CN112564849A - 一种多型号无人机的识别及诱捕方法 - Google Patents
一种多型号无人机的识别及诱捕方法 Download PDFInfo
- Publication number
- CN112564849A CN112564849A CN202011381861.0A CN202011381861A CN112564849A CN 112564849 A CN112564849 A CN 112564849A CN 202011381861 A CN202011381861 A CN 202011381861A CN 112564849 A CN112564849 A CN 112564849A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- deception
- model
- return
- 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
- 238000001926 trapping method Methods 0.000 title claims description 11
- 238000004891 communication Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 230000000903 blocking effect Effects 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/60—Jamming involving special techniques
- H04K3/65—Jamming involving special techniques using deceptive jamming or spoofing, e.g. transmission of false signals for premature triggering of RCIED, for forced connection or disconnection to/from a network or for generation of dummy target signal
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41H—ARMOUR; ARMOURED TURRETS; ARMOURED OR ARMED VEHICLES; MEANS OF ATTACK OR DEFENCE, e.g. CAMOUFLAGE, IN GENERAL
- F41H11/00—Defence installations; Defence devices
- F41H11/02—Anti-aircraft or anti-guided missile or anti-torpedo defence installations or systems
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/015—Arrangements for jamming, spoofing or other methods of denial of service of such systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
一种多型号无人机的识别及诱捕方法,步骤一,利用无人机通信信号采集获取组件对无人机通信信号时域数据进行采集;步骤二,利用软件对通信信号时域数据进行特征提取,并用神经网络对输入特征进行无人机型号识别;步骤三,按照识别出的无人机型号向无人机发射阻塞式干扰信号;步骤四,诱骗无人机返航降落至诱捕位置。诱骗目标无人机返航的方法为向目标无人机发射欺骗式GPS信号,目标无人机从当前位置沿欺骗定位点至返航点方向飞行到诱捕位置。欺骗定位点与真实定位点的距离与目标无人机抗干扰能力有关,抗干扰能力越强,距离越小。本发明的优点:性能、稳定性得以保障,同时大幅降低了成本,便于实施。
Description
技术领域
本发明涉及无人机反制领域,特别涉及一种多型号无人机的识别及诱捕方法。
背景技术
近年来随着低空领域的逐渐开放,无人机的市场规模也在快速增大,使得无人机的价格越来越亲民,从而让更多有购买力的公众可以轻松购买无人机。轻小型无人机确实在一些领域发挥了重要作用,然而,恶意使用也会给我国公共安全尤其是民航安全造成了严重的影响,近些年来无人机威胁民航安全的事情时有发生。
目前,主流的无人机反制手段时基于有源探测雷达探测+无线电监测+光电检测+无线电压制干扰某种或者某几种租合的技术解决方案,探测设备实现对远距离无人机探测和跟踪,并引发反制干扰设备对无人机的遥控链路和导航信号进行无线电干扰,使其迫降或者返航;还有部分技术可以实现无人机的诱捕。但是目前的技术对所有无人机都采用相同的诱捕策略,这在性能、稳定性以及成本上都存在很大的问题。
发明内容
本发明的目的是能够通过对无人机通信信号数据的采集,来识别目标无人机的型号,并按照不同型号无人机的硬件配置及特点,使用不同的诱捕策略,使得对无人机的诱捕更有针对性,从而实现高效、低成本、精准地诱捕无人机,特提供了一种多型号无人机的识别及诱捕方法。
本发明提供了一种多型号无人机的识别及诱捕方法,其特征在于:所述的多型号无人机的识别及诱捕方法,包括:
步骤一,利用无人机通信信号采集获取组件对无人机通信信号时域数据进行采集;步骤二,利用软件对通信信号时域数据进行特征提取,并用神经网络对输入特征进行无人机型号识别;步骤三,按照识别出的无人机型号向无人机发射阻塞式干扰信号;步骤四,诱骗无人机返航降落至诱捕位置。
所述的步骤二的特征提取中,特征是对原本时域数据的一种统计结果,会随着无人机通信信号的变化而变化,提取后的特征和无人机型号有关。
所述的步骤四的诱骗目标无人机返航的方法为向目标无人机发射欺骗式GPS信号,目标无人机从当前位置沿欺骗定位点至返航点方向飞行到诱捕位置。
欺骗定位点与真实定位点的距离与目标无人机抗干扰能力有关,抗干扰能力越强,距离越小。
所述的步骤四中目标无人机接收到GPS欺骗信号后,基于失控返航算法从当前位置沿欺骗定位点至返航点方向。
所述的步骤四中返航点为目标无人机飞行过程中记录的点,获取方式为在失控返航时返航轨迹与接收欺骗GPS信号后返航轨迹的交点。
所述的步骤四中诱捕位置为目标无人机在其真实定位点沿欺骗定位点至返航点方向飞行欺骗定位点与返航点长度路程的终点。
本发明的优点:
本发明所述的多型号无人机的识别及诱捕方法,性能、稳定性得以保障,同时大幅降低了成本,便于实施。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明:
图1是多型号无人机的识别及诱捕方法的流程图;
图2是无人机返航模式下返航方式说明图;
图3是返航点及诱捕位置计算原理图;
图4是返航点及诱捕位置计算流程图。
具体实施方式
实施例1
本发明提供了一种多型号无人机的识别及诱捕方法,其特征在于:所述的多型号无人机的识别及诱捕方法,包括:
步骤一,利用无人机通信信号采集获取组件对无人机通信信号时域数据进行采集;步骤二,利用软件对通信信号时域数据进行特征提取,并用神经网络对输入特征进行无人机型号识别;步骤三,按照识别出的无人机型号向无人机发射阻塞式干扰信号;步骤四,诱骗无人机返航降落至诱捕位置。
所述的步骤二的特征提取中,特征是对原本时域数据的一种统计结果,会随着无人机通信信号的变化而变化,提取后的特征和无人机型号有关。
所述的步骤四的诱骗目标无人机返航的方法为向目标无人机发射欺骗式GPS信号,目标无人机从当前位置沿欺骗定位点至返航点方向飞行到诱捕位置。
欺骗定位点与真实定位点的距离与目标无人机抗干扰能力有关,抗干扰能力越强,距离越小。
所述的步骤四中目标无人机接收到GPS欺骗信号后,基于失控返航算法从当前位置沿欺骗定位点至返航点方向。
所述的步骤四中返航点为目标无人机飞行过程中记录的点,获取方式为在失控返航时返航轨迹与接收欺骗GPS信号后返航轨迹的交点。
所述的步骤四中诱捕位置为目标无人机在其真实定位点沿欺骗定位点至返航点方向飞行欺骗定位点与返航点长度路程的终点。
实施例2
一种多型号无人机的识别及诱捕方法,可以识别出目标无人机型号,并按照不同型号无人机的硬件配置及特点,使用不同的诱捕策略,使得对无人机的诱捕更有针对性,从而实现高效、低成本、精准地诱捕无人机。
为了更好的解释本申请的技术方案,下面结合本申请实施例中的附图,对本申请进行进一步描述。
图1多型号无人机的识别及诱捕方法的流程图,如图1所示,该方法包括:
步骤B01利用无人机通信信号采集获取组件对无人机通信信号时域数据进行采集;
步骤B02利用软件对通信信号时域数据进行特征提取,并用神经网络对输入特征进行无人机型号识别;
步骤B03按照识别出的无人机型号向无人机发射阻塞式干扰信号;
步骤B04诱骗无人机返航降落至诱捕位置。
作为本发明的进一步方案:所述步骤B01具体是:在防护区域内发现无人机入侵后,用雷达实时监控并获取目标无人机的GPS定位、高度、飞行方向、速度等信息。同时利用无人机通信信号采集获取组件对入侵无人机的通信信号时域数据进行采集。
作为本发明的进一步方案:所述步骤B02具体是:以目标无人机通信信号在频谱上的区别作为信号的特征,特征提取即为将无人机通信信号的时域数据变换到频域数据。进一步的,所使用神经网络为GRU(Gated Recurrent Unit),GRU神经网络可以学习到序列之间的长期依赖,并且结构更为简单易于计算。所使用激活函数为Leaky ReLu,其在保证学习速度的同时还可以解决Dead Relu problem,即某些神经元可能永远不会被激活。所使用损失函数为Focal Loss,可以更好地完成无人机分类问题。将经特征提取后的数据输入到已经过大量真实数据训练过的神经网络中,可输出目标无人机型号。
作为本发明的进一步方案:所述步骤B03具体是:在已知无人机型号的基础上,根据不同型号无人机所使用的通信频段数据,有针对性的进行频段阻塞式干扰,切断无人机与其控制者之间的上行通信链路,迫使无人机进入失控返航模式,如图2所示,具体是指:
a、无人机记录返航点;
b、触发失控返航;
c、飞行至指定高度(原本就高于此高度时不降低),原地调整机头至返航点;
d、无人机飞行至返航点上空时降落。
作为本发明的进一步方案:所述步骤B04具体是:利用图3所示原理图求得无人机返航点以及诱捕点位置坐标,所有位置坐标信息以及无人机的飞行方向、速度均由雷达测得。如图3所示,S对应实线圆代表无人机的真实位置,此时它正沿SE方向飞至返航点E处,E位置坐标未知。向无人机发射欺骗信号,让无人机误以为自身处于S’图中虚线圆位置。无人机会调整机头沿S’E方向飞行,飞行轨迹SE于S’E所在直线的交点即为无人机返航点E,用各坐标距离关系可以进一步求得无人机在接收欺骗信号后的降落点即诱捕位置。其中S与S’的距离大小视无人机型号有所差异,无人机抗干扰能力越弱,可选距离越大,欺骗诱捕的过程也更容易快捷。具体流程如图4所示:
a、利用雷达观察并记录无人机的返航轨迹;
b、向无人机发射欺骗信号,让无人机误以为自身所处位置为欺骗信号中GPS定位;
c、用雷达观察并记录无人机接收欺骗信号后的返航轨迹;
d、接收欺骗信号前后的飞行轨迹交点即为无人机返航点,用坐标关系可求得诱捕位置。
Claims (7)
1.一种多型号无人机的识别及诱捕方法,其特征在于:所述的多型号无人机的识别及诱捕方法,包括:
步骤一,利用无人机通信信号采集获取组件对无人机通信信号时域数据进行采集;步骤二,利用软件对通信信号时域数据进行特征提取,并用神经网络对输入特征进行无人机型号识别;步骤三,按照识别出的无人机型号向无人机发射阻塞式干扰信号;步骤四,诱骗无人机返航降落至诱捕位置。
2.根据权利要求1所述的多型号无人机的识别及诱捕方法,其特征在于:所述的步骤二的特征提取中,特征是对原本时域数据的一种统计结果,会随着无人机通信信号的变化而变化,提取后的特征和无人机型号有关。
3.根据权利要求1所述的多型号无人机的识别及诱捕方法,其特征在于:所述的步骤四的诱骗目标无人机返航的方法为向目标无人机发射欺骗式GPS信号,目标无人机从当前位置沿欺骗定位点至返航点方向飞行到诱捕位置。
4.根据权利要求3所述的多型号无人机的识别及诱捕方法,其特征在于:欺骗定位点与真实定位点的距离与目标无人机抗干扰能力有关,抗干扰能力越强,距离越小。
5.根据权利要求1所述的多型号无人机的识别及诱捕方法,其特征在于:所述的步骤四中目标无人机接收到GPS欺骗信号后,基于失控返航算法从当前位置沿欺骗定位点至返航点方向。
6.根据权利要求1所述的多型号无人机的识别及诱捕方法,其特征在于:所述的步骤四中返航点为目标无人机飞行过程中记录的点,获取方式为在失控返航时返航轨迹与接收欺骗GPS信号后返航轨迹的交点。
7.根据权利要求1所述的多型号无人机的识别及诱捕方法,其特征在于:所述的步骤四中诱捕位置为目标无人机在其真实定位点沿欺骗定位点至返航点方向飞行欺骗定位点与返航点长度路程的终点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011381861.0A CN112564849A (zh) | 2020-12-01 | 2020-12-01 | 一种多型号无人机的识别及诱捕方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011381861.0A CN112564849A (zh) | 2020-12-01 | 2020-12-01 | 一种多型号无人机的识别及诱捕方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112564849A true CN112564849A (zh) | 2021-03-26 |
Family
ID=75045736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011381861.0A Pending CN112564849A (zh) | 2020-12-01 | 2020-12-01 | 一种多型号无人机的识别及诱捕方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112564849A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113507342A (zh) * | 2021-08-13 | 2021-10-15 | 华侨大学 | 一种基于深度强化学习的无人机中继抗干扰方法 |
CN114370789A (zh) * | 2021-12-21 | 2022-04-19 | 上海交通大学 | 无人系统自主监测与诱捕安防系统及方法 |
CN115823954A (zh) * | 2022-11-24 | 2023-03-21 | 上海中广核工程科技有限公司 | 一种发射导航欺骗信号的无人机诱捕方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733073A (zh) * | 2018-05-21 | 2018-11-02 | 厦门安胜网络科技有限公司 | 一种区域内无人机管控系统、方法及可读介质 |
CN110596698A (zh) * | 2019-07-25 | 2019-12-20 | 姚碧琛 | 主被动一体化无人机探测及识别技术 |
CN110673626A (zh) * | 2019-08-27 | 2020-01-10 | 安徽四创电子股份有限公司 | 无人机gps欺骗诱捕方法 |
CN110958200A (zh) * | 2019-12-06 | 2020-04-03 | 成都华日通讯技术有限公司 | 一种基于无线电特征提取的无人机识别方法 |
CN111397443A (zh) * | 2020-04-03 | 2020-07-10 | 北京融鼎盛低空安全科技有限公司 | 防爆型无人机预警诱骗基站 |
KR102140519B1 (ko) * | 2020-03-24 | 2020-08-03 | 이병호 | 무인항공기 방어 시스템 |
CN111709329A (zh) * | 2020-05-31 | 2020-09-25 | 中国人民解放军63892部队 | 一种基于深度学习的无人机测控信号高速识别方法 |
KR102163698B1 (ko) * | 2019-12-13 | 2020-10-08 | 국방과학연구소 | 소형 무인기의 gps 기만신호 탐지방법 및 장치 |
CN111981910A (zh) * | 2020-09-07 | 2020-11-24 | 航天科工微电子系统研究院有限公司 | 一种基于人工智能的低空防御系统 |
-
2020
- 2020-12-01 CN CN202011381861.0A patent/CN112564849A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733073A (zh) * | 2018-05-21 | 2018-11-02 | 厦门安胜网络科技有限公司 | 一种区域内无人机管控系统、方法及可读介质 |
CN110596698A (zh) * | 2019-07-25 | 2019-12-20 | 姚碧琛 | 主被动一体化无人机探测及识别技术 |
CN110673626A (zh) * | 2019-08-27 | 2020-01-10 | 安徽四创电子股份有限公司 | 无人机gps欺骗诱捕方法 |
CN110958200A (zh) * | 2019-12-06 | 2020-04-03 | 成都华日通讯技术有限公司 | 一种基于无线电特征提取的无人机识别方法 |
KR102163698B1 (ko) * | 2019-12-13 | 2020-10-08 | 국방과학연구소 | 소형 무인기의 gps 기만신호 탐지방법 및 장치 |
KR102140519B1 (ko) * | 2020-03-24 | 2020-08-03 | 이병호 | 무인항공기 방어 시스템 |
CN111397443A (zh) * | 2020-04-03 | 2020-07-10 | 北京融鼎盛低空安全科技有限公司 | 防爆型无人机预警诱骗基站 |
CN111709329A (zh) * | 2020-05-31 | 2020-09-25 | 中国人民解放军63892部队 | 一种基于深度学习的无人机测控信号高速识别方法 |
CN111981910A (zh) * | 2020-09-07 | 2020-11-24 | 航天科工微电子系统研究院有限公司 | 一种基于人工智能的低空防御系统 |
Non-Patent Citations (1)
Title |
---|
胡洪涛;李正杰;兰竹;: "基于卫星导航欺骗干扰的无人机诱捕技术", 电子信息对抗技术, no. 02 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113507342A (zh) * | 2021-08-13 | 2021-10-15 | 华侨大学 | 一种基于深度强化学习的无人机中继抗干扰方法 |
CN113507342B (zh) * | 2021-08-13 | 2023-06-02 | 华侨大学 | 一种基于深度强化学习的无人机中继抗干扰方法 |
CN114370789A (zh) * | 2021-12-21 | 2022-04-19 | 上海交通大学 | 无人系统自主监测与诱捕安防系统及方法 |
CN115823954A (zh) * | 2022-11-24 | 2023-03-21 | 上海中广核工程科技有限公司 | 一种发射导航欺骗信号的无人机诱捕方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112564849A (zh) | 一种多型号无人机的识别及诱捕方法 | |
Yang et al. | UAV detection system with multiple acoustic nodes using machine learning models | |
CN112797846B (zh) | 一种无人机防控方法及系统 | |
CN109981192B (zh) | 一种空域反黑飞无人机的频谱监测方法 | |
CN110673626B (zh) | 无人机gps欺骗诱捕方法 | |
CN112763976B (zh) | 一种黑飞无人机飞手定位系统及方法 | |
CN108280395B (zh) | 一种对低小慢无人机飞控信号的高效识别方法 | |
CN110084094B (zh) | 一种基于深度学习的无人机目标识别分类方法 | |
CN106546975B (zh) | 一种基于雷达数据的轻小型无人机与飞鸟分类识别方法 | |
CN105550636A (zh) | 一种目标类型识别的方法及装置 | |
KR102184693B1 (ko) | 지상무인이동체로의 무인비행체 자동착륙 방법 및 무인비행체 자동착륙 장치 | |
CN110719136A (zh) | 无人机干扰欺骗系统和无人机防御系统 | |
Chen et al. | Classification of UAV and bird target in low-altitude airspace with surveillance radar data | |
US11163321B1 (en) | Obstacle-avoiding spraying method and device for plant protection unmanned aerial vehicle, computer device and storage medium | |
CN116907282B (zh) | 基于人工智能算法的无人靶机超低空飞行控制方法 | |
CN113311857A (zh) | 一种基于无人机的环境感知与避障系统及方法 | |
CN113640768A (zh) | 一种基于小波变换的低分辨雷达目标识别方法 | |
Bayram et al. | Active localization of VHF collared animals with aerial robots | |
CN113220010A (zh) | 一种无人机智能防控系统 | |
CN101750605A (zh) | 一种基于航管二次雷达测试系统的抗干扰处理方法 | |
CN109061632A (zh) | 一种无人机识别方法 | |
CN114371726B (zh) | 无人机空地一体化探测定位方法、装置、系统与设备 | |
CN110207545A (zh) | 一种无人机拦截系统 | |
CN116660934A (zh) | 车辆、雨/雪天气识别方法、车辆控制方法和系统 | |
CN115311580A (zh) | 基于图像识别的无人机威胁判定方法及相关设备 |
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 |