[发明专利]一种无人机数据链电磁干扰效应评估方法及系统

权利要求书

1.一种无人机数据链电磁干扰效应评估方法，其特征在于，包括：

获取待训练无人机数据链的数据集，所述数据集包括：电磁干扰时频谱图、数据链性能参数直方图和在电磁干扰下的实际干扰性能等级；

根据所述待训练无人机数据链的数据集采用SSA算法对双通道卷积神经网络的超参数进行调优得到SSA-DCNN模型；

根据所述待训练无人机数据链的数据集对所述SSA-DCNN模型进行训练得到SSA-DCNN预测模型，所述SSA-DCNN预测模型用于确定无人机数据链在电磁干扰下的实际干扰性能等级。

2.根据权利要求1所述的一种无人机数据链电磁干扰效应评估方法，其特征在于，所述获取待训练无人机数据链的数据集，具体包括：

获取待训练无人机数据链的电磁信号的IQ数据、性能参数和在电磁干扰下的实际干扰性能等级，所述性能参数包括信号增益控制、信噪比和比特误码率；

根据所述电磁信号的IQ数据得到电磁干扰时频谱图；

根据所述性能参数得到数据链性能参数直方图。

3.根据权利要求1所述的一种无人机数据链电磁干扰效应评估方法，其特征在于，所述双通道卷积神经网络包括：依次连接的卷积网络、相加层、第三全连接层和回归层；所述卷积网络包括第一卷积模块和第二卷积模块；所述第一卷积模块包括依次连接的第一卷积层、第一最大池化层、第三卷积层、第一RELU激活函数和第一全连接层；所述第二卷积模块包括依次连接的第二卷积层、第一最大池化层、第四卷积层、第二RELU激活函数和第二全连接层；所述第一全连接层和所述第二全连接层均与所述相加层连接。

4.根据权利要求1所述的一种无人机数据链电磁干扰效应评估方法，其特征在于，所述根据所述待训练无人机数据链的数据集采用SSA算法对双通道卷积神经网络的超参数进行调优得到SSA-DCNN模型具体包括：

将所述电磁干扰时频谱图输入所述双通道卷积神经网络的第一卷积层，将所述数据链性能参数直方图输入双通道卷积神经网络的第二卷积层，得到测试干扰性能等级；

以测试干扰性能等级和在电磁干扰下的实际干扰性能等级的均方根误差最小为目标，采用SSA算法对所述双通道卷积神经网络的超参数进行调优得到SSA-DCNN模型。

5.一种无人机数据链电磁干扰效应评估系统，其特征在于，包括：

获取模块，用于获取待训练无人机数据链的数据集，所述数据集包括：电磁干扰时频谱图、数据链性能参数直方图和在电磁干扰下的实际干扰性能等级；

超参数调整模块，用于根据所述待训练无人机数据链的数据集采用SSA算法对双通道卷积神经网络的超参数进行调优得到SSA-DCNN模型；

训练模块，用于根据所述待训练无人机数据链的数据集对所述SSA-DCNN模型进行训练得到SSA-DCNN预测模型，所述SSA-DCNN预测模型用于确定无人机数据链在电磁干扰下的实际干扰性能等级。

6.根据权利要求5所述的一种无人机数据链电磁干扰效应评估系统，其特征在于，所述获取模块具体包括：

获取单元，用于获取待训练无人机数据链的电磁信号的IQ数据、性能参数和在电磁干扰下的实际干扰性能等级，所述性能参数包括信号增益控制、信噪比和比特误码率；

时频谱图确定单元，用于根据所述电磁信号的IQ数据得到电磁干扰时频谱图；

直方图确定单元，用于根据所述性能参数得到数据链性能参数直方图。

7.根据权利要求5所述的一种无人机数据链电磁干扰效应评估系统，其特征在于，所述双通道卷积神经网络包括：依次连接的卷积网络、相加层、第三全连接层和回归层；所述卷积网络包括第一卷积模块和第二卷积模块；所述第一卷积模块包括依次连接的第一卷积层、第一最大池化层、第三卷积层、第一RELU激活函数和第一全连接层；所述第二卷积模块包括依次连接的第二卷积层、第一最大池化层、第四卷积层、第二RELU激活函数和第二全连接层；所述第一全连接层和所述第二全连接层均与所述相加层连接。

8.根据权利要求5所述的一种无人机数据链电磁干扰效应评估系统，其特征在于，所述超参数调整模块，具体包括：

初始化单元，用于将所述电磁干扰时频谱图输入所述双通道卷积神经网络的第一卷积层，将所述数据链性能参数直方图输入双通道卷积神经网络的第二卷积层，得到测试干扰性能等级；

超参数调整单元，用于以测试干扰性能等级和在电磁干扰下的实际干扰性能等级的均方根误差最小为目标，采用SSA算法对所述双通道卷积神经网络的超参数进行调优得到SSA-DCNN模型。