深度神经网络架构，在地面控制站的边缘计算单元训练得到自动调制识别深度网络；深度网络分割与参数加载：地面控制站的网络分割单元根据参与协同调制识别的无人机数量，对训练得到的自动调制识别深度网络的计算任务进行分割，并将分割得到的计算任务和参数加载到每架无人机上；无人机协同调制信号识别与回传；深度网络更新：地面控制站的边缘计算单元利用标注的样本进行自动调制识别深度网络的参数更新，供下次任务执行使用。所述方法及系统具有实时性强、环境适应性好且识别精度高等优点。

技术领域

本发明涉及网络数据通信方法及系统技术领域，尤其涉及一种多无人机协同信号识别方法及系统。

背景技术

在日益复杂的电磁环境下，进行有效的调制信号识别是理解用频环境的重要前提，也是进行有效频谱管理和利用的基础。在远海、岛礁、山地等复杂地形下，基于无人机平台的调制信号识别具有部署快、成本低、机动性好等优势。但是，单架无人机有限的载荷、计算能力、传输带宽和传输距离，使其难以独立完成特定区域调制信号识别的任务。为此，需要多架装载了边缘计算单元的无人机进行协同，共同运行计算复杂度较高的面向调制识别的深度神经网络，实现从信号识别任务区域到地面控制站的端到端识别与连接。

当前，无人机边缘计算期望将无人机作为边缘计算节点，为地面设备提供计算、传输和数据缓存服务。例如：中国发明专利申请“蜂窝网联下多无人机协同移动边缘计算系统资源分配方法”（申请号：201811144945.5，公开号：CN 109067490 A，公开日：2018年12月21日），提出了一种蜂窝网联下多无人机协同移动边缘计算系统资源分配方法，以降低无人机节点的能量消耗；中国发明专利申请“基于双层无人机的移动边缘计算系统的卸载任务分配方法”（申请号：201910525775.3，公开号：CN 110336861 A，公开日：2019年10月15日），采用博弈理论，提出了一种适用高空和低空无人机边缘计算系统的卸载任务分配方法；中国发明专利申请“最大化多无人机架构收益的方法”（申请号：202010566129.4，公开号：CN111884829 A，公开日：2020年11月3日），通过权衡用户的体验质量和运营商的运营成本，采用多维混合自适应粒子群算法最大化多无人机架构收益。但是，当前工作主要集中于传输和计算资源分配，或者架构设计，没有涉及无人机协作进行信号识别的场景。

自动调制识别(Automatic Modulation Recognition, AMR)是非合作通信场景下，实现高效频谱感知、频谱理解和频谱利用的重要前提。传统AMR方法可以分为两类：基于决策理论的似然性方法和基于统计理论的特征提取方法。基于决策理论的似然性方法在分析待识别信号统计特性的基础上，利用概率论、贝叶斯理论计算出信号的似然函数，通过比较通过似然函数得到的检验统计量，实现调制方式的识别。基于统计理论的特征提取方法通过选定特征对信号进行特征提取，然后利用训练好的分类器进行调制识别。但是，这两类方法的精度都严重依赖手工特征提取，以及关于信号的先验知识。