CN110705450A - 被动式无人机探测装置 - Google Patents

被动式无人机探测装置 Download PDF

Info

Publication number
CN110705450A
CN110705450A CN201910927529.0A CN201910927529A CN110705450A CN 110705450 A CN110705450 A CN 110705450A CN 201910927529 A CN201910927529 A CN 201910927529A CN 110705450 A CN110705450 A CN 110705450A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
omnidirectional
frequency spectrum
module
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
Application number
CN201910927529.0A
Other languages
English (en)
Other versions
CN110705450B (zh
Inventor
叶方全
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.)
Beijing Science And Technology Heyday Technology Co Ltd
Original Assignee
Beijing Science And Technology Heyday Technology Co Ltd
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 Beijing Science And Technology Heyday Technology Co Ltd filed Critical Beijing Science And Technology Heyday Technology Co Ltd
Priority to CN201910927529.0A priority Critical patent/CN110705450B/zh
Publication of CN110705450A publication Critical patent/CN110705450A/zh
Application granted granted Critical
Publication of CN110705450B publication Critical patent/CN110705450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种被动式无人机探测装置,该装置包括:多个全向天线,用于对空中无人机进行扫描监测;其中,不同的所述全向天线对应于不同的工作频段;射频采集模块,与所述全向天线连接,用于接收并处理由所述全向天线扫描到的无线信号,生成对应的时域信号;数据处理模块,与所述射频采集模块连接,用于对所述时域信号进行时频变换,得到对应的频谱信息;嵌入式算法识别模块,与所述数据处理模块连接,用于实时提取所述频谱信息的频谱特征,基于所述频谱特征确定无人机机型。本发明实施例提供的探测装置,实现了被动式无人机探测系统一体化,体积减小,且扩宽了探测无人机的频段范围。

Description

被动式无人机探测装置
技术领域
本发明涉及探测技术领域,尤其涉及一种被动式无人机探测装置。
背景技术
随着无人机的快速发展与普及,其安全隐患也逐渐呈现出来。无人机被没有受过专业训练的无飞行法规意识的用户、以及不法分子等利用起来给公众隐私、财产、生命安全造成巨大威胁。因此,迫切需要一种实用性强、成本低廉的无人机探测装置。
当下无人机探测方法中,包括雷达、无线电、光电、声音等探测手段。雷达探测具有精度高,但有辐射、成本高、盲区明显的特点,适用于高等级防护区;光电探测有结果直观,但探测距离近、夜间效果差,搜索差的特点,一般用于打击设备辅导引导;声学探测指向性差,探测距离极近,很少实际应用;无线电探测以全天候工作,覆盖范围大、绿色无污染的优势有更广泛的适用性。
由于无线电探测在无人机探测应用中具有明显优势,受到了广泛的关注。现有的无人机探测系统往往需要PC服务器或者工控机,成本较高,系统装置多且杂,同时,接收空中无线信号的天线通常是窄带天线,只能用于探测较窄无线电频段进行遥控、图传的无人机,适用范围窄。
因此,如何减小无人机探测系统体积,降低成本,同时扩大探测频谱带宽范围,拓宽无人机探测系统适用范围,仍然是本领域技术人员亟待解决的问题。
发明内容
本发明实施例提供一种被动式无人机探测装置,用以解决现有的无人机探测系统的装置多且复杂,成本较高,且只能用于探测较窄无线电频段的无人机的问题。
本发明实施例提供一种被动式无人机探测装置,包括:
多个全向天线,用于对空中无人机进行扫描监测;其中,不同的所述全向天线对应于不同的工作频段;
射频采集模块,与所述全向天线连接,用于接收并处理由所述全向天线扫描到的无线信号,生成对应的时域信号;
数据处理模块,与所述射频采集模块连接,用于对所述时域信号进行时频变换,得到对应的频谱信息;
嵌入式算法识别模块,与所述数据处理模块连接,用于实时提取所述频谱信息的频谱特征,基于所述频谱特征确定无人机机型。
优选地,所述的被动式无人机探测装置,所述嵌入式算法识别模块包括:
无人机信号判断子模块,用于若基于所述频谱信息判断获知所述无线信号所属工作频段中存在无人机信号,则将存在无人机信号的工作频段作为目标工作频段,返回所述目标工作频段对应的信号采集信息,以使得所述数据处理模块控制所述射频采集模块接收所述目标工作频段对应的无线信号;
频谱特征提取子模块,用于实时提取所述目标工作频段对应的频谱信息的频谱特征;
无人机机型识别子模块,用于基于所述频谱特征确定无人机机型。
优选地,所述无人机机型识别子模块具体用于将所述目标工作频段对应的频谱特征输入到预设的机型识别模型中,得到所述机型识别模型输出的所述频谱特征对应的无人机机型;
所述机型识别模型是基于样本无人机机型及其对应的样本频谱特征训练得到的。
优选地,所述的被动式无人机探测装置,
所述射频采集模块包括射频切换开关,所述射频切换开关用于逐个接收所述多个全向天线扫描到的无线信号。
优选地,所述的被动式无人机探测装置,
所述数据处理模块还用于配置所述射频采集模块的工作参数;
所述嵌入式算法识别模块还用于配置所述数据处理模块的工作参数。
优选地,所述的被动式无人机探测装置,
所述数据处理模块为FPGA模块;
所述嵌入式算法识别模块为DSP模块。
优选地,所述的被动式无人机探测装置,
所述射频采集模块使用AD9361 2x2 RF捷变收发器;
所述数据处理模块使用XC7A100T-2FGG484I大规模可编程逻辑器件;
所述嵌入式算法识别模块使用TMS320C6657双核浮点数字信号处理器。
优选地,所述的被动式无人机探测装置,
所述全向天线为全向玻璃钢天线。
优选地,所述的被动式无人机探测装置,
所述多个全向全向天线包括2.4G 6dBi全向玻璃钢天线、5.8G 8dBi全向玻璃钢天线、1.4G 5dBi全向玻璃钢天线、0.9G 4dBi全向玻璃钢天线以及433M 2dBi全向玻璃钢天线。
本发明实施例提供的一种被动式无人机探测装置,通过设置多个对应于不同工作频段的全向天线,提高了探测无人机的频谱带宽,拓宽了探测装置的适用范围,通过设置嵌入式算法识别模块取代PC服务端和工控机,实现了无人机探测系统的一体化,便于简化系统减小体积,降低成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的被动式无人机探测装置结构示意图;
图2为本发明另一实施例提供的被动式无人机探测装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有的无人机探测系统,往往需要PC服务器或者工控机,成本较高,系统装置多且杂,同时,接收空中无线信号的天线通常是窄带天线,只能用于探测较窄无线电频段进行遥控、图传的无人机,适用范围窄。对此,本发明实施例提供了一种被动式无人机探测装置。图1为本发明实施例提供的被动式无人机探测装置的结构示意图,如图1所示,该装置包括:
多个全向天线110,用于对空中无人机进行扫描监测;其中,不同的所述全向天线110对应于不同的工作频段;
射频采集模块120,与所述全向天线110连接,用于接收并处理由所述全向天线110扫描到的无线信号,生成对应的时域信号;
数据处理模块130,与所述射频采集模块120连接,用于对所述时域信号进行时频变换,得到对应的频谱信息;
嵌入式算法识别模块140,与所述数据处理模块130连接,用于实时提取所述频谱信息的频谱特征,基于所述频谱特征确定无人机机型。
具体地,图1中,全向天线有多个,有全向天线1、全向天线2,一直到全向天线N。其中,全向天线用于对空中无人机进行扫描监测,主要是扫描空中无人机的遥控和图传信号。通过设置不同的全向天线对应于不同的工作频段,使得多个全向天线可以扫描多个工作频段的无人机的无线信号。
射频采集模块120的输入端口与全向天线的输出端口相连接,用于采集处理全向天线110接收到的无线信号,具体处理过程为将无线信号先经过增益调节子模块,按照配置增益进行信号放大,然后将放大后的无线信号进过信号变频子模块按照变频参数进行下变频,将无线信号从载波频率上还原出来,最后经过ADC(模数转换)子模块对信号进行ADC采样,获取数字信号,即时域信号。
数据处理模块130与射频采集模块120连接,接收射频采集模块120传输过来的时域信号,然后进行时频转换,将时域信号转换为频域上的信号,即得到对应的频谱信息。进行时频转换的方式可以是FFT(快速傅里叶)变换,由此得到频谱信息,频谱信息为连续频点上的信号幅度值。
嵌入式算法识别模块140接收数据处理模块传输过来的频谱信息,从频谱信息中提取频谱特征,所述频谱特征可以是信号的中心频点、带宽宽度等。基于所述频谱特征确定无人机机型,可以是通过从预先存储好的无人机机型与频谱特征的对应关系表中搜索得到,也可以是将频谱特征输入到预设的机型识别模型中得到输出的频谱特征对应的无人机机型,此处不作具体的限定。通过在被动式无人机探测装置中设置嵌入式算法识别模块140,取代了现有的探测系统中的PC和工控机,使得探测系统体积小巧,成本降低。
本发明实施例提供的一种被动式无人机探测装置,通过设置多个对应于不同工作频段的全向天线,提高了探测无人机的频谱带宽,拓宽了探测装置的适用范围,通过设置嵌入式算法识别模块取代PC服务端和工控机,实现了无人机探测系统的一体化,便于简化系统减小体积,降低成本。
基于上述实施例,本发明实施例提供一种被动式无人机探测装置,所述嵌入式算法识别模块包括:
无人机信号判断子模块,用于若基于所述频谱信息判断获知所述无线信号所属工作频段中存在无人机信号,则将存在无人机信号的工作频段作为目标工作频段,返回所述目标工作频段对应的信号采集信息,以使得所述数据处理模块控制所述射频采集模块接收所述目标工作频段对应的无线信号;
频谱特征提取子模块,用于实时提取所述目标工作频段对应的频谱信息的频谱特征;
无人机机型识别子模块,用于基于所述频谱特征确定无人机机型。
具体地,对于频谱信息,利用已知的当前背景信息,将当前频谱信息与已知的当前背景信息进行比较,获取频点幅度变化量,根据连续频点幅度变化判断无线信号所属工作频段中是否存在无人机信号。例如,无人机信号判断子模块判断获知在400MHz的频段上存在无人机信号,则将频段400MHz对应的信号采集信息返回给数据处理模块,以使数据处理模块控制射频采集模块接收400MHz频段内的无线信号。频谱特征提取子模块在接收到400MHz频段内的无线信号对应的频谱信息后,实时提取400MHz频段的频谱信息的频谱特征,并将频谱特征发送给无人机机型识别子模块。无人机机型识别子模块基于400MHz频段对应的频谱特征确定无人机机型。
基于上述任一实施例,本发明实施例提供一种被动式无人机探测装置,所述无人机机型识别子模块具体用于将所述目标工作频段对应的频谱特征,输入到预设的机型识别模型中,得到所述机型识别模型输出的所述频谱特征对应的无人机机型;所述机型识别模型是基于样本无人机机型及其对应的样本频谱特征训练得到的。
具体地,嵌入式算法识别模块会将提取的工作频段对应的频谱特征送入预设的机型识别模型中,输出为上述频谱特征对应的无人机机型。对于机型识别模型,是结合机器学习技术搭建的无人机信号识别平台,采集不同的无人机的频谱特征,送入无人机信号识别平台进行训练,得到一个通用的机型识别模型。
基于上述任一实施例,本发明实施例提供一种被动式无人机探测装置,所述射频采集模块包括射频切换开关,所述射频切换开关用于逐个接收所述多个全向天线扫描到的无线信号。
具体地,由于全向天线有多个,射频采集模块包括射频切换开关,每一全向天线均与射频切换开关连接,射频切换开关通过开关切换控制每个全向天线和射频采集模块之间的通断,从而实现逐个接收各个全向天线接收的无线信号。
基于上述任一种实施例,本发明实施例提供一种被动式无人机探测装置,所述数据处理模块还用于配置所述射频采集模块的工作参数;所述嵌入式算法识别模块还用于配置所述数据处理模块的工作参数。
数据处理模块的工作参数具体为探测频段数量、探测频段起止频率,以及探测不同频段的无线信号的优先顺序;射频采集模块的工作参数具体为采集顺序、下变频参数,以及无线信号增益参数。
无论是在信号扫描的初始化阶段还是在信号扫描的过程中,嵌入式算法识别模块均可根据信号探测需求配置数据处理模块的工作参数,再由数据处理模块均可配置射频采集模块的工作参数。
具体地,在系统启动后,进入信号初始化扫描阶段,由嵌入式算法识别模块根据探测需求,将探测频段数量,探测频段起止频率,无线信号增益参数,探测不同频段的无线信号的优先顺序信息配置给数据处理模块,数据处理模块根据探测频段数量和探测频段起止频率规划射频采集模块的采集顺序以及下变频参数,依照探测不同频段的无线信号的优先顺序,连同无线信号增益参数,依次配置给射频采集模块;在信号探测过程中,嵌入式算法识别模块判断频谱信息的信号幅度,如果信号整体幅度偏低,则嵌入式算法识别模块控制数据处理模块配置射频采集模块的探测信号增益幅度,提高信号放大增益,以提高接收到的无线信号的幅度。
基于上述任一实施例,本发明实施例提供一种被动式无人机探测装置,所述数据处理模块为FPGA模块;所述嵌入式算法识别模块为DSP模块。
具体地,将数据处理模块采用FPGA模块实现,将嵌入式算法识别模块采用DSP模块实现,可方便上述两个模块集成于一个装置中。
基于上述任一实施例,本发明实施例提供一种被动式无人机探测装置,所述射频采集模块使用AD9361 2x2 RF捷变收发器;所述数据处理模块使用XC7A100T-2FGG484I大规模可编程逻辑器件;所述嵌入式算法识别模块使用TMS320C6657双核浮点数字信号处理器。
AD9361 2x2 RF捷变收发器是一款高性能、高度集成的RF收发器,广泛应用于基站、测试设备、软件定义无线电等RF应用领域,XC7A100T-2FGG484I是一款高性能/功耗比以及高性价比的FPGA,TMS320C6657双核浮点数字信号处理器是一款高度集成运算力强的DSP。通过使用上述RF收发器、FPGA、DSP,可以在保证运算能力的条件下进一步减小装置的体积。
基于上述任一实施例,本发明实施例提供一种被动式无人机探测装置,所述全向天线为全向玻璃钢天线。
具体地,采用全向玻璃钢天线作为全向天线,它有体积小的优势,方便进一步减小装置的体积。
基于上述任一实施例,本发明实施例提供一种被动式无人机探测装置,所述多个全向全向天线包括2.4G 6dBi全向玻璃钢天线、5.8G 8dBi全向玻璃钢天线、1.4G 5dBi全向玻璃钢天线、0.9G 4dBi全向玻璃钢天线以及433M 2dBi全向玻璃钢天线。
具体地,2.4G 6dBi全向玻璃钢天线表示工作频段在2.4GHz信号增益为6dBi的全向玻璃钢天线,5.8G 8dBi全向玻璃钢天线表示工作频段在5.8G Hz信号增益为8dBi的全向玻璃钢天线,1.4G 5dBi全向玻璃钢天线表示工作频段在1.4G Hz信号增益为5dBi的全向玻璃钢天线,0.9G 4dBi全向玻璃钢天线表示工作频段在0.9G Hz信号增益为4dBi的全向玻璃钢天线,433M 2dBi全向玻璃钢天线表示工作频段在433M Hz信号增益为2dBi的全向玻璃钢天线。上述五种全向玻璃钢天线的工作频段覆盖了较宽的频段范围,拓宽了探测频谱带宽范围。
基于上述任一种实施例,本发明实施例提供一种被动式无人机探测装置,图2为本发明另一实施例提供的一种被动式无人机探测装置结构示意图,如图2所示,该装置包括AC->DC模块、POE(有源以太网)供电模块、射频采集模块、数据处理模块、嵌入式算法识别模块、五个全向天线(工作频段分别为2.4G、5.8G、1.4G、0.9G、433M)。该转置可以通过两种方式供电,一种是接220V交流电,通过AC->DC模块将交流转为直流进行供电;另一种是接以太网通过POE模块供电。在装置启动后,进入信号扫描初始阶段,由嵌入式算法识别模块根据探测需求,将探测频段数量、探测频段起止频率、无线信号增益参数、探测不同频段的无线信号的优先顺序信息配置给数据处理模块,数据处理模块根据探测频段数量和起止频率规划射频采集模块的采集顺序以及下变频参数,依照探测不同频段的无线信号的优先顺序,连同无线信号增益参数,依次配置给射频采集模块;射频采集模块将全向天线收到的无线信号,按照配置增益进行放大。放大后的信号通过射频采集模块的增益调节子模块,按照配置增益进行信号放大,然后将放大后的信号进过信号变频子模块按照变频参数进行下变频,将信号从载波频率上还原出来,最后经过ADC(模数转换)子模块对信号进行ADC采样,获取1024个采样点的数字信号。数字信号传递给数据处理模块进行FFT运算,得到扫描频带内1024个频点上的信号幅度值,处理后的频率分辨率为△f=BW/N,其中N=1024,BW为一次处理的频宽,以50MHz扫描带宽为例,BW=50MHz/1024=0.049MHz,数据处理模块处理完一个完整的探测频段并传输给嵌入式算法识别模块(以2400MHz-2500MHz为例,需要射频采集模块采集两次2400MHz-2450MHz、2450MHz-2500MHz),完成频谱信息的处理。嵌入式算法识别模块对送来的频谱信息进行运算处理,包括信号幅度判定,疑似信号检测,修正信号背景。如果信号整体幅度偏低(背景干净且探测目标距离远),需要在之后的采集中提高信号放大增益,以获得更好的信号幅度分辨率,如果信号整体幅度偏高(背景复杂或探测目标很近),要在之后的采集中降低信号放大增益,以避免信号饱和造成的等频点幅度差距检测错误。对于有效的频谱信息,利用已知的当前背景信息,将当前频谱信息与已知的当前背景信息进行比较,获取频点幅度变化量,结合连续频点幅度变化特征确定是可能存在无人机的频段的无线信号。对于可能存在无人机的频段的无线信号,嵌入式算法识别模块向数据处理模块提供可能存在无人机的频段的无线信号的信号中心频点,带宽宽度(目标信号带宽一般<20MHz,小于探测带宽);数据处理模块控制射频采集模块采集可能存在无人机的频段的无线信号,可能存在无人机的频段为目标工作频段。嵌入式算法识别模块收到目标工作频段对应的频谱信息,提取相应频谱特征,输入预设的机型识别模型中,输出为上述频谱特征对应的无人机机型。对于机型识别模型,是结合机器学习技术搭建的无人机信号识别平台,采集不同的无人机的频谱特征,送入无人机信号识别平台进行训练,得到一个通用的机型识别模型。当该装置探测到有无人机时,触发报警信号。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种被动式无人机探测装置,其特征在于,包括:
多个全向天线,用于对空中无人机进行扫描监测;其中,不同的所述全向天线对应于不同的工作频段;
射频采集模块,与所述全向天线连接,用于接收并处理由所述全向天线扫描到的无线信号,生成对应的时域信号;
数据处理模块,与所述射频采集模块连接,用于对所述时域信号进行时频变换,得到对应的频谱信息;
嵌入式算法识别模块,与所述数据处理模块连接,用于实时提取所述频谱信息的频谱特征,基于所述频谱特征确定无人机机型。
2.根据权利要求1所述的被动式无人机探测装置,其特征在于,
所述嵌入式算法识别模块包括:
无人机信号判断子模块,用于若基于所述频谱信息判断获知所述无线信号所属工作频段中存在无人机信号,则将存在无人机信号的工作频段作为目标工作频段,返回所述目标工作频段对应的信号采集信息,以使得所述数据处理模块控制所述射频采集模块接收所述目标工作频段对应的无线信号;
频谱特征提取子模块,用于实时提取所述目标工作频段对应的频谱信息的频谱特征;
无人机机型识别子模块,用于基于所述频谱特征确定无人机机型。
3.根据权利要求2所述的被动式无人机探测装置,其特征在于,
所述无人机机型识别子模块具体用于将所述目标工作频段对应的频谱特征输入到预设的机型识别模型中,得到所述机型识别模型输出的所述频谱特征对应的无人机机型;
所述机型识别模型是基于样本无人机机型及其对应的样本频谱特征训练得到的。
4.根据权利要求1所述的被动式无人机探测装置,其特征在于,
所述射频采集模块包括射频切换开关,所述射频切换开关用于逐个接收所述多个全向天线扫描到的无线信号。
5.根据权利要求1所述的被动式无人机探测装置,其特征在于,
所述数据处理模块还用于配置所述射频采集模块的工作参数;
所述嵌入式算法识别模块还用于配置所述数据处理模块的工作参数。
6.根据权利要求1所述的被动式无人机探测装置,其特征在于,
所述数据处理模块为FPGA模块;
所述嵌入式算法识别模块为DSP模块。
7.根据权利要求6所述的被动式无人机探测装置,其特征在于,
所述射频采集模块使用AD9361 2x2RF捷变收发器;
所述数据处理模块使用XC7A100T-2FGG484I大规模可编程逻辑器件;
所述嵌入式算法识别模块使用TMS320C6657双核浮点数字信号处理器。
8.根据权利要求1-7中任一项所述的被动式无人机探测装置,其特征在于,
所述全向天线为全向玻璃钢天线。
9.根据权利要求8所述的被动式无人机探测装置,其特征在于,
所述多个全向全向天线包括2.4G 6dBi全向玻璃钢天线、5.8G 8dBi全向玻璃钢天线、1.4G 5dBi全向玻璃钢天线、0.9G 4dBi全向玻璃钢天线以及433M2dBi全向玻璃钢天线。
CN201910927529.0A 2019-09-27 2019-09-27 被动式无人机探测装置 Active CN110705450B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910927529.0A CN110705450B (zh) 2019-09-27 2019-09-27 被动式无人机探测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910927529.0A CN110705450B (zh) 2019-09-27 2019-09-27 被动式无人机探测装置

Publications (2)

Publication Number Publication Date
CN110705450A true CN110705450A (zh) 2020-01-17
CN110705450B CN110705450B (zh) 2023-02-07

Family

ID=69196874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910927529.0A Active CN110705450B (zh) 2019-09-27 2019-09-27 被动式无人机探测装置

Country Status (1)

Country Link
CN (1) CN110705450B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111830321A (zh) * 2020-06-29 2020-10-27 重庆邮电大学 一种基于射频指纹的无人机探测与识别方法
CN112348006A (zh) * 2021-01-11 2021-02-09 湖南星空机器人技术有限公司 一种无人机信号识别方法、系统、介质及设备
CN112764003A (zh) * 2021-01-14 2021-05-07 中山大学 一种雷达辐射源信号时频特征识别方法、装置及存储介质
CN112835110A (zh) * 2021-01-07 2021-05-25 湖北甄业科技有限公司 一种民用无人机系统被动式探测方法
GB2602795A (en) * 2021-01-07 2022-07-20 Drone Defence Services Ltd A method of detecting UAV's
CN115469269A (zh) * 2022-11-15 2022-12-13 理工全盛(北京)科技有限公司 单站点短基线tdoa无人机定位的方法、装置及系统
CN115616482A (zh) * 2022-11-15 2023-01-17 理工全盛(北京)科技有限公司 单站点被动式无人机监测的方法、装置及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405491A (zh) * 2016-08-29 2017-02-15 成都川美新技术股份有限公司 基于软件无线电的无人机监测系统
CN106932753A (zh) * 2017-03-14 2017-07-07 湖南雷神电子科技有限公司 反无人机被动探测和测向定位系统
CN107515391A (zh) * 2017-10-12 2017-12-26 深圳市吉赫兹电子有限公司 全频段无人机信号精确识别、侧向与定位系统和方法
CN107809803A (zh) * 2017-10-26 2018-03-16 电信科学技术第四研究所有限公司 多频段宽带无线接入系统及方法
CN108333584A (zh) * 2017-12-28 2018-07-27 陕西弘毅军民融合智能科技有限公司 一种低空小目标远距离无人机探测系统及探测方法
CN108957445A (zh) * 2018-07-30 2018-12-07 四川九洲空管科技有限责任公司 一种低空慢速小目标探测系统及其探测方法
CN109244633A (zh) * 2018-11-13 2019-01-18 湖南华诺星空电子技术有限公司 用于无人机被动探测的集成式有源天线装置
CN208636437U (zh) * 2018-08-21 2019-03-22 北京全盛智能科技有限公司 无人机探测装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405491A (zh) * 2016-08-29 2017-02-15 成都川美新技术股份有限公司 基于软件无线电的无人机监测系统
CN106932753A (zh) * 2017-03-14 2017-07-07 湖南雷神电子科技有限公司 反无人机被动探测和测向定位系统
CN107515391A (zh) * 2017-10-12 2017-12-26 深圳市吉赫兹电子有限公司 全频段无人机信号精确识别、侧向与定位系统和方法
CN107809803A (zh) * 2017-10-26 2018-03-16 电信科学技术第四研究所有限公司 多频段宽带无线接入系统及方法
CN108333584A (zh) * 2017-12-28 2018-07-27 陕西弘毅军民融合智能科技有限公司 一种低空小目标远距离无人机探测系统及探测方法
CN108957445A (zh) * 2018-07-30 2018-12-07 四川九洲空管科技有限责任公司 一种低空慢速小目标探测系统及其探测方法
CN208636437U (zh) * 2018-08-21 2019-03-22 北京全盛智能科技有限公司 无人机探测装置
CN109244633A (zh) * 2018-11-13 2019-01-18 湖南华诺星空电子技术有限公司 用于无人机被动探测的集成式有源天线装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁超: ""基于无线信号的无人机探测与干扰方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111830321A (zh) * 2020-06-29 2020-10-27 重庆邮电大学 一种基于射频指纹的无人机探测与识别方法
CN111830321B (zh) * 2020-06-29 2022-07-01 重庆邮电大学 一种基于射频指纹的无人机探测与识别方法
CN112835110A (zh) * 2021-01-07 2021-05-25 湖北甄业科技有限公司 一种民用无人机系统被动式探测方法
GB2602795A (en) * 2021-01-07 2022-07-20 Drone Defence Services Ltd A method of detecting UAV's
GB2602795B (en) * 2021-01-07 2023-07-26 Drone Defence Services Ltd A method of detecting UAVs
CN112348006A (zh) * 2021-01-11 2021-02-09 湖南星空机器人技术有限公司 一种无人机信号识别方法、系统、介质及设备
CN112764003A (zh) * 2021-01-14 2021-05-07 中山大学 一种雷达辐射源信号时频特征识别方法、装置及存储介质
CN115469269A (zh) * 2022-11-15 2022-12-13 理工全盛(北京)科技有限公司 单站点短基线tdoa无人机定位的方法、装置及系统
CN115616482A (zh) * 2022-11-15 2023-01-17 理工全盛(北京)科技有限公司 单站点被动式无人机监测的方法、装置及系统
CN115616482B (zh) * 2022-11-15 2023-03-14 理工全盛(北京)科技有限公司 单站点被动式无人机监测的方法、装置及系统

Also Published As

Publication number Publication date
CN110705450B (zh) 2023-02-07

Similar Documents

Publication Publication Date Title
CN110705450B (zh) 被动式无人机探测装置
Fu et al. Low-complexity portable passive drone surveillance via SDR-based signal processing
Demirhan et al. Radar aided 6G beam prediction: Deep learning algorithms and real-world demonstration
US11322011B2 (en) Systems, methods, and devices for automatic signal detection based on power distribution by frequency over time
CN108089205B (zh) 一种无人机飞控人员定位系统
CN102331542B (zh) 变电站局部放电信号在线监测和定位方法
Zhao et al. Classification of small UAVs based on auxiliary classifier Wasserstein GANs
RU2459218C1 (ru) Контрольно-измерительная система радиомониторинга
US10879946B1 (en) Weak signal processing systems and methods
CN109981186B (zh) 超短波全频段信号分选方法
CN106405491B (zh) 基于软件无线电的无人机监测系统
US9654232B2 (en) Radio frequency camera system
Wu et al. LiDAR-aided mobile blockage prediction in real-world millimeter wave systems
CN103152114A (zh) 一种移动协同无线电监测方法
CN114280648B (zh) 基于主成分分析的无人机干扰源定位方法及系统
CN202141781U (zh) 变电站局部放电信号在线监测和定位装置
Gorcin et al. A two-antenna single RF front-end DOA estimation system for wireless communications signals
CN206743257U (zh) 一种用于查找黑广播的监测装置
WO2023004114A1 (en) Radio-frequency signal processing systems and methods
Lin et al. 5g spectrum learning-based passive uav detection in urban scenario
CN104301053A (zh) 一种有效规避干扰无线电的频谱监测装置
CN106888061B (zh) 一种智能无线电监测装置和方法
CN206851044U (zh) 一种实用多信号tdoa定位系统
Huertas-Herrera et al. Spectral power map generation based on spectrum scanning in the ism band for interference effects
CN113747488B (zh) 基于环境噪声的宽带频谱信号实时检测与统计方法及系统

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
CB02 Change of applicant information

Address after: Room 08, 8 / F, building 683, area 2, No. 5, Zhongguancun South Street, Haidian District, Beijing 100081

Applicant after: Quansheng (Beijing) Technology Co.,Ltd.

Address before: 100081, Zhongguancun science and technology building, 9 South Avenue, Beijing, Haidian District, 812

Applicant before: BEIJING LIGONG QUANSHENG TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant