CN108199757B - 一种利用信道状态信息检测消费级无人机入侵的方法 - Google Patents

一种利用信道状态信息检测消费级无人机入侵的方法 Download PDF

Info

Publication number
CN108199757B
CN108199757B CN201810037256.8A CN201810037256A CN108199757B CN 108199757 B CN108199757 B CN 108199757B CN 201810037256 A CN201810037256 A CN 201810037256A CN 108199757 B CN108199757 B CN 108199757B
Authority
CN
China
Prior art keywords
state information
channel state
phase
csi
unmanned plane
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810037256.8A
Other languages
English (en)
Other versions
CN108199757A (zh
Inventor
邓江毅
郑润禾
杨晗
徐文渊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810037256.8A priority Critical patent/CN108199757B/zh
Publication of CN108199757A publication Critical patent/CN108199757A/zh
Application granted granted Critical
Publication of CN108199757B publication Critical patent/CN108199757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/40—Circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03159—Arrangements for removing intersymbol interference operating in the frequency domain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，包括信道状态信息获取、信道状态信息特征提取、基于这些特征的状态分类等步骤；通过IEEE 802.11n标准的设备获得信道状态信息，对信道状态信息进行特征提取，基于提取得到的特征通过分类算法进行状态分类；当环境周围存在无人机时进行报警。本发明采用符合IEEE 802.11n标准的设备，通过检测信道状态信息的方法，避免传统的基于视觉和音频识别的无人机检测方法中成本高与干扰因素大的问题。在检测过程中，通过算法计算与设备功耗无关的相关特征，通过支持向量机(Support Vector Machine)与长短期记忆网络(Long Short‑Term Memory)进行分类，采用阈值算法，进行无人机的入侵检测。

Description

一种利用信道状态信息检测消费级无人机入侵的方法
技术领域
本发明属于信号处理与特征提取领域，涉及民用小型无人机入侵时对信道状态信息的影响问题，尤其是民用小型无人机入侵一般住宅时对信道的影响。
背景技术
当今，民用小型无人直升机越来越普及，被广泛地用于航拍等。然而，由于民用无人机监管力度不足以及监管困难的问题，民用无人机被用于“黑飞”、“滥飞”的事件时常发生。考虑到民用无人机不仅对机场这类重要场有设备安全、人生安全的威胁，一些重要机构甚至是一般住宅都需要实时检测无人机的入侵，因为民用小型无人机会可能携带爆炸物或放射性物质等有害物品，并且可能对隐私甚至是重要机密进行窃听或者窥视。
现有检测无人机主要通过雷达检测、机器视觉和音频识别的方法。基于雷达的方法设备昂贵，并且属于主动发射电磁波的检测方式，不仅辐射大而且功耗大，不适合用于一般楼宇或者住宅的无人机检测。另外，如今一些无人机对雷达是隐形的。基于机器视觉的方法，受天气和遮挡物的影响巨大，并且需要多个摄像头的部署，同样不适合用于一般楼宇或者住宅的无人机检测。基于音频识别的方法，其全向麦克风或者麦克风阵列设备同样昂贵。
针对现有检测无人机的方法中存在的问题，设计一种低成本、不受天气影响、低功耗的适合一般楼宇或者住宅部署的无人机检测方法显得尤为重要。
发明内容
本发明的目的在于针对现有检测无人机的方法中存在的问题，设计一种低成本、不受天气影响、低功耗的适合一般楼宇或者住宅部署的无人机检测方法，该方法通过检测无人机对信道状态信息的影响，通过机器学习算法，实现无人机的检测。
本发明解决其技术问题是通过以下技术方案来实现的：一种利用信道状态信息(Channel State Information，简称CSI)对民用小型无人机进行实时入侵检测的方法，包括以下步骤：
(1)信道状态信息获取，该步骤包括以下子步骤：
(1.1)部署无线发射机与接收机；
(1.2)提取接收机中的信道状态信息，读出一组包含N个子载波的信道频率响应信息，即CSI矩阵，该矩阵的规模为Package×Ntx×Nrx×N，其中 Package为CSI数据包的数量，Ntx为发射机使用天线数，Nrx为接收机使用天线数，N取30或56；
(2)信道状态信息特征提取，该步骤包括以下子步骤：
(2.1)在步骤(1.2)获得的CSI矩阵中，将发射天线tx与接收天线rx之间的信道频率响应记为H(tx,rx)，则H(tx,rx)＝[H(f1),H(f2),…,H(fN)]，其中 0≤tx＜Ntx,0≤rx＜Nrx；H(fk)为Package行的复数向量，可以表示为1≤k≤N；
(2.2)设时间窗口为K，每次分析K个CSI数据包的信息；在一次分析中，每对天线之间的归一化CSI矩阵可以表示为其中 Hi(1≤i≤K)为在一个时间窗口内，序号为i的数据包中包含的H(tx,rx)；
(2.3)使用线性变换方法降低相位偏移；若N＝30，具体包括以下子步骤：
(a)将测量得到的相位表示为：其中φi为真实相位，δ为接收机相对于发射机的时钟偏移，其产生的对应相位偏移为β是未知的相位偏置，Z是测量噪声，ki表示第i个子载波的子载波索引，Nc表示 FFT的大小；
(b)定义算子其中
i∈{-28,-24,-20,-16,-12,-8,-4,-1,1,5,9,13,17,21,25,28},
j∈{-26,-22,-18,-14,-10,-6,-2,3,7,11,15,19,23,27}
忽略测量噪声Z，并计算：
根据算子的定义，b可以化简为
(c)对测量所得的相位进行以下线性运算：
其中为能够反映真实相位的相位指标；
可以化简为：
将中测量得到的相位替换为
若N＝56，具体包括以下子步骤：
(A)将测量得到的相位表示为：其中φi为真实相位，δ为接收机相对于发射机的时钟偏移，其产生的对应相位偏移为β是未知的相位偏置，Z是测量噪声，ki表示第i个子载波的子载波索引，Nc表示 FFT的大小；
(B)忽略测量噪声Z，计算：
因为N＝56时，ki是对称的，所以有b可以化简为
(C)对测量所得的相位进行以下线性运算：
其中为能够反映真实相位的相位指标；可以化简为：
将中测量得到的相位替换为
(2.4)去除中的异常值；
(2.5)记和分别为归一化后的CSI幅度序列向量和相位序列向量，计算的协方差矩阵和的协方差矩阵
(2.6)计算的最大特征值m1与第二大特征值m2：计算的最大特征值n1与第二大特征值n2；
(2.7)在Ntx×Nrx对天线的数据得到的m1,m2,n1,n2中，分别去掉最大与最小值，取剩下数据的平均值，得到：
(3)将步骤(2.7)中得到的作为支持向量机分类算法或者长短期记忆网络算法的输入进行学习，将得到的模型用于判断环境周围有无无人机入侵。
进一步地，所述步骤(1.2)中，
若N＝30，代表CSI包含正交频分复用技术中的30个子载波，其子载波索引为{-28,-26,-24,-22,-20,-18,-16,-14,-12,-10,-8,-6,-4,-2, -1,1,3,5,7,9,11,13,15,17,19,21,23,25,27,28}；
若N＝56，代表CSI包含正交频分复用技术中的56个子载波，其子载波索引为{-28,-27,…,-2,-1,1,2,…,27,28}。
进一步地，所述步骤(2.4)具体为：利用Hampel辨识器，将中落在区间 [μ-γσ,μ+γσ]外的测量值判定为异常值，并滤去，其中μ为测量值序列的中位数，σ为绝对中位差，γ为滤波器参数。
进一步地，所述步骤(2.5)中，协方差矩阵计算公式如下：
其中，表示向量与的协方差，表示归一化的N向量。
本发明与现有技术相比具有以下显著的优点：1)发射机可以采用无线路由器，接收机可以采用无线网卡，都是方便获得的低成本设备。2)设备部署方便，不需要部署设备阵列。3)设备功耗低。4)设备受天气影响小。5)改进了相位噪声去除算法，使得在子载波索引不对称的情况下仍能完全消去未知相位偏置与由时钟偏移带来的相位偏移。
附图说明
图1是本发明的无人机检测方法流程图。
图2是本发明中发射机与接收机的部署示例；
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示，本发明提供的一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，包括如下步骤：
(1)信道状态信息获得，该步骤包括以下子步骤：
(1.1)按图2所示部署无线发射机与接收机。尽量增大无线信道在室外的路径，可以增大无人机对信道状态的影响，从而使无人机入侵时的特征更明显。其中无线发射机可以使用无线路由器，接收机可以采用无线网卡。只需要这样较低成本的设备，甚至是家家户户本身就配备有的设备即可作为信号采集装置；
(1.2)提取无线网卡中的信道状态信息，读出一组包含N个子载波的信道频率响应信息，即CSI矩阵，该矩阵的规模为Package×Ntx×Nr××N，其中 Package为CSI数据包的数量，Ntx为发射机使用天线数，Nrx为接收机使用天线数，N取30或56；若N＝30，代表CSI包含正交频分复用技术中的30个子载波，其子载波索引为
{-28,-26,-24,-22,-20,-18,-16,-14,-12,-10,-8,-6,-4,-2, -1,1,3,5,7,9,11,13,15,17,19,21,23,25,27,28}，对于这种情况，其子载波索引不对称，而对于N＝56的情况，其子载波索引是对称的。比如，若采用Intel 5300网卡采集，则N＝30；若采用Atheros网卡采集，则N＝56；两者消除相关误差的算法不同，因此在后续一部分步骤中需要分N＝30与N＝56两种情况进行处理；
(2)信道状态信息特征提取，该步骤包括以下子步骤：
(2.1)在步骤(1.2)获得的CSI矩阵中，将发射天线tx与接收天线rx之间的信道频率响应记为H(tx,rx)，则H(tx,rx)＝[H(f1),H(f2),…,H(fN)]，其中0≤tx＜Ntx,0≤rx＜Nrx；H(fk)为Package行的复数向量，可以表示为1≤k≤N；通过减少接收机与发射机之间的直线传输路径可以增加使用的天线对数，以获得更多可选的CSI数据；
(2.2)设时间窗口为K，每次分析K个CSI数据包的信息；在一次分析中，每对天线之间的归一化CSI矩阵可以表示为其中 Hi(1≤i≤K)为在一个时间窗口内，序号为i的数据包中包含的H(tx,rx)；时间窗口越大，可靠性越高，受干扰的影响小。但是时间窗口越大，系统的动态性能下降，太大了就无法及时检测出无人机。一般来说可以测试多个时间窗口，查看检测效果，从而确定出最优的时间窗口，比如选择K＝40；
(2.3)使用线性变换方法降低相位偏移；若使用Intel 5300网卡，则N＝30，具体包括以下子步骤：
(a)将测量得到的相位表示为：其中φi为真实相位，δ为接收机相对于发射机的时钟偏移，其产生的对应相位偏移为β是未知的相位偏置，Z是测量噪声，ki表示第i个子载波的子载波索引，Nc表示 FFT的大小，通常为56；
(b)定义算子其中
i∈{-28,-24,-20,-16,-12,-8,-4,-1,1,5,9,13,17,21,25,28},
j∈{-26,-22,-18,-14,-10,-6,-2,3,7,11,15,19,23,27}
忽略测量噪声Z，并计算：
根据算子的定义，b可以化简为
算子的作用是在子载波索引不对称，即子载波频率不对称的情况下，通过适当的线性运算使得误差部分与索引值无关，便于下一步的线性运算处理；
(c)对测量所得的相位进行以下线性运算：
其中为能够反映真实相位的相位指标；b与a前面的系数使得相位测量值中的未知相位偏置β和时钟不一致导致的误差被消去，得到误差被压制的测量值，使得相位信息变得可用；
可以化简为：
将中测量得到的相位替换为
若使用Atheros网卡，则N＝56，具体包括以下子步骤：
(A)将测量得到的相位表示为：其中φi为真实相位，δ为接收机相对于发射机的时钟偏移，其产生的对应相位偏移为β是未知的相位偏置，Z是测量噪声，ki表示第i个子载波的子载波索引，Nc表示 FFT的大小，通常为56；
(B)忽略测量噪声Z，计算：
因为N＝56时，ki是对称的，所以有b可以化简为
(C)对测量所得的相位进行以下线性运算：
其中为能够反映真实相位的相位指标；可以化简为：
将中测量得到的相位替换为
对于N＝30与N＝56两种情况，由于其信息中子载波的索引值对称性不同，本质是返回的信道状态信息中子载波的频率对称性不同，所以对两种不同情况，消除时钟不一致带来的误差所作的运算需要因情况而异。如果盲目将子载波的索引值假设为对称进行处理，则由时钟不一致引起的误差仍将存在；
(2.4)去除中的异常值；利用Hampel辨识器，将中落在区间 [μ-γσ,μ+γσ]外的幅值和相位测量值判定为异常值，并滤去，其中μ为测量值序列的中位数，σ为绝对中位差，γ为滤波器参数，通常取值为3。同样的该滤波器参数可以通过测试不同参数的效果确定一个比较适合的参数；
(2.5)记和分别为归一化后的CSI幅度序列向量和相位序列向量，计算的协方差矩阵和的协方差矩阵
(2.6)计算的最大特征值m1与第二大特征值m2：计算的最大特征值n1与第二大特征值n2；如有需要还可以计算更多的特征值以提高学习精度。
(2.7)在Ntx×Nrx对天线的数据得到的m1,m2,n1,n2中，分别去掉最大与最小值，取剩下数据的平均值，得到：
(3)将步骤(2.7)中得到的作为支持向量机分类算法或者长短期记忆网络算法的输入进行学习，将得到的模型用于判断环境周围有无无人机入侵。
在实际中通过在特定环境中“空测”一段较长时间的信号获得负样本，其中应该考虑天气，空调外机，鸟类等潜在的干扰因素对系统的影响。另外，通过无人机模拟入侵获得正样本用于训练分类器。应用支持向量机相对较为简单方便。长短期记忆神经网络适合用于检测拥有“上下文”关系的特征。由于无人机入侵是一个过程性的行为，对无线信道的影响有时间上的过程特征，因此长短期记忆神经网络也适用于无人机检测。另外，本发明所提取的特征与信号的绝对功率无关，即不受发射机与接收机自动功率调节的影响，因此该检测算法适用于一般楼宇与住宅小范围内的无人机入侵靠近检测。

Claims (5)

1.一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，其特征在于，包括以下步骤：
(1)信道状态信息获取，该步骤包括以下子步骤：
(1.1)部署无线发射机与接收机；接收机布置在室内，无线发射机布置在室外靠近窗户的位置；
(1.2)提取接收机中的信道状态信息，读出一组包含N个子载波的信道频率响应信息，即CSI矩阵，该矩阵的规模为Package×Ntx×Nrx×N，其中Package为CSI数据包的数量，Ntx为发射机使用天线数，Nrx为接收机使用天线数，N取30；
(2)信道状态信息特征提取，该步骤包括以下子步骤：
(2.1)在步骤(1.2)获得的CSI矩阵中，将发射天线tx与接收天线rx之间的信道频率响应记为H(tx，rx)，则H(tx，rx)＝[H(f1)，H(f2)，...，H(fN)]，其中0≤tx＜Ntx，0≤rx＜Nrx；H(fk)为Package行的复数向量，可以表示为
(2.2)设时间窗口为K，每次分析K个CSI数据包的信息；在一次分析中，每对天线之间的归一化CSI矩阵可以表示为其中Hl为在一个时间窗口内，序号为l的数据包中包含的H(tx，rx)，1≤l≤K；
(2.3)使用线性变换方法降低相位偏移；N＝30，具体包括以下子步骤：
(a)将测量得到的相位表示为：其中φi为真实相位，δ为接收机相对于发射机的时钟偏移，其产生的对应相位偏移为β是未知的相位偏置，Z是测量噪声，ki表示第i个子载波的子载波索引，Nc表示FFT的大小；
(b)定义算子 其中
kp∈{-28，-24，-20，-16，-12，-8，-4，-1，1，5，9，13，17,21,25,28}，
kq∈{-26，-22，-18，-14，-10，-6，-2，3，7，11，15，19,23,27}
忽略测量噪声Z，并计算：
根据算子的定义，b可以化简为
(c)对测量所得的相位进行以下线性运算：
其中为能够反映真实相位的相位指标；
可以化简为：
将中测量得到的相位替换为
(2.4)去除中的异常值；
(2.5)记和分别为归一化后的CSI幅度序列向量和相位序列向量，计算的协方差矩阵和的协方差矩阵
(2.6)计算的最大特征值m1与第二大特征值m2：计算的最大特征值n1与第二大特征值n2；
(2.7)在Ntx×Nrx对天线的数据得到的m1，m2，n1，n2中，分别去掉最大与最小值，取剩下数据的平均值，得到：
(3)将步骤(2.7)中得到的作为支持向量机分类算法或者长短期记忆网络算法的输入进行学习，将得到的模型用于判断环境周围有无无人机入侵。
2.根据权利要求1所述的一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，其特征在于，所述步骤(1.2)中，
N＝30代表CSI包含正交频分复用技术中的30个子载波，其子载波索引为{-28，-26，-24，-22，-20，-18，-16，-14，-12，-10，-8，-6，-4，-2，-1，1，3，5，7，9，11，13，15，17，19,21,23,25,27,28}。
3.根据权利要求1所述的一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，其特征在于，所述步骤(2.4)具体为：利用Hampel辨识器，将中落在区间阻-γσ，μ+γσ]外的测量值判定为异常值，并滤去，其中μ为测量值序列的中位数，σ为绝对中位差，γ为滤波器参数。
4.根据权利要求1所述的一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，其特征在于，所述步骤(2.5)中，协方差矩阵计算公式如下：
其中，表示向量与的协方差，表示归一化的X向量。
5.根据权利要求1所述的一种利用信道状态信息对民用小型无人机进行实时入侵检测的方法，其特征在于，所述步骤(2.6)中，最大与第二大特征值计算公式如下：
CN201810037256.8A 2018-01-15 2018-01-15 一种利用信道状态信息检测消费级无人机入侵的方法 Active CN108199757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810037256.8A CN108199757B (zh) 2018-01-15 2018-01-15 一种利用信道状态信息检测消费级无人机入侵的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810037256.8A CN108199757B (zh) 2018-01-15 2018-01-15 一种利用信道状态信息检测消费级无人机入侵的方法

Publications (2)

Publication Number Publication Date
CN108199757A CN108199757A (zh) 2018-06-22
CN108199757B true CN108199757B (zh) 2019-08-27

Family

ID=62589642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810037256.8A Active CN108199757B (zh) 2018-01-15 2018-01-15 一种利用信道状态信息检测消费级无人机入侵的方法

Country Status (1)

Country Link
CN (1) CN108199757B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111741471B (zh) * 2020-06-11 2024-03-22 深圳市三旺通信股份有限公司 基于csi的入侵检测方法、装置及计算机存储介质
CN112036433B (zh) * 2020-07-10 2022-11-04 天津城建大学 一种基于CNN的Wi-Move行为感知方法
CN113985416A (zh) * 2021-10-22 2022-01-28 电子科技大学 一种通过识别电磁环境变化的无人机入侵检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106888205A (zh) * 2017-01-04 2017-06-23 浙江大学 一种非侵入式基于功耗分析的plc异常检测方法
CN106971474A (zh) * 2017-04-10 2017-07-21 南京苗米科技有限公司 基于wifi无线信号的入侵监测方法和系统
CN107274642A (zh) * 2016-04-05 2017-10-20 霍尼韦尔国际公司 用于使用集成有安全系统的无人机跟踪未经授权的入侵者的系统和方法
CN107403536A (zh) * 2017-05-24 2017-11-28 浙江大学 一种基于无线信号强度分析的民用无人机入侵预警方法
CN107480699A (zh) * 2017-07-13 2017-12-15 电子科技大学 一种基于信道状态信息和支持向量机的入侵检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200222068Y1 (ko) * 2000-11-28 2001-05-02 낙원개발주식회사 방범 창호 시스템
CN107531324B (zh) * 2015-03-31 2021-02-05 深圳市大疆创新科技有限公司 用于移动地理围栏的系统和方法
WO2017210770A1 (en) * 2016-06-08 2017-12-14 Aerial Technologies Inc. System and methods for smart intrusion detection using wireless signals and artificial intelligence
CN105979603B (zh) * 2016-06-24 2019-04-16 贵州宇鹏科技有限责任公司 基于TD-LTE技术面向信流QoS保证的无人机上行链路调度方法
CN106788874B (zh) * 2017-01-20 2019-04-05 浙江大学 一种无人机的入侵和跟踪干扰系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274642A (zh) * 2016-04-05 2017-10-20 霍尼韦尔国际公司 用于使用集成有安全系统的无人机跟踪未经授权的入侵者的系统和方法
CN106888205A (zh) * 2017-01-04 2017-06-23 浙江大学 一种非侵入式基于功耗分析的plc异常检测方法
CN106971474A (zh) * 2017-04-10 2017-07-21 南京苗米科技有限公司 基于wifi无线信号的入侵监测方法和系统
CN107403536A (zh) * 2017-05-24 2017-11-28 浙江大学 一种基于无线信号强度分析的民用无人机入侵预警方法
CN107480699A (zh) * 2017-07-13 2017-12-15 电子科技大学 一种基于信道状态信息和支持向量机的入侵检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
PADS Passive detection of moving targets with dynamic speed using PHY layer information;Kun Qian et al;《2014 20th IEEE International Conference on Parallel and Distributed Systems (ICPADS)》;20141219;摘要，第1部分中的第1页右栏倒数第19行-第2页左栏倒数第14行，第3部分，第4部分 *
基于WiFi的室内定位方法的研究;陶盼;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315;全文 *
基于信道状态信息的入侵检测方法研究;顾茜;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215;全文 *
机场净空区无人机入侵防范关键技术分析;盛鹏峰;《中国民航飞行学院学报》;20171115;第38卷(第6期);第5-9页 *

Also Published As

Publication number Publication date
CN108199757A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
US20220406067A1 (en) Systems, methods, apparatuses, and devices for identifying, tracking, and managing unmanned aerial vehicles
US10025993B2 (en) Systems, methods, apparatuses, and devices for identifying and tracking unmanned aerial vehicles via a plurality of sensors
Shi et al. Anti-drone system with multiple surveillance technologies: Architecture, implementation, and challenges
US10317506B2 (en) Systems, methods, apparatuses, and devices for identifying, tracking, and managing unmanned aerial vehicles
US10025991B2 (en) Systems, methods, apparatuses, and devices for identifying, tracking, and managing unmanned aerial vehicles
CN108199757B (zh) 一种利用信道状态信息检测消费级无人机入侵的方法
CN107480699A (zh) 一种基于信道状态信息和支持向量机的入侵检测方法
CN109672485B (zh) 基于信道状态信息室内人员实时入侵及运动速度检测方法
Ozturk et al. RF-based low-SNR classification of UAVs using convolutional neural networks
CN108038419B (zh) 基于Wi-Fi的室内人员被动检测方法
CN106971474A (zh) 基于wifi无线信号的入侵监测方法和系统
CN108631890A (zh) 一种基于信道状态信息和随机森林的煤矿井下闯入检测方法
de Lima Pinto et al. A machine learning approach for detecting spoofing attacks in wireless sensor networks
CN108197581B (zh) 一种基于改进AC-WGANs的无人机信号识别检测方法
CN109698724A (zh) 入侵检测方法、装置、设备及存储介质
CN113453180B (zh) 一种人体摔倒智能检测方法、系统、信息数据处理终端
CN110730473A (zh) 面向WiFi活动识别的信号特征提取方法
CN109884591A (zh) 一种基于麦克风阵列的多旋翼无人机声信号增强方法
CN111709329A (zh) 一种基于深度学习的无人机测控信号高速识别方法
US20120039395A1 (en) System and method for time series filtering and data reduction
CN111901028A (zh) 一种基于多天线上csi的人体行为识别方法
Wang et al. Specific emitter identification based on deep adversarial domain adaptation
CN110390273A (zh) 一种基于多核迁移学习的室内人员入侵检测方法
CN110515130B (zh) 一种基于信道状态信息的储粮害虫检测方法及装置
CN115499912A (zh) 一种基于Wi-Fi信道状态信息的视距识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant