CN113066249A - 基于无线电特征信息提取的无人机监测系统 - Google Patents

Abstract

本发明公开了一种基于无线电特征信息提取的无人机监测系统，包括：硬件平台：用于空口信号数据收集、预选滤波、增益控制、AD采样、多路DDC、GPS定位以及授时；服务器端：用于底层数据交互、硬件平台配置和控制、无人机遥控、图传信号识别算法处理、GPU加速、上层人机交互、本机状态信息保存、故障检查以及系统的版本管理；客户端：用于对工作信息进行收集、对用户的信息进行集中展示以及对系统的参数进行配置；本发明不仅可以监测空域中是否有无人机存在，也可用于区分友方和敌方无人机，将有效的延展无人机监测系统的工作能力。

Description

基于无线电特征信息提取的无人机监测系统

技术领域

本发明涉及信号处理技术领域，特别是一种基于无线电特征信息提取的无人机监测系统。

背景技术

随着无人机市场的蓬勃兴起，无人机“黑飞”时间也被不断曝光，甚至一些国家总统府、首相府、重要设施这些戒备森严的“禁飞区”，也屡屡遭到无人机的威胁。无人机虽然给人们的生活带了的便利，但同时对社会治安造成的危害也不容忽视。我国民用无人机产业发展日益蓬勃，各无人机研发生产企业都在积极寻求更大的发展机遇，无人机产业已成为我国经济发展新的增长点。但针对我国各地不断出现的无人机“黑飞”事件，在为民用无人机产业发展创造有利条件的同时，也必须加大管理力度。在此背景之下，政府从下面几个方面加强了对无人机使用的监管。一是进一步完善法律法规，二是加强法制宣传，三是建立健全民用无人机飞行管制队伍，四是建立从研制生产到销售使用全程注册制，五是发展建立技术防控手段。而其中第五条使用技术防控是人防的重要补充，可以预见，在较长的一段时间内，技术防控将作为各大无线电监测领域企业发展的重要方向。

发明内容

为解决现有技术中存在的问题，本发明的目的是提供一种基于无线电特征信息提取的无人机监测系统，本发明不仅可以监测空域中是否有无人机存在，也可用于区分友方和敌方无人机，将有效的延展无人机监测系统的工作能力。

为实现上述目的，本发明采用的技术方案是：一种基于无线电特征信息提取的无人机监测系统，包括：

硬件平台：用于空口信号数据收集、预选滤波、增益控制、AD采样、多路DDC、GPS定位以及授时；

服务器端：用于底层数据交互、硬件平台配置和控制、无人机遥控、图传信号识别算法处理、GPU加速、上层人机交互、本机状态信息保存、故障检查以及系统的版本管理；

客户端：用于对工作信息进行收集、对用户的信息进行集中展示以及对系统的参数进行配置。

作为本发明的进一步改进，所述硬件平台具体包括：

滤波器及低噪放：用于对信号进行预选滤波，并控制系统增益；

射频板：带自动增益控制，近距离时避免模拟信号超ADC量程，远距离时避免模拟信号小于ADC的1个LSB；

中频板：用于中频数据采集；

数据处理板：用于完成对中频数据的FFT计算以及多路下变频；

供电模块：多路电压输出，用于对射频板，中频板及数据处理板供电。

GPS模块：用于标准时间获取，设备位置获取，为硬件平台提供精准时钟，提高采样准确度，及频率稳定性。

作为本发明的进一步改进，所述服务器端具体包括：

底层数据交互模块：用于实现与底层的硬件平台的信息交互；

硬件平台配置及控制模块：用于配置下载、版本更新、参数配置和故障修复；

故障检测模块：用于实时检测硬件平台工作情况，服务器端工作情况，并对检测结果进行分析，对工作状态进行修复及上报；

历史日志模块：用于存储系统工作状态、历史数据查询、数据库记录和问题定位；

信号特征解析模块：用于采用FIR低通滤波器对当前通道的信号进行低通滤波，并完成滤波后信号的特征分析，包括频谱特征识别，调制模式识别，调制参数识别，跳频信号识别及参数估计，扩频信号识别及参数估计，基于特征库的无人机信号特征识别；

主控软件模块：用于对服务器端进行参数配置，功能调度，信息上报，日志存储和查询；

GPU模块：用于对算法进行加速处理，以及实现低采样率的多路下变频；

上层软件接口：用于数据规整后，对上层软件汇报信息，响应上层软件命令。

作为本发明的进一步改进，所述信号特征解析模块中基于特征库的无人机信号特征识别依靠3层算法进行实现，其中，第1层为信号识别及参数估计，第2层为调制参数的库特征匹配，第3层为特征库的库特征匹配。

作为本发明的进一步改进，所述信号特征解析模块中采用FIR低通滤波器对当前通道的信号进行低通滤波时，将读取数据和保存数据过程在CPU端执行，将耗时的滤波运算放入GPU，利用CUDA多线程能力加速运算，减少总体耗时，具体包括以下步骤：

步骤一、确定FIR低通滤波器频率响应系数，将响应系数传给GPU，并保存在GPU内存中，保存时，第一个字节的地址为存储器位宽的整数倍；

步骤二、将待处理输入数据传送给GPU；

步骤三、滤波计算处理：启动多线程时域卷积FIR滤波运算核函数，将采样点数和频率响应系数进行时域卷积操作，在进行卷积操作时，启动N个线程同时工作，线程T_i完成第i个数据与频率系数中的第i系数卷积，并将结果保存在第i个位置上；

步骤四、将结果数据传回客户端：等所有线程同步后，将运算结果从GPU传回客户端，释放GPU内存；

步骤五、结果数据保存，释放内存：将GPU传回主机端的结果数据保存至指定文件地址，保存方式是dat文件格式，释放CPU内存空间，完成滤波器时域并行处理。

作为本发明的进一步改进，所述客户端具体包括:

历史数据库：用于保存历史获取数据，无人机历史检测结果和结果统计；

数据显示后端：为客户端显示做数据准备，数据组装；

配置和信息查询模块：用于配置当前系统、工作频点和工作模式，以及查询当前系统版本和历史故障；

远程管理和控制模块：用于远程控制系统、配置参数、更新系统版本、中频数据采集留盘和留盘数据远程传输。

本发明的有益效果是：

本发明不仅可以监测空域中是否有无人机存在，也可用于区分友方和敌方无人机，将有效的延展无人机监测系统的工作能力。

附图说明

图1为本发明实施例的整体结构示意图；

图2为本发明实施例中基于特征库的无人机信号特征识别的流程图；

图3为本发明实施例中GPU实现FIR低通滤波器流程图；

图4为本发明实施例中硬件平台的架构图。

具体实施方式

下面结合附图对本发明的实施例进行详细说明。

实施例

经过对民用无人机信号进行了分析，主要有三种主要制式：调频信号(模拟跳频，数字调频，协议未知)，正交频分复用信号(Orthogonal Frequency DivisionMultiplexing，OFDM，协议未知)，WIFI信号(Wireless Fidelity，协议已知)。而对WIFI信号又分为802.11a/b/g/n等多种协议，物理层传输方式有直接序列扩频(Direct SequenceSpread Spectrum，DSSS)，OFDM调制。而针对军事领域直接序列扩频，跳频技术(Frequency-Hopping Spread Spectrum，FHSS)使用也较为普遍，所以在本实施例中也考虑了对这两种信号制式的无人机的监测。

如图1所示，一种基于无线电特征信息提取的无人机监测系统，整个系统主要由三大部分组成：

(1)硬件平台：主要负责空口信号数据收集，预选滤波，增益控制，AD采样，以及多路DDC等，GPS定位和授时。

1)工作频段：支持2.4G频段，5.8G频段，1.5G频段，900M，400M频段可选。

2)滤波器及低噪放：主要对信号进行预选滤波，并控制系统增益。

3)射频板：带自动增益控制，避免模拟信号超ADC量程(近距离)，避免远距离模拟信号小于ADC的1个LSB，解决远近效应问题。

4)中频板：可以是一套软件无线电，也可以是自研设备，支持高速率数据采集，能根据CPU配置，可选为多类软件无线电平台。

5)数据处理板：完成对中频数据的FFT计算，多路下变频等。

6)供电模块：多路电压输出，负责对射频板，中频板及数据处理板供电。

7)GPS模块：用于标准时间获取，设备位置获取，为硬件平台提供精准时钟，提高采样准确度，及频率稳定性。

(2)服务器端：主要负责底层数据交互，硬件平台配置和控制，无人机遥控、图传信号识别算法处理，GPU加速，上层人机交互，本机状态信息保存，故障检查，版本管理等。

1)底层数据交互：实现与底层硬件平台的信息交互。

2)硬件平台配置及控制：主要为配置下载，版本更新，参数配置，故障修复。

3)故障检测：用于实时检测硬件平台工作情况，服务器端工作情况。对检测结果进行分析，对工作状态修复，上报。

4)历史日志：用于存储系统工作状态，用于历史数据查询，数据库记录，问题定位。

5)信号特征解析：机型特征识别之前进行低通滤波，因为计算量比较高，所以需要本实施例在GPU上进行，并完成对当前通道的信号特征分析，包括频谱特征，调制模式识别，调制参数识别，跳频信号识别及参数估计，扩频信号识别及参数估计，基于特征库的无人机信号特征识别等，是本系统的核心模块。

6)主控软件：主要负责对整个服务器端系统的参数配置，功能调度，信息上报，日志存储和查询等。

7)GPU模块：主要负责对核心算法进行加速处理，实现低采样率的多路下变频等。

8)上层软件接口：主要用于数据规整后，对上层软件汇报信息，响应上层软件命令。

(3)客户端：主要负责本机工作信息收集，对使用者的信息集中展示，对本机参数配置。

1)历史数据库：用于保存历史获取数据，无人机历史检测结果，结果统计等。

2)数据显示后端：为客户端显示做数据准备，数据组装等。

3)配置和信息查询：配置当前系统，工作频点，工作模式(如闲时周期休眠，或者战时高速状态)，查询当前系统版本，历史故障等。

4)远程管理和控制：远程控制系统，配置参数，更新系统版本，中频数据采集留盘功能，留盘数据远程传输等。

下面对本实施例作进一步说明：

(1)信号特征解析模块：

如图2所示，对无人机信号的特征提取主要依靠3层算法进行实现，第1层为信号识别及参数估计，第2层为调制参数的库特征匹配，第3层为特征库的库特征匹配，使用逐级加强的方式，当获得的当前无人机有效信息越多，则上报的告警等级也相应增加。

为了表述该思路，本实施例以一个场景举例，当1款未知无人机从本监测系统10公里以外飞入我方防区时，本系统最先能够感知到的是某频点出现1未知信号，但具体情况不详。此时，调用多类信号识别及参数估计模块，进行分类判断。如果判定为OFDM信号，进行I级告警，为弱疑似无人机进入防区。则再通过识别参数与多种参数库进行比对，如果判定为疑似DIJ无人机信号制式(带宽，频率，周期等)，则进行II级告警。使用DJI无人机特征库信息，尝试对该信号进行解析和特征抓取，弱抓取特征与特征库匹配，则可明确判定为DJI无人机。再进行下一步，获取该无人机机型，特征指纹，并持续锁定和跟踪无人机信号。

如果上述场景中，在进行调制识别时，发现为直接序列扩频信号，再进行参数库比对时，发现与WIFI信号制式匹配。则启用WIFI 802.11b协议进行解析，能够局部解析成功时，上报II级告警。当能解析到该WIFI Host地址为明确厂家时，可触发III级告警，并持续锁定和跟踪该无人机信号。

当然上述思路，还可以用于对军用无人机信号的解析。为了使得本系统具有较强的适应能力，本实施例系统中还预留了神经网络训练接口，以及未知信号手动/智能采集功能。

如图3所示，信号特征解析模块中采用FIR低通滤波器对当前通道的信号进行低通滤波时，将读取数据和保存数据过程在CPU端执行，将耗时的滤波运算放入GPU，利用CUDA多线程能力加速运算，减少总体耗时。

具体实施步骤如下：

步骤一、确定FIR滤波器频率响应系数：使用在Matlab上设计好的滤波器系数，使用的方法是blaclman窗函数法设计FIR滤波器，采样率Fs为25MHz，通带带宽Fc为4Mhz。将响应系数传给GPU，并保存在GPU内存中，保存时，第一个字节的地址为存储器位宽的整数倍。

步骤二、将待处理输入数据传送给GPU：将输入数据分为一块块长度为2500000的待滤波样点数据从主机内存中传入GPU的内存中。

步骤三、滤波计算处理：启动多线程时域卷积FIR滤波运算核函数，将采样点数和频率响应系数进行时域卷积操作，在进行卷积操作时，启动N个线程同时工作，线程T_i完成第i个数据与频率系数中的第i系数卷积，并将结果保存在第i个位置上。

步骤四、将结果数据传回主机端：等所有线程同步后，将运算结果从GPU传回主机端，释放GPU内存。

步骤五、结果数据保存，释放内存：将GPU传回主机端的结果数据保存至指定文件地址，保存方式是dat文件格式，释放CPU内存空间，完成滤波器时域并行处理。

(2)系统底层硬件模块：

如图4所示，在对底层硬件设计时，为了充分考虑后续的扩展性，支持多个工作频点，且支持自动增益软件控制。系统总体设计思路为：在系统中设置了多个射频前端模块集成，配合中频板及数字处理板，实现对无人机遥控和图传信号的远距离侦收。GPS模块选择业界较成熟三模多频点模块，授时精度控制在60ns以内，定位精度在10米以内。主要模块包括：滤波器，低噪声放大器，衰减器，可选放大器。

1)预选滤波器：

主要用于滤波带外杂波，通过多只滤波器，配合射频开关，工作频段可以覆盖支持2.4G频段，5.8G频段，1.5G频段，900M，400M频段可选。

2)低噪声放大器/可选放大器：

此处使用了两级低噪声放大器，用于提高前端信号增益，增加信号接收距离，且避免近距离时ADC出现饱和。目前以7公里作为检测目标距离，设计时考虑接收距离在空旷场景可达9km。

3)数字衰减器：

主要负责将前端射频信号控制在中频板ADC饱和输入信号功率范围内，避免系统饱和，其所处的位置在第1级低噪放之后。

(3)系统软件层：

从功能上来讲，系统软件层主要功能包括参数配置、任务参数配置和系统启停、无人机信息显示和无人机信息统计等。

1)参数配置：用于配置数据流盘功能所需参数(自动，手动)，设置系统工作模式(低功耗，高速)。

2)任务的启停：主要有下发无人机信号识别开始命令、下发无人机信号数据自动/手动流盘开始命令和下发任务停止命令。

3)无人机信息显示：当接收到服务端上传上来的无人机数据后，先进行帧格式解析，再显示到对应表格中，并在标记图中，分颜色显示告警类型，无人机详细信息。

无人机信息统计：把此次任务侦测到的无人机数据进行统计，按无人机型号进行统计，关键信息为无人机类型、型号、厂家、总跟踪次数和总成功跟踪次数。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (6)

1.一种基于无线电特征信息提取的无人机监测系统，其特征在于，包括：

硬件平台：用于空口信号数据收集、预选滤波、增益控制、AD采样、多路DDC、GPS定位以及授时；

服务器端：用于底层数据交互、硬件平台配置和控制、无人机遥控、图传信号识别算法处理、GPU加速、上层人机交互、本机状态信息保存、故障检查以及系统的版本管理；

客户端：用于对工作信息进行收集、对用户的信息进行集中展示以及对系统的参数进行配置。

2.根据权利要求1所述的基于无线电特征信息提取的无人机监测系统，其特征在于，所述硬件平台具体包括：

滤波器及低噪放：用于对信号进行预选滤波，并控制系统增益；

射频板：带自动增益控制，近距离时避免模拟信号超ADC量程，远距离时避免模拟信号小于ADC的1个LSB；

中频板：用于中频数据采集；

数据处理板：用于完成对中频数据的FFT计算以及多路下变频；

供电模块：多路电压输出，用于对射频板，中频板及数据处理板供电。

GPS模块：用于标准时间获取，设备位置获取，为硬件平台提供精准时钟，提高采样准确度，及频率稳定性。

3.根据权利要求1所述的基于无线电特征信息提取的无人机监测系统，其特征在于，所述服务器端具体包括：

底层数据交互模块：用于实现与底层的硬件平台的信息交互；

硬件平台配置及控制模块：用于配置下载、版本更新、参数配置和故障修复；

故障检测模块：用于实时检测硬件平台工作情况，服务器端工作情况，并对检测结果进行分析，对工作状态进行修复及上报；

历史日志模块：用于存储系统工作状态、历史数据查询、数据库记录和问题定位；

信号特征解析模块：用于采用FIR低通滤波器对当前通道的信号进行低通滤波，并完成滤波后信号的特征分析，包括频谱特征识别，调制模式识别，调制参数识别，跳频信号识别及参数估计，扩频信号识别及参数估计，基于特征库的无人机信号特征识别；

主控软件模块：用于对服务器端进行参数配置，功能调度，信息上报，日志存储和查询；

GPU模块：用于对算法进行加速处理，以及实现低采样率的多路下变频；

上层软件接口：用于数据规整后，对上层软件汇报信息，响应上层软件命令。

4.根据权利要求3所述的基于无线电特征信息提取的无人机监测系统，其特征在于，所述信号特征解析模块中基于特征库的无人机信号特征识别依靠3层算法进行实现，其中，第1层为信号识别及参数估计，第2层为调制参数的库特征匹配，第3层为特征库的库特征匹配。

5.根据权利要求3所述的基于无线电特征信息提取的无人机监测系统，其特征在于，所述信号特征解析模块中采用FIR低通滤波器对当前通道的信号进行低通滤波时，将读取数据和保存数据过程在CPU端执行，将耗时的滤波运算放入GPU，利用CUDA多线程能力加速运算，减少总体耗时，具体包括以下步骤：

步骤一、确定FIR低通滤波器频率响应系数，将响应系数传给GPU，并保存在GPU内存中，保存时，第一个字节的地址为存储器位宽的整数倍；

步骤二、将待处理输入数据传送给GPU；

步骤三、滤波计算处理：启动多线程时域卷积FIR滤波运算核函数，将采样点数和频率响应系数进行时域卷积操作，在进行卷积操作时，启动N个线程同时工作，线程T_i完成第i个数据与频率系数中的第i系数卷积，并将结果保存在第i个位置上；

步骤四、将结果数据传回客户端：等所有线程同步后，将运算结果从GPU传回客户端，释放GPU内存；

步骤五、结果数据保存，释放内存：将GPU传回主机端的结果数据保存至指定文件地址，保存方式是dat文件格式，释放CPU内存空间，完成滤波器时域并行处理。

6.根据权利要求1所述的基于无线电特征信息提取的无人机监测系统，其特征在于，所述客户端具体包括:

历史数据库：用于保存历史获取数据，无人机历史检测结果和结果统计；

数据显示后端：为客户端显示做数据准备，数据组装；

配置和信息查询模块：用于配置当前系统、工作频点和工作模式，以及查询当前系统版本和历史故障；

远程管理和控制模块：用于远程控制系统、配置参数、更新系统版本、中频数据采集留盘和留盘数据远程传输。

Images