CN110927714A - 无人机入侵的检测方法、检测装置及终端设备 - Google Patents

无人机入侵的检测方法、检测装置及终端设备 Download PDF

Info

Publication number
CN110927714A
CN110927714A CN201911200910.3A CN201911200910A CN110927714A CN 110927714 A CN110927714 A CN 110927714A CN 201911200910 A CN201911200910 A CN 201911200910A CN 110927714 A CN110927714 A CN 110927714A
Authority
CN
China
Prior art keywords
target
unmanned aerial
aerial vehicle
signal
arrival
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.)
Pending
Application number
CN201911200910.3A
Other languages
English (en)
Inventor
苑晨亮
马亮
刘颖
完晓原
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.)
FOURTH INSTITUTE OF NUCLEAR ENGINEERING OF CNNC
Original Assignee
FOURTH INSTITUTE OF NUCLEAR ENGINEERING OF CNNC
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 FOURTH INSTITUTE OF NUCLEAR ENGINEERING OF CNNC filed Critical FOURTH INSTITUTE OF NUCLEAR ENGINEERING OF CNNC
Priority to CN201911200910.3A priority Critical patent/CN110927714A/zh
Publication of CN110927714A publication Critical patent/CN110927714A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请适用于无人机技术领域，提供了一种无人机入侵的检测方法、检测装置及终端设备，包括：通过雷达阵列对预设区域进行目标监测；当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向；基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像；对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机；若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。通过上述方法，有效提高了无人机入侵检测的可靠性。

Description

无人机入侵的检测方法、检测装置及终端设备
技术领域
本申请涉及无人机技术领域，尤其涉及一种无人机入侵的检测方法、检测装置及终端设备。
背景技术
随着无人机技术的发展，无人机的应用越来越广泛、数量也不断增加。与此同时，也带了一些安全问题。例如，在机场上空出现无人机则会影响飞机的驾驶，在一些军事重地上空出现无人机则会造成军事机密的泄露。因此，需要对入侵的无人机进行有效监测。
但是，现有的无人机入侵检测方法的检测准确度较低，检测结果的可靠性较低。
发明内容
有鉴于此，本申请实施例提供了一种无人机入侵的检测方法、检测装置及终端设备，以解决现有技术中无人机入侵检测方法的可靠性较低的问题。
本申请实施例的第一方面提供了一种无人机入侵的检测方法，包括：
通过雷达阵列对预设区域进行目标监测；
当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向；
基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像；
对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机；
若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
本申请实施例的第二方面提供了一种无人机入侵的检测装置，包括：
监测单元，用于通过雷达阵列对预设区域进行目标监测；
估计单元，用于当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向；
拍摄单元，用于基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像；
识别单元，用于对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机；
判断单元，用于若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面提供的所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现本申请实施例第一方面提供的所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例通过雷达阵列对预设区域进行目标监测，当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向，这样，能够确定目标的具体方向；基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像，对所述拍摄图像进行识别，并根据识别记过判断所述目标是否为无人机，通过图像识别对目标进行第一次检测；若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机，通过截获无线电信号对目标进行第二次检测。通过上述方法，能够有效提高无人机入侵检测的可靠性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的无人机入侵的检测方法的实现流程示意图；
图2是本申请实施例提供的无人机入侵的检测装置的示意图；
图3是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
图1是本申请实施例提供的无人机入侵的检测方法的实现流程示意图，如图所示，所述方法可以包括以下步骤：
步骤S101，通过雷达阵列对预设区域进行目标监测。
在实际应用中，可以通过阵列雷达进行监测，如相控阵雷达。
步骤S102，当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向。
在一个实施例中，所述对所述目标进行波达方向估计，包括：
获取所述雷达阵列监测到所述目标时的接收数据。
利用极大似然估计方法估计所述接收数据的协方差矩阵。
将所述协方差矩阵进行特征分解，得到信号子空间以及与所述信号子空间正交的噪声子空间。
基于所述信号子空间与所述噪声子空间的正交性，并利用所述噪声子空间估计所述目标的波达方向。
在实际中，由于雷达阵列实际接收的数据是有限的，因此需要对雷达阵列接收到的数据(即接收数据)利用极大似然估计计算出协方差矩阵
Figure BDA0002295853300000041
Figure BDA0002295853300000042
由于信号子空间和噪声子空间是相互正交的，所以信号子空间的导向矢量和噪声子空间也是相互正交的，即αH(θ)UN＝0(UN是理论上的协方差矩阵的噪声子空间)。由于噪声的存在，αH(θ)和
Figure BDA0002295853300000051
并不能完全正交，因此需要以最小优化搜索实现。参见如下实施例。
在一个实施例中，所述基于所述信号子空间与所述噪声子空间的正交性，并利用所述信号子空间和所述噪声子空间估计所述目标的波达方向，包括：
Figure BDA0002295853300000052
其中，θ是所述目标的波达方向，α(θ)是所述信号子空间的导向矢量，UN是所述噪声子空间。
在实际中，要实现上式，可根据公式
Figure BDA0002295853300000053
进行谱峰搜索，其中，P为信号谱。谱峰搜索后，谱峰对应的角度就是信号入射方向，即目标的波达方向。
步骤S103，基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像。
在实际中，可控制摄像装置旋转到波达方向，再通过摄像装置对目标进行图像捕捉。
步骤S104，对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机。
在一个实施例中，所述对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机，包括：
将所述拍摄图像输入预设的神经网络模型，输出分类标签。
判断所述分类标签是否为预设标识。
若所述分类标签为预设标识，则判定所述目标为无人机。
若所述分类标签不为预设标识，则判定所述目标不是无人机。
在实际中，对拍摄图像识别之前，可以先训练预设的神经网络。具体的，可以搜集大量的样本图像，包括无人机样本和非无人机样本。利用样本图像对神经网络模型进行训练。当神经网络模型的分类准确率达到预设阈值时，即训练完毕。
当然，可以定期更新样本图像，可以加入新的样本图像，还可以将已识别过的拍摄图像作为新的样本图像。根据更新后的样本图像再次训练神经网络模型，以实现更新模型的目的。
步骤S105，若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
在一个实施例中，所述根据所述无线电信号判断所述无人机是否为入侵的无人机，包括：
从所述无线电信号中提取信号特征，并根据所述信号特征判断所述无线电信号是否满足预设的无线电协议。
若所述无线电信号满足预设的无线电协议，则判定所述无人机不是入侵的无人机。
若所述无线电信号不满足预设的无线电协议，则判定所述无人机是入侵的无人机，则对所述无人机进行信号干扰。
在一个实施例中，所述对所述无人机进行信号干扰，包括：
通过无线电发射装置，向所述波达方向的无人机发送预设频段的干扰信号。
在实际中，当无人机采用GPS自主飞行时，还可以利用GPS干扰技术。另外，还可以在发现无人机时，利用网枪向无人机发射网箱，用物理手段捕获无人机。
本申请实施例通过雷达阵列对预设区域进行目标监测，当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向，这样，能够确定目标的具体方向；基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像，对所述拍摄图像进行识别，并根据识别记过判断所述目标是否为无人机，通过图像识别对目标进行第一次检测；若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机，通过截获无线电信号对目标进行第二次检测。通过上述方法，能够有效提高无人机入侵检测的可靠性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图2是本申请实施例提供的无人机入侵的检测装置的示意图，为了便于说明，仅示出与本申请实施例相关的部分。
图2所示的无人机入侵的检测装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中，还可以作为独立的终端设备存在。
所述无人机入侵的检测装置2包括：
监测单元21，用于通过雷达阵列对预设区域进行目标监测。
估计单元22，用于当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向。
拍摄单元23，用于基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像。
识别单元24，用于对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机。
判断单元25，用于若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
可选的，所述估计单元22包括：
获取模块，用于获取所述雷达阵列监测到所述目标时的接收数据。
计算模块，用于利用极大似然估计方法估计所述接收数据的协方差矩阵。
分解模块，用于将所述协方差矩阵进行特征分解，得到信号子空间以及与所述信号子空间正交的噪声子空间。
估计模块，用于基于所述信号子空间与所述噪声子空间的正交性，并利用所述噪声子空间估计所述目标的波达方向。
可选的，所述估计模块还用于
Figure BDA0002295853300000081
其中，θ是所述目标的波达方向，α(θ)是所述信号子空间的导向矢量，UN是所述噪声子空间。
可选的，所述判断单元25包括：
提取模块，用于从所述无线电信号中提取信号特征，并根据所述信号特征判断所述无线电信号是否满足预设的无线电协议。
判定模块，用于若所述无线电信号满足预设的无线电协议，则判定所述无人机不是入侵的无人机。
干扰模块，用于若所述无线电信号不满足预设的无线电协议，则判定所述无人机是入侵的无人机，则对所述无人机进行信号干扰。
可选的，所述干扰模块还用于通过无线电发射装置，向所述波达方向的无人机发送预设频段的干扰信号。
可选的，所述识别单元24包括：
分类模块，用于将所述拍摄图像输入预设的神经网络模型，输出分类标签。
判断模块，用于判断所述分类标签是否为预设标识。
第一结果模块，用于若所述分类标签为预设标识，则判定所述目标为无人机。
第二结果模块，用于若所述分类标签不为预设标识，则判定所述目标不是无人机。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3是本申请实施例提供的终端设备的示意图。如图3所示，该实施例的终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个无人机入侵的检测方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块21至25的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如，所述计算机程序32可以被分割成监测单元、估计单元、拍摄单元、识别单元、判断单元，各单元具体功能如下：
监测单元，用于通过雷达阵列对预设区域进行目标监测。
估计单元，用于当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向。
拍摄单元，用于基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像。
识别单元，用于对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机。
判断单元，用于若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
可选的，所述估计单元包括：
获取模块，用于获取所述雷达阵列监测到所述目标时的接收数据。
计算模块，用于利用极大似然估计方法估计所述接收数据的协方差矩阵。
分解模块，用于将所述协方差矩阵进行特征分解，得到信号子空间以及与所述信号子空间正交的噪声子空间。
估计模块，用于基于所述信号子空间与所述噪声子空间的正交性，并利用所述噪声子空间估计所述目标的波达方向。
可选的，所述估计模块还用于
Figure BDA0002295853300000101
其中，θ是所述目标的波达方向，α(θ)是所述信号子空间的导向矢量，UN是所述噪声子空间。
可选的，所述判断单元包括：
提取模块，用于从所述无线电信号中提取信号特征，并根据所述信号特征判断所述无线电信号是否满足预设的无线电协议。
判定模块，用于若所述无线电信号满足预设的无线电协议，则判定所述无人机不是入侵的无人机。
干扰模块，用于若所述无线电信号不满足预设的无线电协议，则判定所述无人机是入侵的无人机，则对所述无人机进行信号干扰。
可选的，所述干扰模块还用于通过无线电发射装置，向所述波达方向的无人机发送预设频段的干扰信号。
可选的，所述识别单元包括：
分类模块，用于将所述拍摄图像输入预设的神经网络模型，输出分类标签。
判断模块，用于判断所述分类标签是否为预设标识。
第一结果模块，用于若所述分类标签为预设标识，则判定所述目标为无人机。
第二结果模块，用于若所述分类标签不为预设标识，则判定所述目标不是无人机。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种无人机入侵的检测方法，其特征在于，包括：
通过雷达阵列对预设区域进行目标监测；
当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向；
基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像；
对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机；
若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
2.如权利要求1所述的无人机入侵的检测方法，其特征在于，所述对所述目标进行波达方向估计，包括：
获取所述雷达阵列监测到所述目标时的接收数据；
利用极大似然估计方法估计所述接收数据的协方差矩阵；
将所述协方差矩阵进行特征分解，得到信号子空间以及与所述信号子空间正交的噪声子空间；
基于所述信号子空间与所述噪声子空间的正交性，并利用所述噪声子空间估计所述目标的波达方向。
3.如权利要求2所述的无人机入侵的检测方法，其特征在于，所述基于所述信号子空间与所述噪声子空间的正交性，并利用所述信号子空间和所述噪声子空间估计所述目标的波达方向，包括：
Figure FDA0002295853290000011
其中，θ是所述目标的波达方向，α(θ)是所述信号子空间的导向矢量，UN是所述噪声子空间。
4.如权利要求1所述的无人机入侵的检测方法，其特征在于，所述根据所述无线电信号判断所述无人机是否为入侵的无人机，包括：
从所述无线电信号中提取信号特征，并根据所述信号特征判断所述无线电信号是否满足预设的无线电协议；
若所述无线电信号满足预设的无线电协议，则判定所述无人机不是入侵的无人机；
若所述无线电信号不满足预设的无线电协议，则判定所述无人机是入侵的无人机，则对所述无人机进行信号干扰。
5.如权利要求4所述的无人机入侵的检测方法，其特征在于，所述对所述无人机进行信号干扰，包括：
通过无线电发射装置，向所述波达方向的无人机发送预设频段的干扰信号。
6.如权利要求1所述的无人机入侵的检测方法，其特征在于，所述对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机，包括：
将所述拍摄图像输入预设的神经网络模型，输出分类标签；
判断所述分类标签是否为预设标识；
若所述分类标签为预设标识，则判定所述目标为无人机；
若所述分类标签不为预设标识，则判定所述目标不是无人机。
7.一种无人机入侵的检测装置，其特征在于，包括：
监测单元，用于通过雷达阵列对预设区域进行目标监测；
估计单元，用于当所述雷达阵列监测到目标时，对所述目标进行波达方向估计，得到所述目标的波达方向；
拍摄单元，用于基于所述波达方向、并通过摄像装置对所述目标进行图像捕获，得到所述目标的拍摄图像；
识别单元，用于对所述拍摄图像进行识别，并根据识别结果判断所述目标是否为无人机；
判断单元，用于若所述目标为无人机，则通过信号检测器截获所述无人机与所述无人机的遥控终端之间的无线电信号，并根据所述无线电信号判断所述无人机是否为入侵的无人机。
8.如权利要求7所述的无人机入侵的检测装置，其特征在于，所述估计单元包括：
获取模块，用于获取所述雷达阵列监测到所述目标时的接收数据；
计算模块，用于利用极大似然估计方法估计所述接收数据的协方差矩阵；
分解模块，用于将所述协方差矩阵进行特征分解，得到信号子空间以及与所述信号子空间正交的噪声子空间；
估计模块，用于基于所述信号子空间与所述噪声子空间的正交性，并利用所述噪声子空间估计所述目标的波达方向。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN201911200910.3A 2019-11-29 2019-11-29 无人机入侵的检测方法、检测装置及终端设备 Pending CN110927714A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911200910.3A CN110927714A (zh) 2019-11-29 2019-11-29 无人机入侵的检测方法、检测装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911200910.3A CN110927714A (zh) 2019-11-29 2019-11-29 无人机入侵的检测方法、检测装置及终端设备

Publications (1)

Publication Number Publication Date
CN110927714A true CN110927714A (zh) 2020-03-27

Family

ID=69846962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911200910.3A Pending CN110927714A (zh) 2019-11-29 2019-11-29 无人机入侵的检测方法、检测装置及终端设备

Country Status (1)

Country Link
CN (1) CN110927714A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307961A (zh) * 2020-10-30 2021-02-02 魏运 混合光纤入侵信号的处理方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101865758A (zh) * 2010-06-12 2010-10-20 南京航空航天大学 基于多重信号分类算法的冲击载荷定位方法
CN107566078A (zh) * 2017-09-14 2018-01-09 成都安则科技有限公司 一种无人机低空防御系统
CN108353081A (zh) * 2015-09-28 2018-07-31 13部门有限公司 无人机入侵检测和对抗
CN108981474A (zh) * 2018-08-14 2018-12-11 苏州成云旺发信息科技有限公司 一种天线雷达的捕捉系统和方法
CN109085573A (zh) * 2018-09-26 2018-12-25 成都九洲迪飞科技有限责任公司 车载无人机管控系统及方法
CN110224784A (zh) * 2019-05-23 2019-09-10 北京航空航天大学 一种无人机信号源定位及管制系统
CN110375585A (zh) * 2019-06-24 2019-10-25 湖北工业大学 一种基于双转塔的飞行物入侵应对系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101865758A (zh) * 2010-06-12 2010-10-20 南京航空航天大学 基于多重信号分类算法的冲击载荷定位方法
CN108353081A (zh) * 2015-09-28 2018-07-31 13部门有限公司 无人机入侵检测和对抗
CN107566078A (zh) * 2017-09-14 2018-01-09 成都安则科技有限公司 一种无人机低空防御系统
CN108981474A (zh) * 2018-08-14 2018-12-11 苏州成云旺发信息科技有限公司 一种天线雷达的捕捉系统和方法
CN109085573A (zh) * 2018-09-26 2018-12-25 成都九洲迪飞科技有限责任公司 车载无人机管控系统及方法
CN110224784A (zh) * 2019-05-23 2019-09-10 北京航空航天大学 一种无人机信号源定位及管制系统
CN110375585A (zh) * 2019-06-24 2019-10-25 湖北工业大学 一种基于双转塔的飞行物入侵应对系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张洪顺等: "《无线电监测与测向定位》", 30 November 2011 *
盛鹏峰: "机场净空区无人机入侵防范关键技术分析", 《中国民航飞行学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307961A (zh) * 2020-10-30 2021-02-02 魏运 混合光纤入侵信号的处理方法及装置
CN112307961B (zh) * 2020-10-30 2024-02-20 魏运 混合光纤入侵信号的处理方法及装置

Similar Documents

Publication Publication Date Title
CN107016690B (zh) 基于视觉的无人机入侵检测与识别系统及方法
CN109753928B (zh) 违章建筑物识别方法和装置
EP3338248B1 (en) Systems and methods for object tracking
US20190362173A1 (en) Spatio-temporal awareness engine for priority tree based region selection across multiple input cameras and multimodal sensor empowered awareness engine for target recovery and object path prediction
WO2017155602A1 (en) Systems and methods for normalizing an image
US20180107182A1 (en) Detection of drones
EP3534250B1 (en) Target detection method and unmanned aerial vehicle
CN109670383A (zh) 视频遮蔽区域选取方法、装置、电子设备及系统
CN110414375B (zh) 低空目标的识别方法、装置、存储介质及电子设备
CN111160365A (zh) 基于检测器和跟踪器相结合的无人机目标跟踪方法
CN111523362A (zh) 一种基于电子围网的数据分析方法、装置及电子设备
CN112017323A (zh) 一种巡检报警方法、装置、可读存储介质及终端设备
KR20200069911A (ko) 영상들 간에 객체와 객체 위치의 동일성을 식별하기 위한 방법 및 장치
CN110927714A (zh) 无人机入侵的检测方法、检测装置及终端设备
Ghosh et al. AirTrack: Onboard deep learning framework for long-range aircraft detection and tracking
CN112633114A (zh) 面向建筑物变化事件的无人机巡查智能预警方法和装置
CN114355960B (zh) 一种无人机防御智能决策方法及系统、服务器及介质
US10402682B1 (en) Image-matching navigation using thresholding of local image descriptors
CN113721240B (zh) 一种目标关联方法、装置、电子设备及存储介质
CN110471056B (zh) 一种虚警信息判断方法、装置及终端设备
Khan et al. Translearn-yolox: Improved-yolo with transfer learning for fast and accurate multiclass uav detection
CN114638975A (zh) 一种用于机场的鸟类和非鸟类驱赶方法及系统
CN111597980B (zh) 一种目标对象聚类方法及装置
CN110020624B (zh) 图像识别方法、终端设备及存储介质
KR101723028B1 (ko) 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200327