[發(fā)明專利]基于多特征融合的ADS-B微弱信號(hào)檢測(cè)裝置及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010629775.0
• 申請(qǐng)日: 2020-07-03
• 公開(kāi)（公告）號(hào): CN111951611A
• 公開(kāi)（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 楊陽(yáng);王海波;曹東;趙楊;劉林巖;盧德勇;李保山
• 申請(qǐng)（專利權(quán)）人: 中國(guó)空氣動(dòng)力研究與發(fā)展中心計(jì)算空氣動(dòng)力研究所
• 主分類號(hào): G08G5/00
• 分類號(hào): G08G5/00;G06K9/62
• 代理公司: 成都九鼎天元知識(shí)產(chǎn)權(quán)代理有限公司 51214
• 代理人: 孫杰

1.一種基于多特征融合的ADS-B微弱信號(hào)檢測(cè)裝置，其特征在于，包括依次連接的信號(hào)獲取模塊、特征提取模塊和信號(hào)檢測(cè)模塊；

所述信號(hào)獲取模塊用于獲取待檢測(cè)的周期性廣播ADS-B脈沖信號(hào)，并將其劃分為信號(hào)段和噪聲段；

所述特征提取模塊用于提取信號(hào)段和噪聲段的多特征分量，對(duì)多特征分量進(jìn)行標(biāo)準(zhǔn)化，并通過(guò)串聯(lián)方式實(shí)現(xiàn)特征融合，將串聯(lián)融合后的特征向量及樣本標(biāo)簽信息進(jìn)行UDP數(shù)據(jù)包打包并上傳至上位機(jī)；

所述信號(hào)檢測(cè)模塊用于接收上位機(jī)下發(fā)的網(wǎng)絡(luò)和分類器模型參數(shù)，基于訓(xùn)練生成的堆棧自編碼器及SVM二分類器模型，對(duì)輸入目標(biāo)信號(hào)進(jìn)行二分類判決，實(shí)現(xiàn)ADS-B微弱信號(hào)的檢測(cè)。

2.根據(jù)權(quán)利要求1所述的基于多特征融合的ADS-B微弱信號(hào)檢測(cè)裝置，其特征在于，所述信號(hào)獲取模塊包括順序連接的射頻前端電路和中頻電路；

所述射頻前端電路用于對(duì)ADS-B信號(hào)進(jìn)行接收、放大、混頻和濾波；

所述中頻電路用于對(duì)中頻信號(hào)進(jìn)行采樣及數(shù)字下變頻處理。

3.根據(jù)權(quán)利要求1所述的基于多特征融合的ADS-B微弱信號(hào)檢測(cè)裝置，其特征在于，所述特征提取模塊包括第一FPGA芯片。

4.根據(jù)權(quán)利要求1所述的基于多特征融合的ADS-B微弱信號(hào)檢測(cè)裝置，其特征在于，所述信號(hào)檢測(cè)模塊包括Nor Flash片外存儲(chǔ)芯片和第二FPGA芯片，所述Nor Flash片外存儲(chǔ)芯片用于存儲(chǔ)上位機(jī)下發(fā)的堆棧自編碼器網(wǎng)絡(luò)和SVM分類器參數(shù)，所述第二FPGA芯片用于實(shí)現(xiàn)網(wǎng)絡(luò)接口的控制及接收上位機(jī)下發(fā)的控制指令，并在運(yùn)行時(shí)加載特征提取模塊發(fā)送的目標(biāo)信號(hào)串聯(lián)融合特征及所述Nor Flash片外存儲(chǔ)芯片保存的網(wǎng)絡(luò)、分類器參數(shù)，通過(guò)網(wǎng)絡(luò)前向運(yùn)算，實(shí)現(xiàn)對(duì)輸入信號(hào)的判決檢測(cè)。

5.根據(jù)權(quán)利要求1所述的基于多特征融合的ADS-B微弱信號(hào)檢測(cè)裝置，其特征在于，所述上位機(jī)包括高層語(yǔ)義特征提取模型及SVM分類器生成模塊，所述高層語(yǔ)義特征提取模型及SVM分類器生成模塊包括：

訓(xùn)練集生成單元，用于接收經(jīng)UDP包發(fā)送的ADS-B脈沖信號(hào)串聯(lián)融合特征訓(xùn)練集，所述訓(xùn)練集包含多個(gè)ADS-B信號(hào)段和噪聲段訓(xùn)練樣本，對(duì)訓(xùn)練樣本標(biāo)注標(biāo)簽信息；

模型初始化單元，用于對(duì)堆棧自編碼器及SVM二分類器模型參數(shù)進(jìn)行隨機(jī)初始化；

模型訓(xùn)練單元，用于基于上位機(jī)GPU利用串聯(lián)融合特征訓(xùn)練集對(duì)堆棧自編碼器網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，實(shí)現(xiàn)利用低維高層語(yǔ)義特征對(duì)輸入特征向量的重構(gòu)，直至滿足預(yù)設(shè)收斂條件，在自編碼器頂層編碼層添加SVM分類器，利用標(biāo)簽信息對(duì)分類參數(shù)進(jìn)行微調(diào)，直至滿足收斂條件。

6.一種基于多特征融合的ADS-B微弱信號(hào)檢測(cè)方法，其特征在于，包括以下步驟：

S1、通過(guò)信號(hào)獲取模塊獲取周期性廣播的ADS-B脈沖信號(hào)樣本集，將ADS-B脈沖信號(hào)劃分為信號(hào)段和噪聲段；

S2、通過(guò)特征提取模塊提取ADS-B脈沖信號(hào)樣本集信號(hào)段和噪聲段的多特征分量，并將特征分量標(biāo)準(zhǔn)化后進(jìn)行串聯(lián)特征融合，得到串聯(lián)融合特征向量；

S3、通過(guò)信號(hào)檢測(cè)模塊對(duì)串聯(lián)融合特征向量利用離線訓(xùn)練生成的堆棧自編碼器神經(jīng)網(wǎng)絡(luò)提取信號(hào)低維高層語(yǔ)義特征；

S4、通過(guò)信號(hào)檢測(cè)模塊利用信號(hào)低維高層語(yǔ)義特征，基于離線訓(xùn)練生成的SVM二分類器對(duì)目標(biāo)信號(hào)進(jìn)行判決，實(shí)現(xiàn)ADS-B微弱信號(hào)的檢測(cè)。

7.根據(jù)權(quán)利要求6所述的基于多特征融合的ADS-B微弱信號(hào)檢測(cè)方法，其特征在于，所述步驟S1中ADS-B脈沖信號(hào)劃分的具體步驟為：對(duì)獲取的ADS-B脈沖信號(hào)樣本集進(jìn)行濾波、放大和下變頻處理，得到中頻信號(hào)；對(duì)中頻信號(hào)進(jìn)行采樣和數(shù)字下變頻處理得到零中頻信號(hào)；將零中頻信號(hào)劃分為包含信號(hào)和噪聲的信號(hào)段以及只包含噪聲的噪聲段。