CN112560923A - 无人机机型识别方法 - Google Patents
无人机机型识别方法 Download PDFInfo
- Publication number
- CN112560923A CN112560923A CN202011435692.4A CN202011435692A CN112560923A CN 112560923 A CN112560923 A CN 112560923A CN 202011435692 A CN202011435692 A CN 202011435692A CN 112560923 A CN112560923 A CN 112560923A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- sample
- identification method
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005336 cracking Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 9
- 230000007123 defense Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种无人机机型识别方法，包括以下步骤：步骤S1，建立无人机信号的特征数据库，即特征样本集；步骤S2，接收当前空域中的无线电信号，从众多无线电信号中找出疑似无人机信号；步骤S3，特征信息提取；步骤S4，计算侦测样本到特征样本集中各数据样本的距离；步骤S5，找出距离侦测样本最近的k个数据样本；步骤S6，选出在这k个数据样本中出现最多的无人机类型。本发明通过软件无线电协议破解方法能够得到的一些特征信息，通过预先建立的特征样本集进行匹配计算，从而尽最大可能得到比较准确的无人机机型预测结果。
Description
技术领域
本发明涉及无人机侦测与防御技术领域，尤其是一种无人机机型识别方法。
背景技术
目前无人机防御领域内最新采用的一种侦测技术是软件无线电协议破解技术，这种技术将先进的无线电逆向工程和安全分析应用于无人机侦测和防御。具体方法为利用软件无线电技术对无人机和遥控器之间的无线电通信进行破解，破解内容包括频率、滤波、数模变换、调制方式和信道编码等。除了在物理层使用软件无线电进行破解，还需在介质访问控制、逻辑链路控制、网络层和应用层进行协议破解；对部分压缩数据进行解压缩；对部分加密的数据进行解密等。
由于目前无人机和遥控器之间的通信协议普遍采用加密，而且采用的加密算法也差别较大，为准确从协议层面识别无人机类型带来了困难。有些采用了较高强度的加密算法，使得短时间内完全破解传输内容几乎不可能。为了能够准确地识别无人机的型号，需要依据已经收集和破解的信息，采用一种算法来分析和计算，识别出无人机的类型，提高识别准确度。
发明内容
本发明的目的在于克服现有技术中存在的不足，提供一种无人机机型识别方法，能够依据软件无线电协议已经破解得到的一些无人机信号的特征信息，识别无人机的机型。本发明实施例采用的技术方案是：
一种无人机机型识别方法，包括以下步骤：
步骤S1，建立无人机信号的特征数据库，即特征样本集；特征样本集中的每一数据样本包括无人机信号的多个特征信息，且每一数据样本都存在对应的标签，标签用于指示每一数据样本与所属无人机类型的对应关系；
步骤S2，在防御区域内进行不间断无源侦测，接收当前空域中的无线电信号，从众多无线电信号中找出疑似无人机信号；
步骤S3，对疑似无人机信号采用软件无线电协议破解方法进行无线通信和基带方面的破解；接着进行网络层、协议层和应用层数据的破解；破解时收集疑似无人机信号的特征信息，形成侦测样本；
步骤S4，计算侦测样本到特征样本集中各数据样本的距离；
步骤S5，找出距离侦测样本最近的k个数据样本；
步骤S6，采用“投票法”选出在这k个数据样本中出现最多的无人机类型，得到预测结果。
进一步地，所述特征信息包括：频率f、带宽b、频谱特征s、调制方式m、信道编码c、通信模式x、识别码n、网络协议p和加密强度e。
更进一步地，所述特征信息均经归一化处理。
更进一步地，步骤S4中，距离d衡量采用曼哈顿距离，如公式(1)所示；
d＝|f1-f2|+|b1-b2|+|s1-s2|+|m1-m2|+|c1-c2|+|x1-x2|+|n1-n2|+|p1-p2|+|e1-e2|。
更进一步地，步骤S4中，计算距离d时，给每个特征信息赋予相应的权重，如公式(2)所示；
d＝a1|f1-f2|+a2|b1-b2|+a3|s1-s2|+a4|m1-m2|+a5|c1-c2|+a6|x1-x2|+a7|n1-n2|+a8|p1-p2|+a9|e1-e2|。
本发明的优点在于：本发明提出的方法，并不需要完全破解无人机与遥控器之间的无线电信号的全部传输内容，通过软件无线电协议破解方法能够得到的一些特征信息，通过预先建立的特征样本集进行匹配计算，从而尽最大可能得到比较准确的无人机机型预测结果。
附图说明
图1为本发明实施例中的识别方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例提出的一种无人机机型识别方法，包括以下步骤：
步骤S1，建立无人机信号的特征数据库，即特征样本集；特征样本集中的每一数据样本包括无人机信号的多个特征信息，且每一数据样本都存在对应的标签，标签用于指示每一数据样本与所属无人机类型的对应关系；
在选取特征信息时，对于目前的软件无线电协议破解方法，优选以下特征信息：频率f、带宽b、频谱特征s、调制方式m、信道编码c、通信模式x、识别码n、网络协议p和加密强度e；这些特征信息均经归一化处理；
步骤S2，利用软件无线电处理单元在防御区域内进行不间断无源侦测，接收当前空域中的无线电信号，从众多无线电信号中找出疑似无人机信号；
步骤S3，对疑似无人机信号采用软件无线电协议破解方法进行无线通信和基带方面的破解；
接着可以采用GPU处理器进行网络层、协议层和应用层数据的破解；破解时收集疑似无人机信号的特征信息，形成侦测样本，包括：频率f、带宽b、频谱特征s、调制方式m、信道编码c、通信模式x、识别码n、网络协议p和加密强度e等；
然后对收集的特征信息归一化处理；
步骤S4，计算侦测样本到特征样本集中各数据样本的距离；
本实施例中，距离d衡量采用曼哈顿距离，如公式(1)所示；
d＝|f1-f2|+|b1-b2|+|s1-s2|+|m1-m2|+|c1-c2|+|x1-x2|+|n1-n2|+|p1-p2|+|e1-e2|
计算距离d时，也可以给每个特征信息赋予相应的权重，如公式(2)所示；
d＝a1|f1-f2|+a2|b1-b2|+a3|s1-s2|+a4|m1-m2|+a5|c1-c2|+a6|x1-x2|+a7|n1-n2|+a8|p1-p2|+a9|e1-e2|
步骤S5，找出距离侦测样本最近的k个数据样本；
步骤S6，采用“投票法”选出在这k个数据样本中出现最多的无人机类型，得到预测结果。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种无人机机型识别方法，其特征在于，包括以下步骤：
步骤S1，建立无人机信号的特征数据库，即特征样本集；特征样本集中的每一数据样本包括无人机信号的多个特征信息，且每一数据样本都存在对应的标签，标签用于指示每一数据样本与所属无人机类型的对应关系；
步骤S2，在防御区域内进行不间断无源侦测，接收当前空域中的无线电信号，从众多无线电信号中找出疑似无人机信号；
步骤S3，对疑似无人机信号采用软件无线电协议破解方法进行无线通信和基带方面的破解；接着进行网络层、协议层和应用层数据的破解；破解时收集疑似无人机信号的特征信息，形成侦测样本；
步骤S4，计算侦测样本到特征样本集中各数据样本的距离；
步骤S5，找出距离侦测样本最近的k个数据样本；
步骤S6，采用“投票法”选出在这k个数据样本中出现最多的无人机类型，得到预测结果。
2.如权利要求1所述的无人机机型识别方法，其特征在于，
所述特征信息包括：频率f、带宽b、频谱特征s、调制方式m、信道编码c、通信模式x、识别码n、网络协议p和加密强度e。
3.如权利要求2所述的无人机机型识别方法，其特征在于，
所述特征信息均经归一化处理。
4.如权利要求2所述的无人机机型识别方法，其特征在于，
步骤S4中，距离d衡量采用曼哈顿距离，如公式(1)所示；
d＝|f1-f2|+|b1-b2|+|s1-s2|+|m1-m2|+|c1-c2|+|x1-x2|+|n1-n2|+|p1-p2|+|e1-e2|。
5.如权利要求2所述的无人机机型识别方法，其特征在于，
步骤S4中，计算距离d时，给每个特征信息赋予相应的权重，如公式(2)所示；
d＝a1|f1-f2|+a2|b1-b2|+a3|s1-s2|+a4|m1-m2|+a5|c1-c2|+a6|x1-x2|+a7|n1-n2|+a8|p1-p2|+a9|e1-e2|。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011435692.4A CN112560923A (zh) | 2020-12-10 | 2020-12-10 | 无人机机型识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011435692.4A CN112560923A (zh) | 2020-12-10 | 2020-12-10 | 无人机机型识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112560923A true CN112560923A (zh) | 2021-03-26 |
Family
ID=75060121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011435692.4A Pending CN112560923A (zh) | 2020-12-10 | 2020-12-10 | 无人机机型识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112560923A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110190924A (zh) * | 2019-05-17 | 2019-08-30 | 中科融通物联科技无锡有限公司 | 一种跳频无人机防御方法及装置 |
| CN111007871A (zh) * | 2019-11-29 | 2020-04-14 | 厦门大学 | 无人机动态特征识别方法、介质、设备及装置 |
| 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 |
-
2020
- 2020-12-10 CN CN202011435692.4A patent/CN112560923A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110190924A (zh) * | 2019-05-17 | 2019-08-30 | 中科融通物联科技无锡有限公司 | 一种跳频无人机防御方法及装置 |
| CN111007871A (zh) * | 2019-11-29 | 2020-04-14 | 厦门大学 | 无人机动态特征识别方法、介质、设备及装置 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rajendran et al. | Unsupervised wireless spectrum anomaly detection with interpretable features | |
| CN104683984B (zh) | 无线通信信号实时监测处理方法和系统 | |
| CN102404058B (zh) | 电磁波区分设备、电磁波区分方法以及电磁波区分程序 | |
| CN104883734A (zh) | 一种基于地理指纹的室内被动定位方法 | |
| CN106533623B (zh) | 跨协议通信方法及装置 | |
| US20100309807A1 (en) | Maintaining the integrity of configuration information of a network of access points for use in positioning an apparatus | |
| US20160021494A1 (en) | Systems and methods for adaptive multi-feature semantic location sensing | |
| CN111148142B (zh) | 基于异常检测和集成学习的休眠小区检测方法 | |
| CN110647951A (zh) | 基于机器学习算法的无线射频设备身份识别方法及系统 | |
| CN110062410B (zh) | 一种基于自适应谐振理论的小区中断检测定位方法 | |
| CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
| CN111698695A (zh) | 一种基于神经网络的lte指纹式定位方法 | |
| CN111444233B (zh) | 基于复制器神经网络模型发现环境监测异常数据的方法 | |
| CN112560923A (zh) | 无人机机型识别方法 | |
| CN117368651A (zh) | 一种配电网故障综合分析系统及方法 | |
| CN109587136B (zh) | 一种基于双极大值的射频指纹特征提取和识别方法 | |
| KR101850621B1 (ko) | 협력 스펙트럼 센싱 방법 및 그 장치 | |
| KR20230026776A (ko) | 분류 대상 신호의 변조 방식을 예측하기 위해 상기 분류 대상 신호의 단일 샘플링 주파수를 결정하기 위한 방법, 상기 단일 샘플링 주파수로 샘플링된 분류 대상 신호를 이용하여 변조 방식을 예측하기 위한 방법 및 장치 | |
| CN114580482A (zh) | 基于边缘计算节点与数据中心的无线电信号特征采集方法 | |
| JP6597505B2 (ja) | 電波源の識別装置および識別システム | |
| CN117528499B (zh) | 智慧井盖蜂窝无线传感网络系统 | |
| Uppal et al. | Rich feature deep learning classifier for multiple simultaneous radio signals | |
| CN112543428B (zh) | 基于ELM-AdaBoost分类学习的室内定位方法 | |
| CN114397230B (zh) | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 | |
| CN112383958B (zh) | 用于无线定位的主机、单兵、系统及无线定位方法 |
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 |