CN107884749A - 一种低空无人机被动声探测定位装置 - Google Patents

Abstract

本发明公开了一种低空无人机被动声探测装置，包括声传感器阵列探测模块，多通道数据采集模块，信号预处理模块，以太网传输模块，嵌入式处理模块，显示和控制模块，语音报警模块。所述声传感器阵列探测模块用于接收声信号，多通道数据采集模块用于将采集到的声信号转化为数字信号，信号预处理模块用于对信号滤波降噪，并通过太网传输模块传输至，嵌入式处理模块，以实现信号处理和上位机信息处理，显示和控制模块用于显示探测信息及对报警和反制系统发出相关指令，语音报警模块用于语音实时播报探测定位信息。本发明具有探测定位精度高的特点，能够对入侵空域的消费级等慢小飞行目标位置、数量和种类实时探测并显示，提高了低空预警防御的力度。

Description

一种低空无人机被动声探测定位装置

技术领域

本发明涉及一种探测无人机的装置，特别是一种低空无人机被动声探测定位装置。

背景技术

近年来，因无人机的制造成本相对较低、无人员伤亡风险、使用方便等优势，这导致了无人机行业迅猛发展，并且在物流、娱乐、搜救等方面都有着广泛的应用。一般真高1km以下的飞行高度属于低空范围，我国已经开放1km以下部分低空空域。然而，由于我国与此相关的法律法规还不完善，对无人机的监控手段的缺失，导致低空开放状态下未经许可的无人机黑飞问题成为国际化的社会问题。2017年4月14日、4月17日、4月18日、4月21日，成都区域受无人机活动干扰，大面积航班延误，飞机返航、备降他地，航空公司损失惨重。黑飞事件不仅给社会带来重大的安全隐患、隐私侵犯，同时给社会安保带来了巨大的挑战。

有源雷达探测系统是针对无人机等飞行器的常规监控手段，其探测距离远、精度高。然而由于低空无人机等慢小飞行目标的雷达散射截面较小，雷达的探测能力将大幅下降，且对于低空空域，尤其是是在城市环境、原始森林等地带，因受极强的地面杂波以及地面反射波干扰影响，绝大部分雷达基本失去对无人机等慢小飞行目标的精确探测能力。

声探测技术是利用声传感器接收声波以确定声源位置和类型的一种技术，它是一种重要的军事侦察手段。与雷达等主动探测的原理不同，被动探测系统不发射信号，而是接收目标发出的信号而确定目标的参数，但现有的声探检测装置的识别精度有待进一步提高且不涉及对无人机类型的识别处理。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种低空无人机被动声探测装置，能够探测入侵低空空域无人机等慢小飞行目标，并能够随时对其进行准确定位和跟踪，从而提高低空预警防御系统的能力。

本发明的一种低空无人机被动声探测装置，包括电源模块、声传感器阵列探测模块、多通道数据采集模块、信号预处理模块、无线传输模块、嵌入式信号处理模块、显示和控制模块、语音报警模块；

其中电源模块用于整个装置的供电；

声传感器阵列探测模块，用以接收低空无人机辐射噪声信号，是由m(m大于5)个声传感器按照立体多元阵列布局组成，减少阵列的冗余度，提高小仰角目标的探测精度；

多通道数据采集模块，采用AD芯片将接收的低空无人机辐射噪声信号转化微数字信号，并将该数字信号送至后级的信号预处理模块中；

信号预处理模块，对输入的信号进行滤波、去噪等预处理，消除信号中的杂波，从而实现向信号处理模块尽可能提供接近理想的目标信号(声频特征)；

无线传输模块，用以向嵌入式信号处理模块传输信号预处理模块预处理后的数字信号数据；

嵌入式信号处理模块，包括FPGA信号处理模块和ARM嵌入式处理模块，所述FPGA信号处理模块根据目标信号进行无人机的波达角与距离参数估计，得到无人机的波达角和距离参数估计结果，所述距离参数包括无人机的地面高度、距声传感器阵列探测模块的水平距离；以及根据目标信号确定无人机的类型：通过两层的深度玻尔兹曼机提取每个目标信号的n种隐含特征信息，并作为训练好的随机森林的输入，以投票方式得到当前无人机的类别确定结果，其中n为预设类别数；所述ARM嵌入式处理模块用于运行实时操作系统，与FPGA信号处理模块通信，并实时向显示模块发送显示信息，包括飞行无人机的数量、无人机方位角、无人机距离和类型：

所述两层的深度玻尔兹曼机的每一层分别由n个受限玻尔兹曼机器堆叠构成；

每个目标信号的n种隐含特征信息为：将目标信号输入到深度玻尔兹曼机的第1层，将第一层的输出作为深度玻尔兹曼机的第2层的输入，并将第2层的输出作为每个目标信号的n种隐含特征信息；

所述随机森林的训练方式为：将每个目标信号的n种隐含特征信息作为训练样本，基于无人机类型识别需求，采用双向投票的模型选择方法最终实现模型集成，从而得到训练好的随机森林；

显示模块，以实时图像及文字信息实时显示收到的显示信息。

进一步的，本发明还包控制模块和语音报警模块，当控制模块检测到无人机入侵指定区域时，向语音报警模块发出启动指令，触发语音报警模块实时语音播报无人机信息。

进一步的，还包括无人机反制系统，当控制模块检测到无人机入侵指定区域时，向无人机反制系统启动信号，触发无人机反制系统向所述无人机发送干扰信号，达到反制的效果。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明具有探测定位精度高的特点，能够对入侵空域的消费级等慢小飞行目标位置、类型以及数量能够实时探测并显示，并及时告知相关报警系统及无人机反制系统，进一步弥补有源雷达对低空飞行目标探测能力的不足，加强对消费级无人机等低空慢小飞行目标的监控能力，提高低空预警防御的力度。

附图说明

图1示出了低空无人机被动声探测系统原理图。

图2示出了声矢量传感器阵列模型图。

图3示出了基于深度学习算法进行无人机种类的识别处理示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

由于消费级无人机等目标飞行高度、速度较低，雷达散射截面较小，其探测能力将大幅下降，且对于低空空域，尤其是是在城市环境、原始森林等地带，因受极强的地面杂波以及地面反射波干扰影响，绝大部分雷达基本失去对无人机等慢小飞行目标的精确探测能力。本发明基于声探装置，通过接收无人机等慢小飞行目标的辐射声信号，利用压缩感知信号处理方法，对目标的波达方向角(DOA)进行估计，从而判断出目标的位置。

本发明的低空无人机被动声探测定位装置的系统原理框图如图1所示，包括声矢量传感器阵列模块、多通道数据采集模块、信号预处理模块、以太网传输模块、嵌入式信号处理模块、显示和控制模块，图1中的H表示无人机距离地面的高度，L表示无人机与声矢量传感器阵列模块的水平距离。

其中，各模块的具体优选设置如下：

声矢量传感器阵列模块由34个声矢量传感器阵列按照立体十字阵型排列，如图2所示，主要用于采集低空飞行无人机的辐射噪声信号。其中Z轴上的矢量传感器能够提高对远程无人机目标探测小仰角的精度。

多通道数据采集模块的通道数为34个(与声矢量传感器阵列模块的阵列数对应)，其核心处理器为FPGA，且有前置信号放大功能，能够实现对前级传感器阵列的输出信号进行放大，然后进入AD采集模块，其中采样频率可以设置为12KHz，采样精度24位，AD将声信号的模拟信号转化为数字信号并送入信号预处理模块。

信号预处理模块主要基于FPGA处理器芯片作自适应滤波处理，用以滤除背景噪声，得到目标信号，并通过以太网传输模块传输给嵌入式信号处理模块。

以太网传输模块，支持1000Mbit/s全双工操作，为保证数据的较高的传输速度，可以采用UDP传输协议，同时为了保证数据传输的正确性。

嵌入式信号处理模块，模块分为两部分：FPGA信号处理模块主要进行阵列信号(接收的目标信号)处理，进行DOA和距离参数估计，从而得到无人机的DOA和距离(高度和水平距离)；以及基于目标信号得到无人机的类别。ARM嵌入式处理模块主要用于运行实时操作系统，与FPGA模块通信，并实时向显示模块发送相关显示信息。

本发明的FPGA信号处理模块基于深度学习算法进行无人机种类的识别处理时，针对不同类别的无人机，基于深度玻尔兹曼机和随机森林相结合的方法，参见图3，其具体训练及识别过程如下：

第一：首先将多个受限玻尔兹曼机器堆叠从而构成两层的深度玻尔兹曼机(每层的受限玻尔兹曼机器数量与声矢量传感器阵列数一致)，并将预处理模块传来的每个目标信号作为原始无人机原始特征向量并输入到深度玻尔兹曼机的第1层进行训练，即第1层输入

向量为：[X₁,X₂,…,X_n]，且X_i＝(x_i1,x_i2,x_i3,…,x_im)，其中X_i(i＝1,2…,n)表示一路输入(目标信号)，i为类别标识符，n表示类别数，m表示声矢量传感器数，x_ij表示第j个声矢量传感器对第i类目标的DOA估计结果，从而得到第1层的输出向量：[Y₁,Y₂,…,Y_n]，其中Y_i＝(y_i1,y_i2,y_i3,…,y_im)。并将第1层的输出向量[Y₁,Y₂,…,Y_n]作为第2层的输入进行训练，输出向量[Z₁,Z₂,…,Z_n]，其中Z_i＝(z_i1,z_i2,z_i3,…,z_im)，并将第2层的输出向量作为目标信号(每个无人机)的隐含特征集；

第二：将无人机的隐含特征集作为随机森林的样本数据集输入，进行随机森林的训练，以及在识别处理时，将其作为待识别参量，从而得到类型识别结果。

其中训练过程具体为：

(1)从隐含特征中随机抽取一定数量的样本作为每棵决策树的根节点样本；

(2)对于特征集中的子空间进行选择性优化：根据目标声频特征数据分布特点计算每个特征的特征度量函数值，再根据特征度量函数值对每个特征赋予权值，函数值越大，其对应的权值则越大；且根据权值进行排序；

(3)建立决策树时，随机抽取一定数量权值较大(例如前K(预设值)个权值最大的声频特征)的无人机声频特征作为候选属性，从中选择能够满足无人机声频特征作为分裂节点；

(4)采用双向投票的模型选择方法最终实现模型集成，从而得到训练好的随机森林。

在类型识别处理时，根据待识别目标的无人机隐含特征集，基于训练好的随机森林以投票方式输出无人机类别的最终输出。

显示和控制模块，包含显示模块及控制模块，显示模块实时显示无人机方位、目标数量、种类等信息；控制模块内部含有远程通信模块，当控制模块检测到无人机进入指定区域时，用以对无人机反制导系统和语音报警模块发出启动指令指令，触发语音报警模块用于对显示信息(无人机方位、目标数量及种类等)进行语音实时播报，以及触发无人机反制导系统向所述无人机发送干扰信号，达到反制的效果。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (5)

1.一种低空无人机被动声探测装置，包括电源模块、声传感器阵列探测模块、多通道数据采集模块、信号预处理模块、无线传输模块、嵌入式信号处理模块、显示模块、语音报警模块，其特征在于，

电源模块用于整个装置供电；

声传感器阵列探测模块，用以接收低空无人机辐射噪声信号，所述声传感器阵列探测模块由m个声传感器按照立体多元阵列布局组成，其中m大于5；

多通道数据采集模块，用于将接收的低空无人机辐射噪声信号转化微数字信号，并送至后级的信号预处理模块中；

信号预处理模块，对输入的信号进行预处理，得到目标信号，并通过无线传输模块传输至后级的嵌入式信号处理模块，所述预处理包括滤波和去噪；

嵌入式信号处理模块，包括FPGA信号处理模块和ARM嵌入式处理模块，所述FPGA信号处理模块根据目标信号进行无人机的波达角与距离参数估计，得到无人机的波达角和距离参数估计结果，所述距离参数包括无人机的地面高度、距声传感器阵列探测模块的水平距离；以及根据目标信号确定无人机的类型：通过两层的深度玻尔兹曼机提取每个目标信号的n种隐含特征信息，并作为训练好的随机森林的输入，以投票方式得到当前无人机的类别确定结果，其中n为预设类别数；所述ARM嵌入式处理模块用于运行实时操作系统，与FPGA信号处理模块通信，并实时向显示模块发送显示信息，包括飞行无人机的数量、无人机方位角、无人机距离和类型：

所述两层的深度玻尔兹曼机的每一层分别由n个受限玻尔兹曼机器堆叠构成；

每个目标信号的n种隐含特征信息为：将目标信号输入到深度玻尔兹曼机的第1层，将第一层的输出作为深度玻尔兹曼机的第2层的输入，并将第2层的输出作为每个目标信号的n种隐含特征信息；

所述随机森林的训练方式为：将每个目标信号的n种隐含特征信息作为训练样本，基于无人机类型识别需求，采用双向投票的模型选择方法最终实现模型集成，从而得到训练好的随机森林；

显示模块，以实时图像及文字信息实时显示收到的显示信息。

2.如权利要求1所述的装置，其特征在于，所述声传感器阵列探测模块为立体十字阵列。

3.如权利要求2所述的装置，其特征在于，所述声传感器阵列探测模块的阵元数为34。

4.如权利要求1所述的装置，其特征在于，还包控制模块和语音报警模块，当控制模块检测到无人机入侵指定区域时，向语音报警模块发出启动指令，触发语音报警模块实时语音播报无人机信息。

5.如权利要求4所述的装置，其特征在于，还包括无人机反制系统，当控制模块检测到无人机入侵指定区域时，向无人机反制系统启动信号，触发无人机反制系统向所述无人机发送干扰信号。