CN109061632A - 一种无人机识别方法 - Google Patents
一种无人机识别方法 Download PDFInfo
- Publication number
- CN109061632A CN109061632A CN201810947663.2A CN201810947663A CN109061632A CN 109061632 A CN109061632 A CN 109061632A CN 201810947663 A CN201810947663 A CN 201810947663A CN 109061632 A CN109061632 A CN 109061632A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- sample data
- wireless signal
- discrete
- plane sample
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Electromagnetism (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种无人机识别方法,属于无线电监测领域。该方法包括获取P组无人机样本数据,每组无人机样本数据对应一种型号的无人机,P为正整数;接收无线信号;将所述无线信号与所述无人机样本数据进行离散互相关运算,得到离散互相关结果;检测所述离散互相关结果是否大于所述无人机样本数据对应的门限值;若检测到所述离散互相关结果大于所述门限值,则确认所述无线信号对应的目标为无人机;解决了对无人机信号的识别准确度不高的问题;达到了提高对无人机的识别准确度,提高检测距离的效果。
Description
技术领域
本发明实施例涉及无线电监测领域,特别涉及一种无人机识别方法。
背景技术
随着无人机技术的发展,无人机数量也越来愈多,现在的无人机一般具有尺寸小、噪音小、操纵简单等特点。
虽然无人机在高空拍摄、空中挂载等方面给使用者带来了方便,但无人机“黑飞”给社会公共安全造成了不少严重后果,针对无人机的各类规章制度在无人机“黑飞”出现问题之前也难以发挥实际作用,还需要相应的技术手段识别、检测无人机。
相关技术中,采用雷达、光电技术、无线电监测技术等手段识别无人机,在使用雷达技术识别无人机时,通过多普勒或相控阵等雷达发射无线电波,再根据无人机反射回来的回波识别、定位无人机。然而,由于无人机属于低小慢目标,当监测距离近时,雷达可能无法发现目标物体,此外,城市环境下杂波影响大,还容易受到飞鸟、建筑、地形等各类物体的影响,导致监测效果不好。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种无人机识别方法。该技术方案如下:
第一方面,提供了一种无人机识别方法,该方法包括:
获取P组无人机样本数据,每组无人机样本数据对应一种型号的无人机,P为正整数;
接收无线信号;
将无线信号与无人机样本数据进行离散互相关运算,得到离散互相关结果;
检测离散互相关结果是否大于无人机样本数据对应的门限值;
若检测到离散互相关结果大于门限值,则确认无线信号对应的目标为无人机。
可选的,获取P组无人机样本数据,包括:
针对每种型号的无人机,获取无人机的无线通信信号,无线通信信号包括前向链路信号和反向链路信号;
根据无线通信信号获取无人机样本数据,得到无人机型号与无人机样本数据的对应关系,无人机样本数据至少包括频率、带宽、同步码。
可选的,对无线信号与无人机样本数据进行离散互相关运算,得到运算结果,包括:
对无线信号进行数据处理,得到q个窄带信号,数据处理包括放大、采样、滤波和数字下变频;q为正整数;
将每个窄带信号与P组无人机样本数据分别进行离散互相关运算,得到若干个运算结果;
根据若干个运算结果确定无线信号与无人机样本数据的离散互相关结果。
本发明实施例提供的技术方案带来的有益效果是:
通过获取P组一直的无人机样本数据,接收无线信号,将无线信号与无人机样本数据进行离散互相关运算,得到离散互相关结果,检测离散互相关结果是否大于无人机样本数据对应的门限值,若离散互相关结果大于门限值,则确认无线信号对应的目标为无人机;解决了对无人机信号的识别准确度不高的问题;达到了提高对无人机的识别准确度,提高检测距离的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种无人机识别方法的流程图;
图2是根据另一示例性实施例示出的一种无人机识别方法的流程图。
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,下面将结合附图对本发明实施方式作进一步地详细描述。
请参考图1,其示出了本发明一个实施例提供的无人机识别方法的流程图。该无人机识别方法适用于无人机识别系统中。如图1所示,该无人机识别方法可以包括以下步骤:
在步骤101中,获取P组无人机样本数据。
每组无人机样本数据对应一种型号的无人机,P为正整数。
在利用系统自动识别未知的无线信号对应的目标是否是无人机之前,需要先由人工获取已知型号的无人机样本数据,再将获取到的样本数据置入用于自动识别无人机的系统中。用于识别无人机的系统只能根据已知的无人机样本数据识别无线信息是否是无人机,即假设无线信号对应的目标是P种型号以外的无人机,用于识别无人机的系统也不能将该无线信号对应的目标识别为无人机。
在步骤102中,接收无线信号。
通过无线信号采集装置接收无线信号,并存储接收到的无线信号。
在步骤103中,将无线信号与无人机样本数据进行离散互相关运算,得到离散互相关结果。
将接收到的无线信号与P组无人机样本数据分别进行离散互相关运算,得到离散互相关结果。
在步骤104中,检测离散互相关结果是否大于无人机样本数据对应的门限值。
每组无人机样本数据对应一个门限值。
若检测到离散互相关检测结果大于门限值,则执行步骤105;若检测到离散互相关检测结果不大于门限值,则确认无线信号对应的目标不是无人机。
在步骤105中,确认无线信号对应的目标为无人机。
综上所述,本发明实施例提供的无人机识别方法,通过获取P组一直的无人机样本数据,接收无线信号,将无线信号与无人机样本数据进行离散互相关运算,得到离散互相关结果,检测离散互相关结果是否大于无人机样本数据对应的门限值,若离散互相关结果大于门限值,则确认无线信号对应的目标为无人机;解决了对无人机信号的识别准确度不高的问题;达到了提高对无人机的识别准确度,提高检测距离的效果。
请参考图2,其示出了本发明另一个实施例提供的无人机识别方法的流程图该无人机识别方法适用于无人机识别系统中。如图2所示,该无人机识别方法可以包括以下步骤:
在步骤201中,针对每种型号的无人机,获取无人机的无线通信信号。
无线通信信号包括前向链路信号和反向链路信号。
在步骤202中,根据无线通信信号获取无人机样本数据,得到无人机型号与无人机样本数据的对应关系。
无人机样本数据至少包括频率、带宽、同步码。
可选的,无人机样本数据还包括突发长度和周期。
根据P种型号的无人机的无线通信信号,可以得到P组无人机型号与无人机样本数据的对应关系。P为正整数。
在步骤203中,接收无线信号。
在步骤204中,对无线信号进行数据处理,得到q个窄带信号。
数据处理包括放大、采样、滤波和数字下变频,q为正整数。
在步骤205中,将每个窄带信号与P组无人机样本数据分别进行离散互相关运算,得到若干个运算结果。
比如,一个无线信号具有q个窄带信号,则q个窄带信号分别与每组无人机样本数据进行离散互相关运算,得到若干个运算结果。
计算公式为:其中,m的取值范围为0至N-1,x(m)为无人机样本数据,y(m)为窄带信号。
在步骤206中,根据若干个运算结果确定无线信号与无人机样本数据的离散互相关结果。
一个无线信号与一组无人机样本数据进行离散互相关运算后,得到一个离散互相关结果。
在步骤207中,检测离散互相关结果是否大于无人机样本数据对应的门限值。
每组无人机样本数据对应一个门限值。
若检测到离散互相关检测结果大于门限值,则执行步骤105;若检测到离散互相关检测结果不大于门限值,则确认无线信号对应的目标不是无人机。
在步骤208中,确认无线信号对应的目标为无人机。
此外,无人机识别系统还可以以特定的重复周期形成线性扫频基带波形,将线性扫频基带波形经过上变频、DA变换和放大后,形成具有干扰效果的干扰信号,并通过天线发射出去。可选的,干扰信号所有频段的信号进行干扰,或者,只对ISM2.4G、5.8G、1.57G等频段进行干扰。
本发明实施例提供的无人机识别方法的有益效果为:
1、基于无线信号特征进行检测识别,具有极高的识别准确率;
2、检测识别距离远,可达6公里以上,预警时间可提前数分钟;
3、采用无线压制方式对无人机进行管制,造成次生伤害的概率小;
4、基于通用的软件无线电产品实现,可选成熟产品多,利于不同应用环境的选型;系统体积小、成本低,有利于大规模推广。
需要说明的是:上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种无人机识别方法,其特征在于,所述方法包括:
获取P组无人机样本数据,每组无人机样本数据对应一种型号的无人机,P为正整数;
接收无线信号;
将所述无线信号与所述无人机样本数据进行离散互相关运算,得到离散互相关结果;
检测所述离散互相关结果是否大于所述无人机样本数据对应的门限值;
若检测到所述离散互相关结果大于所述门限值,则确认所述无线信号对应的目标为无人机。
2.根据权利要求1所述的方法,其特征在于,所述获取P组无人机样本数据,包括:
针对每种型号的无人机,获取无人机的无线通信信号,所述无线通信信号包括前向链路信号和反向链路信号;
根据所述无线通信信号获取所述无人机样本数据,得到无人机型号与无人机样本数据的对应关系,所述无人机样本数据至少包括频率、带宽、同步码。
3.根据权利要求1所述的方法,其特征在于,所述对所述无线信号与所述无人机样本数据进行离散互相关运算,得到运算结果,包括:
对所述无线信号进行数据处理,得到q个窄带信号,所述数据处理包括放大、采样、滤波和数字下变频;q为正整数;
将每个所述窄带信号与所述P组无人机样本数据分别进行离散互相关运算,得到若干个所述运算结果;
根据所述若干个运算结果确定所述无线信号与所述无人机样本数据的离散互相关结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810947663.2A CN109061632B (zh) | 2018-08-20 | 2018-08-20 | 一种无人机识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810947663.2A CN109061632B (zh) | 2018-08-20 | 2018-08-20 | 一种无人机识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061632A true CN109061632A (zh) | 2018-12-21 |
CN109061632B CN109061632B (zh) | 2020-12-15 |
Family
ID=64687483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810947663.2A Active CN109061632B (zh) | 2018-08-20 | 2018-08-20 | 一种无人机识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061632B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163569A (zh) * | 2020-10-29 | 2021-01-01 | 上海特金无线技术有限公司 | 信号检测方法、装置、电子设备与存储介质 |
CN112509384A (zh) * | 2021-02-03 | 2021-03-16 | 深圳协鑫智慧能源有限公司 | 一种基于智慧路灯的飞行器管制方法及智慧路灯 |
CN113640751A (zh) * | 2020-05-11 | 2021-11-12 | 安讯士有限公司 | 用于radar干扰减小的方法和设备 |
RU2765272C1 (ru) * | 2021-02-04 | 2022-01-27 | Акционерное общество "Авиаавтоматика" имени В.В. Тарасова" | Субполосный способ радиолокационного обнаружения малоразмерных беспилотных летательных аппаратов |
RU2787843C1 (ru) * | 2021-11-18 | 2023-01-13 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Ярославское высшее военное училище противовоздушной обороны" Министерства обороны Российской Федерации | Способ радиолокационного распознавания группы однотипных малоразмерных беспилотных летательных аппаратов |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106452716A (zh) * | 2016-11-15 | 2017-02-22 | 厦门大学 | 基于Hash指纹的无人机信号识别检测算法 |
CN106839882A (zh) * | 2017-01-22 | 2017-06-13 | 张红彬 | 特殊区域入侵无人机预警拦截控制系统 |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
CN108197581A (zh) * | 2018-01-10 | 2018-06-22 | 厦门大学 | 一种基于改进AC-WGANs的无人机信号识别检测算法 |
-
2018
- 2018-08-20 CN CN201810947663.2A patent/CN109061632B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106452716A (zh) * | 2016-11-15 | 2017-02-22 | 厦门大学 | 基于Hash指纹的无人机信号识别检测算法 |
CN106839882A (zh) * | 2017-01-22 | 2017-06-13 | 张红彬 | 特殊区域入侵无人机预警拦截控制系统 |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
CN108197581A (zh) * | 2018-01-10 | 2018-06-22 | 厦门大学 | 一种基于改进AC-WGANs的无人机信号识别检测算法 |
Non-Patent Citations (3)
Title |
---|
吴小松等: "民用无人机反制技术研究", 《中国无线电》 * |
夏铭禹等: "要地防控反无人机系统及其关键技术", 《指挥控制与仿真》 * |
虞和济等: "《设备故障诊断工程》", 30 June 2001 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640751A (zh) * | 2020-05-11 | 2021-11-12 | 安讯士有限公司 | 用于radar干扰减小的方法和设备 |
CN113640751B (zh) * | 2020-05-11 | 2023-09-08 | 安讯士有限公司 | 用于radar干扰减小的方法和设备 |
CN112163569A (zh) * | 2020-10-29 | 2021-01-01 | 上海特金无线技术有限公司 | 信号检测方法、装置、电子设备与存储介质 |
CN112163569B (zh) * | 2020-10-29 | 2022-11-29 | 上海特金无线技术有限公司 | 信号检测方法、装置、电子设备与存储介质 |
CN112509384A (zh) * | 2021-02-03 | 2021-03-16 | 深圳协鑫智慧能源有限公司 | 一种基于智慧路灯的飞行器管制方法及智慧路灯 |
RU2765272C1 (ru) * | 2021-02-04 | 2022-01-27 | Акционерное общество "Авиаавтоматика" имени В.В. Тарасова" | Субполосный способ радиолокационного обнаружения малоразмерных беспилотных летательных аппаратов |
RU2787843C1 (ru) * | 2021-11-18 | 2023-01-13 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Ярославское высшее военное училище противовоздушной обороны" Министерства обороны Российской Федерации | Способ радиолокационного распознавания группы однотипных малоразмерных беспилотных летательных аппаратов |
Also Published As
Publication number | Publication date |
---|---|
CN109061632B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061632A (zh) | 一种无人机识别方法 | |
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN111399002B (zh) | 一种基于两级神经网络的gnss接收机组合干扰分类识别方法 | |
CN108280395B (zh) | 一种对低小慢无人机飞控信号的高效识别方法 | |
CN106371084B (zh) | 一种基于雷达回波的电离层电子密度探测方法 | |
CN102289906A (zh) | 围界入侵检测方法、装置及系统 | |
CN112083393B (zh) | 基于谱图平均时间特征的间歇采样转发干扰识别方法 | |
CN103954943A (zh) | 网络化雷达系统抗欺骗式干扰方法 | |
KR102275960B1 (ko) | 딥러닝 기반의 레이다 표적 탐지 시스템 및 그 방법 | |
CN107045122A (zh) | 一种目标检测系统及其检测方法 | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN109521412A (zh) | 基于局部统计量融合的雷达组网空域目标检测方法 | |
CN112052878A (zh) | 一种雷达的遮挡识别的方法、装置及存储介质 | |
US9866422B1 (en) | Methods of blind source separation filter resource management | |
CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
CN109039524B (zh) | 全频段全自动反无人机系统 | |
CN112881812B (zh) | 基于机器学习编码的全闪实时定位方法及装置 | |
CN115600101B (zh) | 一种基于先验知识的无人机信号智能检测方法及装置 | |
CN108599880B (zh) | 基于卷积神经网络的民航地空对讲系统干扰预警方法 | |
CN114584227B (zh) | 自动化突发信号检测方法 | |
CN105911546A (zh) | 一种海杂波的识别方法及装置 | |
CN113759362B (zh) | 雷达目标数据关联的方法、装置、设备和存储介质 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
Yip et al. | Efficient and effective tropical cyclone eye fix using genetic algorithms | |
Zhang et al. | Range–Doppler‐based centralised framework for human target tracking in multistatic radar |
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 |