CN110401479A - 基于旋翼无人机载设备和地面设备的目标信号识别方法 - Google Patents
基于旋翼无人机载设备和地面设备的目标信号识别方法 Download PDFInfo
- Publication number
- CN110401479A CN110401479A CN201910671173.9A CN201910671173A CN110401479A CN 110401479 A CN110401479 A CN 110401479A CN 201910671173 A CN201910671173 A CN 201910671173A CN 110401479 A CN110401479 A CN 110401479A
- Authority
- CN
- China
- Prior art keywords
- signal
- ground installation
- target
- equipment
- echo signal
- 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
-
- 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
- H04B1/02—Transmitters
- H04B1/04—Circuits
-
- 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
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- 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
- H04B1/02—Transmitters
- H04B1/04—Circuits
- H04B2001/0408—Circuits with power amplifiers
-
- 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
- H04B1/02—Transmitters
- H04B1/04—Circuits
- H04B2001/0408—Circuits with power amplifiers
- H04B2001/0416—Circuits with power amplifiers having gain or transmission power control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于旋翼无人机载设备和地面设备的目标信号识别方法,属于通信侦察技术领域,解决了现有技术中空中通信侦查设备不宜长时间侦查、信号回传时间较长,地面通信侦察设备侦察距离近、信号处理时间长的问题。该方法包括:旋翼无人机载设备接收外部实时目标信号,对目标信号的频段进行识别,根据识别频段对目标信号进行相应优化处理,然后将获得的优化处理信号放大后作为转发信号转发至地面设备;地面设备对转发信号进行特征向量提取,将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,进而获得信号类型和载体目标,完成目标信号识别。该方法应用了双重相关运算识别技术,目标识别精度高、且可靠。
Description
技术领域
本发明涉及通信侦察技术领域,尤其涉及一种基于旋翼无人机载设备和地面设备的目标信号识别方法。
背景技术
通信侦察技术的原理是通过对非合作方通信信号的侦收、识别和分析,获取敌方通信活动规律,进而掌握敌方通信体制状态,确定目标辐射源方位。通信侦察装备根据装载平台的不同可分为固定站、车载、舰载和机载等不同的装载形式,各装载平台的工作原理基本相同,只是根据任务使用环境来选择不同的装载形式。
目前,空中通信侦查设备例如固定翼飞机机动性较强,但无法对特定区域实现长时间侦察,且由于链路较长,侦察处理结果回传时间较长。地面通信侦察设备受装载平台的影响,无法充分起到实时通信侦察的作用。如固定站式或车载式通信侦察设备,由于此类装载平台的天线高度较低,受视距影响,通信侦察距离较近,且环境影响因素较多,信号处理需要较长的时间。
综上,有必要对空中通信侦查设备不宜长时间侦查、信号回传时间较长,地面通信侦察设备侦察距离近、信号处理时间长的问题进行解决。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种基于旋翼无人机载设备和地面设备的目标信号识别方法,用以解决现有技术中空中通信侦查设备不宜长时间侦查、信号回传时间较长,地面通信侦察设备侦察距离近、信号处理时间长的问题。
一方面,本发明实施例提供了一种基于旋翼无人机载设备和地面设备的目标信号识别方法,包括如下步骤:
旋翼无人机载设备接收外部实时目标信号,对所述目标信号的频段进行识别,根据识别频段对所述目标信号进行相应优化处理,然后将获得的优化处理信号放大后作为转发信号转发至地面设备;
地面设备对接收到的转发信号进行特征向量提取,将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,获得信号类型和载体目标,完成目标信号识别。
上述技术方案的有益效果如下:通过旋翼无人机载设备,可侦查距离较远的外部实时目标信号(目标信号),然后经过其内置的处理器对所述外部实时目标信号进行优化处理,再将获得的微弱信号放大后转发至地面设备。上述方法能够使得地面侦查范围大大增加,旋翼无人机载设备能够连续、不间断工作,为地面设备进行目标识别提供真实、可靠的目标信号,使得最终获得的目标识别结果准确、稳定、可靠。
基于上述方法的进一步改进,所述根据识别频段对目标信号进行优化处理,进一步包括如下步骤:
当目标信号的频段与转发至地面设备的转发频段属于同一频带时,先对目标信号进行变频,获得待转发频段信号,然后采用同频信号抵消方法,消除所述待转发频段信号中包含的与目标信号频段相同的同频信号,进而获得优化处理信号;
当目标信号的频段与转发至地面设备的转发频段属于不同频带时,先通过通带范围覆盖目标信号频段且不包括转发频段的带通滤波方法,消除所述目标信号中包含的与转发频段相同的信号,然后对获得的消除后信号进行变频,进而获得优化处理信号。
上述进一步改进方案的有益效果是:相对于现有技术常采用的信号接收和转发分时工作,上述方案中信号接收和信号转发可同时工作,能够实现目标信号的连续侦察处理。
进一步,所述同频信号抵消方法包括如下步骤:
对历史转发信号进行取样,提取与转发信号特征相关的取样信号;
对所述取样信号进行幅度和相位的调整,获得与当前转发信号幅度相同、相位相反的调整后信号;
将所述调整后信号与所述目标信号合并,获得所述调整后信号中包含与目标信号频段相同的同频信号;
根据上述同频信号,消除待转发频段信号中包含的与目标信号频段相同的同频信号,进而获得优化处理信号。
上述进一步改进方案的有益效果是:在转发频段(转发信号)与侦收频段(目标信号)处于同一频段时,采用同频信号抵消方法,能够实现信号接收与信号转发同时进行、连续工作,增强了系统的侦察效能。
进一步,所述将获得的优化处理信号放大转发至地面设备,进一步包括如下步骤:
将所述优化处理信号按需进行功率放大;
对功率放大后信号进行功率控制,获得设定功率的转发信号,保证所述转发信号以设定功率稳定输出至地面设备。
上述进一步改进方案的有益效果是:转发信号能够以稳定功率转发至地面接收设备,使地面设备能够较好地接收转发信号,提高转发信号的截获概率,有助于后续的信号处理工作。
进一步,所述对功率放大后信号进行功率控制,进一步包括如下步骤:
采集功率放大后信号的样本信号;
对所述样本信号进行均方根检波;
将获得的检波结果与设置的阈值上下限进行比较,当检波结果高于阈值上限时,控制所述优化处理信号幅值降低,再次功率放大并检波,当检波结果低于阈值下限时,控制所述优化处理信号幅值升高,再次功率放大并检波,直到检波结果处于阈值上下限之间为止。
上述进一步改进方案的有益效果是:通过阈值的设置,能够保证功率放大器在阈值上下限的范围内稳定输出功率,增强系统的稳定程度,进而提升系统的侦察处理效能,使得识别结果准确、可靠,提高用户体验。
进一步,所述对接收到的转发信号进行特征向量提取,包括如下步骤:
将转发信号分成l小段,对获得的每一小段信号分别进行常规特征、细微特征提取,获得每一小段信号对应的特征向量Ti;所述特征向量中,表征常规特征的元素包括功率大小、持续时间,表征细微特征的元素包括调制方式、码速率、占空比、脉冲宽度;
以上述每一小段信号对应的特征向量为一行、以分段先后顺序为列建立目标信号的l行k列多维特征向量T
式中,Tij表示特征向量Ti的第j个元素。
上述进一步改进方案的有益效果是:这种特征向量构造方法能够在多维度上表征同一信号,包括常规特征、细微特征,因此使表征更为有效,有利于后续的信号处理和识别。
进一步,所述将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,进一步包括如下步骤:
对所述特征向量进行归一化处理,获得归一化结果X={x1,x2,…,xn};
根据上述归一化结果X,通过如下公式进行第一重相关运算,获得第一重相关运算输出zj
式中,θj表示预设阈值一,wij表示第一重相关运算的权值,f()表示数据库中的信号与目标特征向量之间的映射关系;
根据所述第一重相关运算输出zj,通过如下公式进行第二重相关运算,获得第二重相关运算输出yk
式中,θk表示预设阈值二,wjk表示第二重相关运算的权值。
上述进一步改进方案的有益效果是:通过双重相关计算,将侦收信号的特征向量带入数据库中信号与目标特征向量之间的映射关系,获得两个相关值,作为进一步信号类型和载体目标的识别的输入数据。
进一步,所述获得信号类型和载体目标,包括如下步骤:
将第一重相关运算输出zj与数据库中的信号特征向量Z={z1,z2,…,zm}每一元素进行比较,判定相同的元素对应的类型为待识别的信号类型;
将第二重相关运算输出yk与数据库中的目标特征向量Y={y1,y2,…,ys}每一元素进行比较,获得相同的元素对应的载体目标为待识别的载体目标。
上述进一步改进方案的有益效果是:对接收到的最终转发信号进行特征向量提取,获得包括所述目标信号常规特征、细微特征的多维特征向量。然后,根据所述多维特征向量进行双重相关运算,获得真实信号类型和载体目标。经大量试验证明,识别效率和识别准确率非常高。
进一步,该方法还包括如下步骤:
通过下面公式计算所述双重相关运算的目标信号识别正确概率e
式中,yk表示第二重相关运算输出,m表示数据库中信号特征向量的元素个数。
将获得的上述e与目标识别基准值比较,如果e大于等于目标识别基准值,判定识别结果正确,输出所述信号类型和载体目标,否则,判定识别结果错误,剔除该识别结果,再次采集数据,重新识别。
上述进一步改进方案的有益效果是:根据计算得来的目标信号识别正确概率e(也可称为相关误差),可以判断目标信号识别结果(信号类型和载体目标)的可信度,汇总正确识别结果,剔除错误识别结果,达到优化信号-目标数据库的目的。
进一步,当接收到的外部实时目标信号频谱干扰较大,所述旋翼无人机载设备和地面设备的距离不得超过2km,旋翼无人机载设备接收的电平不得超过-65dBm;
当接收到的外部实时目标信号频谱干扰较小,所述旋翼无人机载设备和地面设备的距离不得超过10km,旋翼无人机载设备接收的外部实时目标信号电平不得超过-75dBm;
所述转发频段采用S段、C段中的至少一种。
上述进一步改进方案的有益效果是:通过对旋翼无人机载设备和地面设备的距离、旋翼无人机载设备接收的电平的限定,能够在最大程度上保证系统稳定工作,利于目标信号的处理识别。转发频段采用S段、C段中的至少一种,能够互相作为备份手段,在一段频段受到干扰的时候,至少还有另外一个频段可以利用,保证系统始终可以正常工作。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1基于旋翼无人机载设备和地面设备的目标信号识别方法步骤示意图;
图2为本发明实施例3基于旋翼无人机载设备和地面设备的目标信号识别系统组成示意图;
图3为本发明实施例4旋翼无人机载设备组成示意图;
图4为本发明实施例4功放控制电路组成示意图;
图5为本发明实施例4地面设备组成示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明的一个具体实施例,公开了一种基于旋翼无人机载设备和地面设备的目标信号识别方法,如图1所示,包括如下步骤:
S1.旋翼无人机载设备接收外部实时目标信号,对所述目标信号的频段进行识别,根据识别频段对所述目标信号进行相应优化处理,然后将获得的优化处理信号放大后作为转发信号转发至地面设备;
S2.地面设备对接收到的转发信号进行特征向量提取,将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,获得信号类型和载体目标,完成目标信号识别。
可选地,所述信号类型为频率调制(FM)超短波通信信号、数据链信号或敌我识别(IFF)信号。所述载体目标为民航客机、军用战斗机或运输机。
实施时,旋翼无人机载设备对外部实时目标信号(目标信号)进行接收、优化处理、放大、转发至地面设备,然后地面设备对转发后信号(放大后优化处理信号)进行识别,获得信号类型和载体目标信息,为相关单位判断目标的威胁等级提供信息支撑。
与现有技术相比,本实施例提供的通过旋翼无人机载设备,可侦查距离较远的外部实时目标信号,然后经过其内置的处理器对所述外部实时目标信号进行优化处理,再将获得的微弱信号放大后转发至地面设备。上述方法能够使得地面侦查范围大大增加,旋翼无人机载设备能够连续、不间断工作,为地面设备进行目标识别提供真实、可靠的目标信号,使得最终获得的目标识别结果准确、稳定、可靠。
实施例2
在实施例1的基础上进行改进,步骤S1中,对所述目标信号的频段进行识别进一步包括如下步骤:
S11.通过快速傅里叶变换方法将外部实时目标信号从时阈变换到频域;
S12.通过获得的频域结果对外部实时目标信号的频段进行识别。
优选地,步骤S1所述根据识别频段对目标信号进行优化处理,进一步包括如下步骤(两种模式):
S13.第一种模式是,当目标信号的频段与转发至地面设备的转发频段属于同一频带时,先对目标信号进行变频,获得待转发频段信号,然后采用同频信号抵消方法,消除所述待转发频段信号中包含的与目标信号频段相同的同频信号,进而获得优化处理信号。
S14.第二种模式是,当目标信号的频段与转发至地面设备的转发频段属于不同频带时,通过通带范围覆盖目标信号频段且不包括转发频段的带通滤波方法,消除所述目标信号中包含的与转发频段相同的信号,对转发信号进行抑制,进而获得优化处理信号。
值得注意的是,输入信号的频段被机载收发天线接收频段限制,变频后输出信号的频段被地面设备的可接收频段限制,即使属于同一频带二者频段也可能不一致,所以一般需要变频。
上述两种模式中,分别采用不同的优化处理(步骤S13所述同频信号抵消方法、步骤S14所述带通滤波方法)对旋翼无人机载设备的转发信号对接收信号在接受频段引起的干扰进行了抵消。
优选地,在步骤S14的第二种模式下,目标信号的频段与转发至地面设备的转发频段距离应足够远,即侦收频段和转发频段互相不重合且互相不受谐波影响,通过带通滤波对转发信号进行抑制,将转发信号对旋翼无人机载设备接收端的影响降到最低。
优选地,上述步骤S13中,所述同频信号抵消方法可进一步细化为如下步骤:
S131.对历史转发信号进行取样,提取与转发信号特征相关的取样信号;与转发信号特征相关指的是包含转发信号全部特征细节,可用于后续目标识别。
S132.对所述取样信号进行幅度和相位的调整,获得与当前转发信号幅度相同、相位相反的调整后信号;
S133.将所述调整后信号与所述目标信号合并,获得所述调整后信号中包含与目标信号频段相同的同频信号;
S134.根据上述同频信号,消除待转发频段信号中包含的与目标信号频段相同的同频信号,进而获得优化处理信号。
经大量试验证明,通过步骤S131~S134,可有效地将转发信号对接收信号(外部实时目标信号)的影响降到最低。
通常情况下,接收信号是非常微弱的,需要进行放大后转发。
优选地,步骤S1中,所述将获得的优化处理信号放大转发至地面设备,进一步包括如下步骤:
S15.将所述优化处理信号按需进行功率放大;
S16.对功率放大后信号进行功率控制,获得设定功率的转发信号,保证所述转发信号以设定功率稳定输出至地面设备。
优选地,上述步骤S16中,所述对功率放大后信号进行功率控制,进一步包括如下步骤:
S161.采集功率放大后信号的样本信号;
S162.对所述样本信号进行均方根检波;
S163.将获得的检波结果与设置的阈值上下限进行比较,当检波结果高于阈值上限时,控制所述优化处理信号幅值降低,再次功率放大并检波,当检波结果低于阈值下限时,控制所述优化处理信号幅值升高,再次功率放大并检波,直到检波结果处于阈值上下限之间为止。
通过以设定功率稳定输出所述放大后优化处理信号,能够为后续地面设备接收、处理、识别提供较高稳定性的输入,进而使得识别结果准确、可靠。
接下来的步骤S2,通过地面设备来进行实时目标识别,不同于当前信号识别普遍采用的实验室分析模式,本实施例地面设备的识别方法涉及信号常规特征、细微特征的提取和识别。下面进一步介绍。
优选地,步骤S2可通过如下方法提取特征向量:
S21.对接收到的转发信号进行分段(l小段),将获得的每一小段信号分别进行特征向量提取。每个特征向量包括k种特征。
所述特征包括所述目标信号常规特征、细微特征。其中,目标信号常规特征包括包括功率大小、持续时间等,目标信号细微特征包括调制方式、码速率、占空比、脉冲宽度等。
S22.建立目标信号(也称转发信号、当前侦收信号)的l行k列多维特征向量,如下公式所述:
式中,每一行表示分段获得的一小段信号的特征向量,分别是功率大小、持续时间、调制方式、码速率、占空比、脉冲宽度等。
这种特征向量构造方法能够在多维度上表征同一信号,使表征更为有效,有利于后续的识别处理。
优选地,步骤S2中,所述将特征向量根据提取其数据库中的信号与目标特征向量之间的映射关系进行双重相关运算,进一步包括如下步骤:
S23.对所述特征向量进行归一化处理,获得归一化结果X={x1,x2,…,xn};
S24.根据上述归一化结果X,通过如下公式进行第一重相关运算,获得第一重相关运算输出zj
式中,θj表示预设阈值一,wij表示第一重相关运算的权值,f()表示数据库中的信号与目标特征向量之间的映射关系.
其中,f()的获取方法是,可事先从实际环境中采集各种类型的信号,建立目标特征向量(l行k列多维特征向量),进而通过大量试验建立信号特征向量与目标特征向量之间的映射关系。本领域技术人员能够理解。
S25.根据所述第一重相关运算输出zj,通过如下公式进行第二重相关运算,获得第二重相关运算输出yk
式中,θk表示预设阈值二,wjk表示第二重相关运算的权值。
优选地,步骤S2中,所述获得信号类型和载体目标,包括如下步骤:
S26.将第一重相关运算输出zj与数据库中的信号特征向量Z={z1,z2,…,zm}每一元素进行比较,判定相同的元素对应的类型为待识别的信号类型;
S27.将第二重相关运算输出yk与数据库中的目标特征向量Y={y1,y2,…,ys}每一元素进行比较,获得相同的元素对应的载体目标为待识别的载体目标。
优选地,该方法还包括如下步骤:
S28.通过下面公式计算所述双重相关运算的目标信号识别正确概率e
式中,yk表示第二重相关运算输出,m表示数据库中信号特征向量的元素个数。
S29.将获得的上述e与目标识别基准值比较,如果e大于等于目标识别基准值,判定识别结果正确,输出所述信号类型和载体目标,否则,判定识别结果错误,剔除该识别结果,再次采集数据,重新识别。
优选地,当接收到的外部实时目标信号频谱干扰较大,所述旋翼无人机载设备和地面设备的距离不得超过2km,旋翼无人机载设备接收的电平不得超过-65dBm,此时频谱搬移信噪比恶化可以承受。当接收到的外部实时目标信号频谱干扰较小,所述旋翼无人机载设备和地面设备的距离不得超过10km,旋翼无人机载设备接收的外部实时目标信号电平不得超过-75dBm,此时频谱搬移信噪比恶化可以承受。并且,旋翼无人机载设备接收的电平低于-53dBm时,均能实现无失真(不饱和)转发。
优选地,所述转发频段采用S段、C段中的至少一种。
与实施例1相比,本实施例提供的方法提取并构造了侦收信号的多维特征向量,并根据该多维特征向量和数据库中信号与目标特征向量之间的映射关系进行双重相关计算,最终得到侦收信号的目标识别结果。该实施例最终获得信号类型和载体目标信息,能够支撑相关单位判断目标的威胁等级,具有较大的实际使用意义。
实施例3
本发明还提供了一种使用实施例1所述方法对应的目标信号识别系统,如图2所示,其包括旋翼无人机载设备和地面设备。旋翼无人机载设备可到达目标附近上空,通过WiFi将对方发出的外部实时目标信号传输至地面设备。
旋翼无人机载设备,用于接收外部实时目标信号,对所述目标信号的频段进行识别,根据识别频段对目标信号进行相应优化处理,然后将获得的优化处理信号放大后作为转发信号转发至地面设备。
地面设备,用于对接收到的转发信号进行特征向量提取,将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,获得信号类型和载体目标,完成目标信号识别。
实施时,旋翼无人机载设备对外部实时目标信号(目标信号)进行接收、优化处理、放大、转发至地面设备,然后地面设备对转发信号进行识别,获得信号类型和载体目标信息,为相关单位判断目标的威胁等级提供信息支撑。
与现有技术相比,本实施例提供的系统通过旋翼无人机载设备,可侦查距离较远的外部实时目标信号,然后经过其内置的处理器对所述外部实时目标信号进行优化处理,再将获得的微弱信号放大后转发至地面设备。上述设置能够使得地面侦查范围大大增加,旋翼无人机载设备能够连续、不间断工作,为地面设备进行目标识别提供真实、可靠的目标信号,使得最终获得的目标识别结果准确、稳定、可靠。
实施例4
在实施例3所述系统的基础上进行改进,本发明还公开了一种使用实施例2所述方法的目标信号识别系统,首先介绍旋翼无人机载设备,其可包括机载收发天线、模式选择模块、同频滤波模块、非同频滤波模块、变频模块。
其中,机载接收天线的输出端与模式选择模块的输入端连接,模式选择模块的输出端一依次经变频模块一、同频滤波模块与机载收发天线输入端连接,其输出端二依次经非同频滤波模块、变频模块二与机载收发天线输入端连接,如图3所示。
机载收发天线,用于接收外部实时目标信号,传输至模式选择模块,并将所述旋翼无人机载设备产生的转发信号传输至地面设备。
模式选择模块,用于对所述目标信号的频段进行识别,当识别结果中目标信号频段与转发至地面设备的转发频段属于同一频带时,将目标信号先传输至变频模块再传输至同频滤波模块获得转发信号,否则,将目标信号先传输至非同频滤波模块再传输至变频模块获得转发信号。可选地,转发频段可为S段、C段中的至少一种。
变频模块,用于对输入信号进行变频,获得变频后输出信号。输入信号的频段被机载收发天线接收频段限制,变频后输出信号的频段被地面设备的可接收频段限制,即使属于同一频带二者频段也可能不一致。因此,变频模块设置为上述两个模块——变频模块一、变频模块二,两个变频模块的变频系数不相同,各自的变频系数根据实际需求设置。
可选地,变频模块一、变频模块二也设置成一个。此时,模式选择模块、非同频滤波模块、变频模块、同频滤波模块依次连接,同频滤波模块、非同频滤波模块设置并列开关。当判定为同一频段时,同频滤波模块的并列开关开启,非同频滤波模块的并列开关关闭,目标信号先传输至变频模块再传输至同频滤波模块获得转发信号,当判定为不同频段时,同频滤波模块的并列开关关闭,非同频滤波模块的并列开关开启,目标信号先传输至非同频滤波模块再传输至变频模块获得转发信号。
同频滤波模块,用于通过同频信号抵消方法,消除所述变频模块输出信号频段中与所述实时目标信号频段相同的同频信号,进而获得优化处理信号作为转发信号。
非同频滤波模块,用于通过通带范围覆盖目标信号频段且不包括转发频段的带通滤波方法,消除所述目标信号中包含的与转发频段相同的信号,获得优化处理信号,进而传输至变频模块获得转发信号。
同频滤波模块执行如下程序,获取优化处理信号:
S131.对历史转发信号进行取样,提取与转发信号特征相关的取样信号;与转发信号特征相关指的是包含转发信号全部特征细节,可用于后续目标识别。
S132.对所述取样信号进行幅度和相位的调整,获得与当前转发信号幅度相同、相位相反的调整后信号。
S133.将所述调整后信号与所述实时目标信号合并,获得所述调整后信号中包含与所述实时目标信号频段相同的同频信号。
S134.根据上述同频信号消除当前转发频段中包含的与所述实时目标信号频段相同的同频信号,进而获得优化处理信号。
同频滤波模式下,经大量试验证明,通过上述步骤S131~S134,可有效地将转发信号对接收信号(外部实时目标信号)的影响降到最低。
对于两种不同模式(同频滤波、非同频滤波),分别采用不同的优化处理(同频信号抵消方法、带通滤波方法)对旋翼无人机载设备的转发信号对接收信号在接受频段引起的干扰进行抵消。
进一步,非同频滤波模式下,目标信号的频段与转发至地面设备的转发频段距离应足够远,即侦收频段和转发频段互相不重合且互相不受谐波影响,通过带通滤波对转发信号进行抑制,将转发信号对旋翼无人机载设备接收端的影响降到最低。
通常情况下,接收信号是非常微弱的,需要进行放大后转发。
优选地,所述旋翼无人机载设备还包括功放控制电路,所述功放控制电路输入端与同频滤波模块、非同频滤波模块输出端分别连接。
功放控制电路,用于将所述转发信号按需进行功率放大,并对获得的功率放大后信号进行功率稳定控制,获得最终转发信号,保证旋翼无人机载设备以设定功率稳定输出所述最终转发信号至地面设备。
优选地,如图4所示,所述功放控制电路包括正向通路和反馈通路;正向通路上包括依次连接的数控衰减器、功率放大器、耦合器;反馈通路上包括反馈控制器;耦合器的输出端一作为功放控制电路输出,其输出端二输出的反馈信号经反馈控制器传输至数控衰减器控制端。
数控衰减器,用于根据反馈控制器发出的控制指令,对输入的优化处理信号进行自动增益控制(增益衰减或放大),将获得的增益衰减或放大后信号传输至功率放大器。
功率放大器,用于将输入的所述增益衰减或放大后信号按需进行功率放大,将功率放大后信号传输至耦合器。
耦合器,用于将所述功率放大后信号按预设功率分配比例分成两路,一路作为功放控制电路的输出,另一路作为功放控制电路的反馈信号传输至反馈控制器。
反馈控制器,用于对输入的反馈信号进行检波,将检波结果与阈值需求进行比较,当检波结果不满足阈值需求时,通过数控衰减器控制输入的优化处理信号进行相应增益衰减或放大,再次进行检波,直到检波结果满足阈值需求为止。
优选地,反馈控制器进一步包括依次连接的检波器、ARM控制芯片。
检波器,用于对输入的反馈信号进行均方根检波,获得信号幅值作为检波结果传输至ARM控制芯片。均方根值能够真实反映信号特征的平均数值。
ARM控制芯片,用于将获得的检波结果与设置的阈值上下限进行比较,当检波结果高于阈值上限时,通过数控衰减器控制所述优化处理信号幅值降低,当检波结果低于阈值下限时,通过数控衰减器控制所述优化处理信号幅值升高,再次进行增益衰减或放大并检波,直到检波结果处于阈值上下限之间为止。
下面介绍地面设备。
地面设备包括依次连接的特征信号提取模块、归一化预处理模块、双重实时相关运算模块、目标识别模块,如图5所示。具体地,上述各模块通过编程来实现各自功能。
特征信号提取模块,用于对接收到的转发信号进行分段,将获得的每一小段信号分别进行特征向量提取,获得包括所述目标信号常规特征、细微特征的多维特征向量,传输至归一化预处理模块;所述多维特征向量中,每一行代表分段获得的一小段信号的特征向量,所述每一行中,包含目标信号常规特征的元素包括包括功率大小、持续时间中的至少一种,包含目标信号细微特征的元素包括调制方式、码速率、占空比、脉冲宽度中的至少一种。
不同于当前信号识别普遍采用的实验室分析模式,本实施例所用方法涉及信号常规特征、细微特征的提取和识别。在频域上将转发信号分为l小段,对每一小段进行k种特征提取,建立侦收信号的l行k列多维特征向量。这种特征向量构造方法能够在多维度上表征同一信号,使表征更为有效,有利于后续的识别处理。
具体地,建立的转发信号的l行k列多维特征向量,如下公式所述:
归一化预处理模块,用于对所述多维特征向量进行归一化处理,获得归一化后特征向量,传输至双重实时相关运算模块。
双重实时相关运算模块,用于将获得的归一化后特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,获得第一重相关运算输出和第二重相关运算输出传输至目标识别模块。
目标识别模块,用于将所述第一重相关运算输出和第二重相关运算输出分别与数据库中的信号特征向量、目标特征向量进行比较,获得待识别的信号类型和载体目标。
双重实时相关运算模块进一步包括第一重相关运算子模块、第二重相关运算子模块。
第一重相关运算模块,用于根据所述归一化后特征向量X={x1,x2,…,xn}通过如下公式进行第一重相关运算,获得第一重相关运算输出zj
式中,θj表示预设阈值一,wij表示第一重相关运算的权值,f()表示数据库中的信号与目标特征向量之间的映射关系。
其中,f()的获取方法是,可事先从实际环境中采集各种类型的信号,建立目标特征向量(l行k列多维特征向量),进而通过大量试验建立信号与目标特征向量之间的映射关系。本领域技术人员能够理解。
第二重相关运算模块,用于根据所述第一重相关运算输出zj,通过如下公式进行第二重相关运算,获得第二重相关运算输出yk
式中,θk表示预设阈值二,wjk表示第二重相关运算的权值。
优选地,目标识别模块进一步包括信号类型识别子模块、载体目标识别子模块。
信号类型识别子模块,用于将第一重相关运算输出zj与数据库中的信号特征向量Z={z1,z2,…,zm}每一元素进行比较,判定相同的元素对应的类型为待识别的信号类型。
载体目标识别子模块,用于将第二重相关运算输出yk与数据库中的目标特征向量Y={y1,y2,…,ys}每一元素进行比较,获得相同的元素对应的载体目标为待识别的载体目标。
优选地,当接收到的外部实时目标信号频谱干扰较大时,所述旋翼无人机载设备和地面设备的距离不得超过2km,旋翼无人机载设备接收的信号电平不得超过-65dBm。此时频谱搬移信噪比恶化可以承受。
优选地,当接收到的外部实时目标信号频谱干扰较小,所述旋翼无人机载设备和地面设备的距离不得超过10km,旋翼无人机载设备接收的外部实时目标信号电平不得超过-75dBm。此时频谱搬移信噪比恶化可以承受。
优选地,旋翼无人机载设备接收的电平低于-53dBm时,均能实现无失真(不饱和)转发。
与实施例3相比,本实施例提供的系统提取并构造转发信号的多维特征向量,并对该多维特征向量和数据库中信号与目标特征向量之间的映射关系进行双重相关计算,最终得到侦收信号的识别结果(信号类型和载体目标)。该实施例提供的所述信号类型和载体目标,能够支撑相关单位判断目标的威胁等级,具有较大的实际使用意义。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,包括如下步骤:
旋翼无人机载设备接收外部实时目标信号,对所述目标信号的频段进行识别,根据识别频段对所述目标信号进行相应优化处理,然后将获得的优化处理信号放大后作为转发信号转发至地面设备;
地面设备对接收到的转发信号进行特征向量提取,将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,获得信号类型和载体目标,完成目标信号识别。
2.根据权利要求1所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述根据识别频段对目标信号进行优化处理,进一步包括如下步骤:
当目标信号的频段与转发至地面设备的转发频段属于同一频带时,先对目标信号进行变频,获得待转发频段信号,然后采用同频信号抵消方法,消除所述待转发频段信号中包含的与目标信号频段相同的同频信号,进而获得优化处理信号;
当目标信号的频段与转发至地面设备的转发频段属于不同频带时,先通过通带范围覆盖目标信号频段且不包括转发频段的带通滤波方法,消除所述目标信号中包含的与转发频段相同的信号,然后对获得的消除后信号进行变频,进而获得优化处理信号。
3.根据权利要求2所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述同频信号抵消方法包括如下步骤:
对历史转发信号进行取样,提取与转发信号特征相关的取样信号;
对所述取样信号进行幅度和相位的调整,获得与当前转发信号幅度相同、相位相反的调整后信号;
将所述调整后信号与所述目标信号合并,获得所述调整后信号中包含与目标信号频段相同的同频信号;
根据上述同频信号,消除待转发频段信号中包含的与目标信号频段相同的同频信号,进而获得优化处理信号。
4.根据权利要求1-3之一所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述将获得的优化处理信号放大后作为转发信号转发至地面设备,进一步包括如下步骤:
将所述优化处理信号按需进行功率放大;
对功率放大后信号进行功率控制,获得设定功率的转发信号,保证所述转发信号以设定功率稳定输出至地面设备。
5.根据权利要求4所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述对功率放大后信号进行功率控制,进一步包括如下步骤:
采集功率放大后信号的样本信号;
对所述样本信号进行均方根检波;
将获得的检波结果与设置的阈值上下限进行比较,当检波结果高于阈值上限时,控制所述优化处理信号幅值降低,再次功率放大并检波,当检波结果低于阈值下限时,控制所述优化处理信号幅值升高,再次功率放大并检波,直到检波结果处于阈值上下限之间为止。
6.根据权利要求1-3、5之一所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述对接收到的转发信号进行特征向量提取,包括如下步骤:
将转发信号分成l小段,对获得的每一小段信号分别进行常规特征、细微特征提取,获得每一小段信号对应的特征向量Ti;所述特征向量中,表征常规特征的元素包括功率大小、持续时间,表征细微特征的元素包括调制方式、码速率、占空比、脉冲宽度;
以上述每一小段信号对应的特征向量为一行、以分段先后顺序为列建立目标信号的l行k列多维特征向量T
式中,Tij表示特征向量Ti的第j个元素。
7.根据权利要求1-3、5之一所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述将获得的特征向量根据数据库中存储的信号与目标特征向量之间的映射关系进行双重相关运算,进一步包括如下步骤:
对所述特征向量进行归一化处理,获得归一化结果X={x1,x2,…,xn};
根据上述归一化结果X,通过如下公式进行第一重相关运算,获得第一重相关运算输出zj
式中,θj表示预设阈值一,wij表示第一重相关运算的权值,f()表示数据库中的信号与目标特征向量之间的映射关系;
根据所述第一重相关运算输出zj,通过如下公式进行第二重相关运算,获得第二重相关运算输出yk
式中,θk表示预设阈值二,wjk表示第二重相关运算的权值。
8.根据权利要求7所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,所述获得信号类型和载体目标,包括如下步骤:
将第一重相关运算输出zj与数据库中的信号特征向量Z={z1,z2,…,zm}每一元素进行比较,判定相同的元素对应的类型为待识别的信号类型;
将第二重相关运算输出yk与数据库中的目标特征向量Y={y1,y2,…,ys}每一元素进行比较,获得相同的元素对应的载体目标为待识别的载体目标。
9.根据权利要求7所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,还包括如下步骤:
通过下面公式计算所述双重相关运算的目标信号识别正确概率e
式中,yk表示第二重相关运算输出,m表示数据库中信号特征向量的元素个数;
将获得的上述e与目标识别基准值比较,如果e大于等于目标识别基准值,判定识别结果正确,输出所述信号类型和载体目标,否则,判定识别结果错误,剔除该识别结果,再次采集数据,重新识别。
10.根据权利要求1-3、5、8-9之一所述的基于旋翼无人机载设备和地面设备的目标信号识别方法,其特征在于,当接收到的外部实时目标信号频谱干扰较大,所述旋翼无人机载设备和地面设备的距离不得超过2km,旋翼无人机载设备接收的电平不得超过-65dBm;
当接收到的外部实时目标信号频谱干扰较小,所述旋翼无人机载设备和地面设备的距离不得超过10km,旋翼无人机载设备接收的外部实时目标信号电平不得超过-75dBm;
所述转发频段采用S段、C段中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910671173.9A CN110401479B (zh) | 2019-07-24 | 2019-07-24 | 基于旋翼无人机载设备和地面设备的目标信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910671173.9A CN110401479B (zh) | 2019-07-24 | 2019-07-24 | 基于旋翼无人机载设备和地面设备的目标信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110401479A true CN110401479A (zh) | 2019-11-01 |
CN110401479B CN110401479B (zh) | 2021-04-27 |
Family
ID=68325990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910671173.9A Active CN110401479B (zh) | 2019-07-24 | 2019-07-24 | 基于旋翼无人机载设备和地面设备的目标信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110401479B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881820A (zh) * | 2020-07-27 | 2020-11-03 | 成都大公博创信息技术有限公司 | 一种同频信号的同源检测和识别方法 |
CN112766064A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种iff脉冲信号分类提取方法 |
CN115603800A (zh) * | 2022-12-14 | 2023-01-13 | 成都川美新技术股份有限公司(Cn) | 一种基于多维特征发现与识别卫星弱信号的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105356928A (zh) * | 2015-09-28 | 2016-02-24 | 四川九洲电器集团有限责任公司 | 一种Ku频段卫星通信变频终端设备 |
CN106483514A (zh) * | 2016-09-23 | 2017-03-08 | 电子科技大学 | 一种基于eemd和支持向量机的飞机运动模式识别方法 |
CN106773709A (zh) * | 2017-01-12 | 2017-05-31 | 深圳明创自控技术有限公司 | 一种沉浸式无人机驾驶飞行系统 |
WO2018200045A1 (en) * | 2017-04-27 | 2018-11-01 | Raytheon Company | Machine learning algorithm with binary pruning technique for automatic intrapulse modulation recognition |
-
2019
- 2019-07-24 CN CN201910671173.9A patent/CN110401479B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105356928A (zh) * | 2015-09-28 | 2016-02-24 | 四川九洲电器集团有限责任公司 | 一种Ku频段卫星通信变频终端设备 |
CN106483514A (zh) * | 2016-09-23 | 2017-03-08 | 电子科技大学 | 一种基于eemd和支持向量机的飞机运动模式识别方法 |
CN106773709A (zh) * | 2017-01-12 | 2017-05-31 | 深圳明创自控技术有限公司 | 一种沉浸式无人机驾驶飞行系统 |
WO2018200045A1 (en) * | 2017-04-27 | 2018-11-01 | Raytheon Company | Machine learning algorithm with binary pruning technique for automatic intrapulse modulation recognition |
Non-Patent Citations (1)
Title |
---|
郭红敬: "无人机测控链路干扰感知与识别技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881820A (zh) * | 2020-07-27 | 2020-11-03 | 成都大公博创信息技术有限公司 | 一种同频信号的同源检测和识别方法 |
CN111881820B (zh) * | 2020-07-27 | 2024-06-07 | 成都大公博创信息技术有限公司 | 一种同频信号的同源检测和识别方法 |
CN112766064A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种iff脉冲信号分类提取方法 |
CN112766064B (zh) * | 2020-12-30 | 2023-02-14 | 湖南艾科诺维科技有限公司 | 一种iff脉冲信号分类提取方法 |
CN115603800A (zh) * | 2022-12-14 | 2023-01-13 | 成都川美新技术股份有限公司(Cn) | 一种基于多维特征发现与识别卫星弱信号的方法 |
CN115603800B (zh) * | 2022-12-14 | 2023-03-14 | 成都川美新技术股份有限公司 | 一种基于多维特征发现与识别卫星弱信号的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110401479B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110401479A (zh) | 基于旋翼无人机载设备和地面设备的目标信号识别方法 | |
CN108847907B (zh) | 一种民航甚高频无线电干扰信号自动监测装置 | |
Körner et al. | Autonomous airborne wildlife tracking using radio signal strength | |
CN108199802A (zh) | 一种基于电磁干扰的无人机干扰系统及干扰方法 | |
CN208255424U (zh) | 一种低空无人机被动探测定位系统 | |
CN207835472U (zh) | 一种基于电磁干扰的无人机干扰系统 | |
CN110412547A (zh) | 基于旋翼无人机载设备和地面设备的目标信号识别系统 | |
US6603427B2 (en) | System and method for forming a beam and creating nulls with an adaptive array antenna using antenna excision and orthogonal Eigen-weighting | |
CN110515098A (zh) | 抗宽带干扰北斗车载一体机 | |
CN109521402B (zh) | 一种低空无人机被动探测定位系统 | |
CN108089205B (zh) | 一种无人机飞控人员定位系统 | |
CN106405491A (zh) | 基于软件无线电的无人机监测系统 | |
CN108802681A (zh) | 一种基于多接收端的可见光定位方法及定位系统 | |
CN208754310U (zh) | 一种民航甚高频无线电干扰信号自动监测装置 | |
CN111199280A (zh) | 短波信道模型误差存在下联合信号复包络和载波相位信息的多站目标源地理坐标估计方法 | |
CN113220010A (zh) | 一种无人机智能防控系统 | |
CN109039524B (zh) | 全频段全自动反无人机系统 | |
CN110120847A (zh) | 一种云智能低空入侵联动防御系统及方法 | |
NL2026449B1 (en) | Abnormal grain condition detection method based on radio tomographic imaging | |
CN104008409B (zh) | 无源rfid系统中连接天线和读写器的光链路 | |
KR102663240B1 (ko) | 드론 탐지 및 추적 시스템 | |
CN111339816B (zh) | 基于小波神经网络的多无人机射频信号识别方法 | |
KR102245574B1 (ko) | 항공기용 gps 신호 분할기 및 그 제어 방법 | |
CN115062729A (zh) | 分类模型及其训练方法、分类方法、设备及介质 | |
CN113869139A (zh) | 一种基于多型号无人机遥控器信号识别装置 |
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 |