[發明專利]一種無人機信號提取和識別方法、系統

在審

• 申請號: 202110414718.5
• 申請日: 2021-04-17
• 公開（公告）號: CN113191224A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 朱守中;李明;劉洪雷;劉思意
• 申請（專利權）人: 長沙泰聘信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種無人機信號提取和識別方法，其特征在于，所述無人機信號提取和識別方法包括：首先基于無人機圖傳信號與其他干擾信號中頻特征的差異，對中頻信號進行包絡檢測和包絡提取；其次進行快速傅里葉變換處理，提取各脈沖信號的中頻特征；然后對已提取的中頻特征信號進行改進的模糊C均值聚類，基于歐式距離對各簇信號進行去野值處理，剔除干擾的雜散信號。

2.如權利要求1所述無人機信號提取和識別方法，其特征在于，所述無人機信號提取和識別方法包括以下步驟：

步驟一，中頻信號包絡檢測、包絡提取和脈沖切割；

步驟二，快速傅里葉變換和提取信號中頻特征；

步驟三，基于改進的模糊C均值聚類的數據處理；

步驟四，基于歐式距離的野值檢測和去野值處理；

步驟五，無人機實測信號與數據庫比對；

步驟六，無人機識別結果上報及數據庫更新。

3.如權利要求2所述無人機信號提取和識別方法，其特征在于，步驟一中，所述中頻信號包絡檢測和包絡提取，包括：所述脈沖信號包絡檢測是基于信號幅度大于噪聲幅度，進行包絡提取，設置相應門限來區別信號和噪聲的算法；接收機接收到的信號不僅包括目標信號，還有未知的干擾信號以及噪聲“毛刺”；其中，對接收的信號s(t)進行包絡提取，包括：

其中，As(t)為信號s(t)的包絡；

對As(t)進行加窗平滑和歸一化處理；對信號s(t)進行基于奇異值分解的信噪比估計，基于信噪比設定自適應截取門限，完成對信號和噪聲的分離。

4.如權利要求2所述無人機信號提取和識別方法，其特征在于，步驟二中，所述快速傅里葉變換和提取信號中頻特征，包括：對過門限信號進行信號帶寬和中心頻率參數估計；基于估計結果進行信號濾波，抑制噪聲對信號頻域的干擾；進行快速傅里葉變換，并提取功率譜中頻特征；

其中，所述快速傅里葉變換和提取信號中頻特征，還包括：

設接收機接收到的信號為y(t)，即：

y(t)＝s(t)+n(t)；

式中，s(t)為無人機傳輸信號，其功率為S；n(t)為高斯白噪聲；

信號功率譜分布于f_L和f_H之間，即Bw＝f_H-f_L；對頻帶內的信號加漢明窗進行功率譜求解，可得S(f)，S(f)為信號各頻率點與信號功率之間的關系。

5.如權利要求2所述無人機信號提取和識別方法，其特征在于，步驟三中，所述基于改進的模糊C均值聚類的數據處理，包括：對已提取信號中頻特征進行模糊C均值聚類，計算在不同簇數目下數據分類的離差值，尋找離差變化拐點，確定最優聚類數目；

其中，所述改進的模糊C均值數據聚類FCM，還包括：

對每個對象和每個簇賦予一個權值，指明對象屬于該簇的程度，即最小化目標函數J(m)，即誤差的平方和SSE，包括：

其中，m是聚類的簇數；i，j是類標號；表示樣本屬于j類的隸屬度；I表示第i個樣本，x是具有d維特征的一個樣本，是j簇的中心，也具有d維度；||*||可以是任意表示距離的度量；模糊c是一個不斷迭代計算隸屬度和簇中心的過程，直到達到最優；其中：

迭代的終止條件為：

其中，k是迭代步數，∈是誤差閾值；當達到迭代終止條件時，認為隸屬度不變了，已經達到比較優，即局部最優或全局最優狀態，該過程收斂于目標J(m)的局部最小值。

6.如權利要求2所述無人機信號提取和識別方法，其特征在于，步驟三中，所述改進的模糊C均值數據聚類算法如下：

(1)初始化：改進的模糊C均值數據聚類算法初始化時采用多簇循環計算，計算各簇下的聚類離差從而找到拐點處的簇數，從而將采樣數據進行成分分類；

(2)計算質心：FCM中的質心以隸屬度為權重做一個加權平均；

(3)更新模糊劃分：更新權重即隸屬度，即樣本x越靠近質心c，則隸屬度越高，反之越低。