[發明專利]一種低復雜度無人機調制方式盲識別及其反制方法、系統

有效

• 申請號: 202010433690.5
• 申請日: 2020-05-20
• 公開（公告）號: CN111795611B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 白迪;崔勇強
• 申請（專利權）人: 中南民族大學
• 主分類號: F41H11/02
• 分類號: F41H11/02;G06N3/04
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 易濱

本發明公開了一種低復雜度無人機調制方式盲識別及其反制方法、系統，其中所述的盲識別及反制方法，具體是通過構建一維IQ數據向量，在將所述一維IQ數據向量輸入至訓練好的深度學習模型進行預測后，對其通信鏈路層所使用的調制方式進行識別，最后基于識別結果，再生優化干擾波形，對目標無人機信號進行綠色、安全的小功率靈巧干擾。上述實施過程降低了數據量，可以較低的復雜度從原始IQ數據中獲取無人機通信鏈路層調制類型的特征，并且利用構建的神經網絡模型對特征進行訓練學習，即可盲識別無人機通信鏈路所使用的調制方式；且，網絡模型由原先的二維CNN網絡設計成一維CNN網絡，縮減了網絡復雜度，在降低實施的復雜度的情況下，提高了識別效率。

技術領域

本發明屬于無人機反制技術領域，具體涉及一種低復雜度無人機調制方式盲識別及其反制方法、系統。

背景技術

近幾年來，無人機產業持續快速增長，從2014年至2018年，全球旋翼無人機市場規模每年增長20％左右，在各大電商平臺及商場內，人們最少花費兩千元左右，即可購買一臺到手即飛、具備航拍等功能的無人機。然而，當無人機入門門檻不斷降低時，無人機“黑飛”事件卻呈高發態勢。無人機未經許可進入機場空域、公共場地及敏感區域時，會存在危害公共安全及國家安全的風險。

目前無人機反制手段中大功率電磁壓制干擾效率低、次生災害嚴重已不是最優選擇，取而代之的是產生與目標信號調制類型一致的小功率干擾信號對其進行有的放矢的靈巧干擾。

無人機調制類型的盲識別是一個關鍵技術，目前傳統的基于數理統計的調制方式盲識別方法具有較高的數學運算過程、工程實踐復雜度加高；基于深度學習的調制類型識別多采用星座圖和眼圖識別方法，其本質屬于圖像處理技術，圖像的數據量大，導致神經網絡的訓練參數增多，大大增加了實際的工程部署的難度。

發明內容

本發明要解決的技術問題在于，針對現有技術多采用圖像處理技術，導致神經網絡的訓練參數增多的缺陷，提供一種低復雜度無人機調制方式盲識別及其反制方法、系統。

本發明解決其技術問題所采用的技術方案是：構造一種低復雜度無人機調制方式盲識別方法，包括以下步驟：

S1、接收監測無人機與用于遙控所述無人機的遙控設備之間的通信信號；

S2、對接收到的通信信號進行時域預處理后，根據預設的向量長度k，構建時域一維IQ數據向量s，并對所述時域一維IQ數據向量進行歸一化處理；其中：

s＝{s₁,s₂,s₃,s₄,…s_k-1,s_k}；

s_i表示時域IQ數據，i＝{1,2,…,k}；

S3、搭建用于對調制類型結果進行盲識別的神經網絡模型，并基于歸一化處理后的向量s來構建訓練數據集；將所述訓練數據集輸入到所述神經網絡模型進行模型訓練，在網絡損失函數收斂時，得到調制類型盲識別神經網絡模型；其中：

所述調制類型盲識別神經網絡模型包括由多層一維CNN網絡構成的CNN網絡層、以及連接到CNN網絡層的全連接網絡層；

在構建訓練數據集的時候，按照下述公式取出歸一化處理后的向量s的實部和虛部，并對向量s的實部和虛部求倒置，得到k行2列的矩陣S；以矩陣S為對象構建訓練數據集：

S4、基于所述調制類型盲識別神經網絡模型對頻譜檢測設備監測到的通信信號進行預測，得到調制類型盲識別結果。

本發明公開的基于上述的低復雜度無人機調制方式盲識別方法實現對目標無人機的反制方法，包括：