CN113507341B - 基于无线电频谱识别的无人机侦测方法、系统和存储介质 - Google Patents

基于无线电频谱识别的无人机侦测方法、系统和存储介质 Download PDF

Info

Publication number
CN113507341B
CN113507341B CN202110761878.7A CN202110761878A CN113507341B CN 113507341 B CN113507341 B CN 113507341B CN 202110761878 A CN202110761878 A CN 202110761878A CN 113507341 B CN113507341 B CN 113507341B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
signal
information
radio
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.)
Active
Application number
CN202110761878.7A
Other languages
English (en)
Other versions
CN113507341A (zh
Inventor
苏颖
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.)
China Communications Remote Sensing Tianyu Technology Jiangsu Co ltd
Original Assignee
China Communications Remote Sensing Tianyu Technology Jiangsu 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 China Communications Remote Sensing Tianyu Technology Jiangsu Co ltd filed Critical China Communications Remote Sensing Tianyu Technology Jiangsu Co ltd
Priority to CN202110761878.7A priority Critical patent/CN113507341B/zh
Publication of CN113507341A publication Critical patent/CN113507341A/zh
Application granted granted Critical
Publication of CN113507341B publication Critical patent/CN113507341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/80—Jamming or countermeasure characterized by its function
    • H04K3/82—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection
    • H04K3/825—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection by jamming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于无线电频谱识别的无人机侦测方法、系统和存储介质，所述方法包括：采用无线电侦测设备实时监测无线电信号，若有可疑无线电信号，则搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；对每条资讯信息进行神经网络语义分析，确定出每条资讯信息反馈出该可疑无线电信号的所属类别；综合全部资讯信息对该可疑无线电信号认定的所属类别得到最终判定结果，并根据判定结果确定是否为禁用无人机，以及对该禁用无人机执行管控措施。本发明实现自动化精确判别禁用无人机通信信号的效果。

Description

基于无线电频谱识别的无人机侦测方法、系统和存储介质
技术领域
本发明涉及无人机技术领域，尤其涉及一种基于无线电频谱识别的无人机侦测方法、系统和存储介质。
背景技术
目前，随着无人机技术逐渐成熟，制造成本和进入门槛降低，消费级无人机市场已经爆发，而民用无人机市场处于爆发前夜。国家对民用无人机还没有形成权威的技术质量标准，这无形中拉低了国内民用无人机竞争门槛和性能保障。而对于一些无人机的使用者来说，由于起飞审批不明确，无人机被迫陷入“黑飞”的尴尬境界。随着民用无人机市场的高速发展，城市低空防御系统需求越来越紧迫。
现有的城市政府为了防止一些商业机密的泄漏会在城市商业区周围划分处禁空区，禁止除军用无人机或授权民用无人机以外的任何无人机进入，但是在商业区周围会有其他无线电信号干扰到区域内无人机的侦测。无线电频谱侦测技术，通过无线电侦测设备对无人机的通讯频段进行全天候的监测，利用数据处理技术对频谱数据进行分析处理，从而检测出无人机通信信号的过程。然而在检测到无人机通信信号后，多通过管理员人为判定其是否为禁用，且在判定过程中，过多的人为因素也会影响判定的准确性，基于此，现有方案难以实现自动化精确判别禁用无人机通信信号的效果。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于无线电频谱识别的无人机侦测方法、系统和存储介质，实现自动化精确判别禁用无人机通信信号的效果。
本发明第一方面提出了一种基于无线电频谱识别的无人机侦测方法，其特征在于，所述方法包括：
采用无线电侦测设备在预设区域进行实时无线电信号监测，判断是否有可疑无线电信号；
如果有，则筛选出该可疑无线电信号，并反馈至服务器；
由所述服务器搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；
根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；
对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，其中类别包括军用无人机信号、民用无人机信号；
基于每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；
基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；
判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
本方案中，在确定出每条资讯信息反馈出该可疑无线电信号的所属类别之后，所述方法还包括：
基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；
分别计算民用无人机电信号类别的可信值L1＝a1*r1+a2*r2…+am*rm；军用无人机电信号类别的可信值L2＝b1*k1+b2*k2…+bn*kn；其中“*”表示相乘；
基于民用无人机电信号类别的可信值L1和无人机电信号类别的可信值L2计算民用无人机电信号类别的可信度P＝L1/(L1+L2)。
本方案中，判断是否有可疑无线电信号，具体包括：
记录所述无线电侦测设备上一个监测时间所监测到的所有无线电信号；
将所述无线电侦测设备当前监测时间监测到所有无线电信号与上一个监测时间监测到的所有无线电信号进行对比，并判断是否有新增无线电信号；
如果有，则将新增无线电信号与所述服务器本地数据库中预置的授权无线电信号进行遍历匹配；
如果本地数据库中存在与新增无线电信号相一致的授权无线电信号，则准予该新增无线电信号在所述预设区域内应用；如果本地数据库中不存在与新增无线电信号相一致的授权无线电信号，则认定该新增无线电信号为可疑无线电信号。
本方案中，对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，具体包括：
构建基于神经网络的语义分类模型；
基于样本数据对所述语义分类模型进行训练；
对相关资讯信息进行预处理，并提炼出原始发布单位以及相关语段；
将相关语段分别输入至所述语义分类模型中，输出相关资讯信息反馈出该可疑无线电信号的所属类别。
本方案中，在对每条资讯信息进行神经网络语义分析处理之后，所述方法还包括：
输出每条相关资讯信息反馈出该可疑无线电信号的所属类别，所述类别包括军用无人机信号、民用无人机信号，以及无法判定军用和民用无人机信号；
将属于无法判定军用和民用无人机信号的相关资讯信息进行删除，并保留属于军用无人机信号和民用无人机信号的相关资讯信息对该可疑无线电信号的所属类别进行后续的判定。
本方案中，在将属于无法判定军用和民用无人机信号的相关资讯信息进行删除之后，所述方法还包括：
将删除之后剩余的相关资讯信息数量与预设第二阈值进行比对；
如果大于等于预设第二阈值，则基于剩余每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降；
如果小于预设第二阈值，则反馈空域管理中心，并由空域管理中心进行人为判定该可疑无线电信号是否为民用无人机电信号。
本方案中，在判定该可疑无线电信号为民用无人机电信号之后，所述方法还包括：
基于该可疑无线电信号在预设区域内已授权飞行任务的民用无人机电信号中进行轮询匹配；
如果匹配到对应的已授权飞行任务的民用无人机电信号，则继续判断当前时间节点是否包含在已授权飞行任务的民用无人机电信号对应的授权时间段；如果是，则准予其飞行，并按照授权时间段为该可疑无线电信号设定结束时间触发条件，当达到结束时间触发条件时，如果仍有该可疑无线电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降；
如果未匹配到对应的已授权飞行任务的民用无人机电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降。
本发明第二方面还提出一种基于无线电频谱识别的无人机侦测系统，包括存储器和处理器，所述存储器中包括基于无线电频谱识别的无人机侦测方法程序，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时实现如下步骤：
采用无线电侦测设备在预设区域进行实时无线电信号监测，判断是否有可疑无线电信号；
如果有，则筛选出该可疑无线电信号，并反馈至服务器；
由所述服务器搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；
根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；
对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，其中类别包括军用无人机信号、民用无人机信号；
基于每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；
基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；
判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
本方案中，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时还实现如下步骤：
基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；
分别计算民用无人机电信号类别的可信值L1＝a1*r1+a2*r2…+am*rm；军用无人机电信号类别的可信值L2＝b1*k1+b2*k2…+bn*kn；其中“*”表示相乘；
基于民用无人机电信号类别的可信值L1和无人机电信号类别的可信值L2计算民用无人机电信号类别的可信度P＝L1/(L1+L2)。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于无线电频谱识别的无人机侦测方法程序，所述基于无线电频谱识别的无人机侦测方法程序被处理器执行时，实现如上述的一种基于无线电频谱识别的无人机侦测方法的步骤。
本发明提供一种基于无线电频谱识别的无人机侦测方法、系统和存储介质，运用大数据资讯信息，并通过神经网络智能语义分析，能够实现自动化准确判定可疑无线电信号的类别，有助于空域管理中心对预设区域内禁用无人机的侦测与管控。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1示出了本发明一种基于无线电频谱识别的无人机侦测方法的流程图；
图2示出了本发明一种基于无线电频谱识别的无人机侦测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于无线电频谱识别的无人机侦测方法的流程图。
如图1所示，本发明第一方面提出一种基于无线电频谱识别的无人机侦测方法，所述方法包括：
S102，采用无线电侦测设备在预设区域进行实时无线电信号监测，判断是否有可疑无线电信号；
S104，如果有，则筛选出该可疑无线电信号，并反馈至服务器；
S106，由所述服务器搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；
S108，根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；
S110，对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，其中类别包括军用无人机信号、民用无人机信号；
S112，基于每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；
S114，基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；
S116，判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
需要说明的是，上述预设区域可以为商业区域、军用区域、机场区域等，这些区域均需要严格禁止不明无人机的不合法飞行。本发明在这些区域设置无线电侦测设备，通过其检测该预设区域内是否有可疑无线电信号，如果有，则由服务器进行大数据、神经网络分析处理，从而实现自动化精确判断该可疑无线电信号是否为禁用民用无人机电信号，全程无需管理员参与，自动化程度高，进一步节省了人力成本。
需要说明的是，在判断民用无人机电信号的认可度是否超过预设第一阈值，所述方法还包括：
如果未超过，则判定该可疑无线电信号为军用无人机电信号，并准予其在预设区域内容执行飞行任务。
根据本发明的实施例，在确定出每条资讯信息反馈出该可疑无线电信号的所属类别之后，所述方法还包括：
基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；
分别计算民用无人机电信号类别的可信值L1＝a1*r1+a2*r2…+am*rm；军用无人机电信号类别的可信值L2＝b1*k1+b2*k2…+bn*kn；其中“*”表示相乘；
基于民用无人机电信号类别的可信值L1和无人机电信号类别的可信值L2计算民用无人机电信号类别的可信度P＝L1/(L1+L2)。
需要说明的是，由于针对该可疑无线电信号的相关资讯信息可能会比较多，而且不同的资讯信息所反馈的信息不同，例如有的资讯信息反馈该可疑无线电信号为民用无人机，有的资讯信息反馈该可疑无线电信号为军用无人机，因此难以从单个资讯信息判断出其是否为那个类别，本发明通过结合转发量和发布单位的权威等级，来计算每个类别的可信值，然后基于每个类别的可信值判断具体类别(如民用无人机电信号)的可信度，最终根据可信度的大小来判定其属于哪个类别，本发明考虑可信度的多维度因子，从而有效增强了判定的准确性。
根据本发明的实施例，判断是否有可疑无线电信号，具体包括：
记录所述无线电侦测设备上一个监测时间所监测到的所有无线电信号；
将所述无线电侦测设备当前监测时间监测到所有无线电信号与上一个监测时间监测到的所有无线电信号进行对比，并判断是否有新增无线电信号；
如果有，则将新增无线电信号与所述服务器本地数据库中预置的授权无线电信号进行遍历匹配；
如果本地数据库中存在与新增无线电信号相一致的授权无线电信号，则准予该新增无线电信号在所述预设区域内应用；如果本地数据库中不存在与新增无线电信号相一致的授权无线电信号，则认定该新增无线电信号为可疑无线电信号。
需要说明的是，所述无线电侦测设备按照预设周期对所述预设区域进行无线电信号监测，优选的，所述预设周期的范围为1s-10s。可以理解，由于预设区域内的无线电信号较多，如果直接对预设区域所有无线电信号进行分析判断其是否为可疑信号，显然需要消耗较多的计算资源，本发明在判断预设区域是否有可疑无线电信号时，首先先筛选出当前监测时间相对于上一监测时间新增的无线电信号，新增的无线电信号相较于无线电侦测设备在预设区域侦测到的所有无线电信号而言，数量上已收敛很多，然后再从较少数量的新增无线电信号中进一步一一分析其是否属于所述预设区域内的授权无线电信号，整个可疑无线电信号的判别过程需要消耗的计算资源大大降低，进一步提升了判别效率。
根据本发明的实施例，对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，具体包括：
构建基于神经网络的语义分类模型；
基于样本数据对所述语义分类模型进行训练；
对相关资讯信息进行预处理，并提炼出原始发布单位以及相关语段；
将相关语段分别输入至所述语义分类模型中，输出相关资讯信息反馈出该可疑无线电信号的所属类别。
需要说明的是，上述资讯信息包括网页、图片、视频等信息。如果资讯信息为图片或视频，则需要采用图像识别技术识别出其呈现的语义内容，然后再基于训练后的语义分类模型对所述语义内容进行分类处理。
根据本发明的实施例，对相关资讯信息进行预处理，具体包括：
整理出与类别相关的关键字，并构建关键字数据库；
根据关键字数据库中的关键字分别遍历相关资讯信息全部内容；
从相关资讯信息全部内容中筛选出具有关键字的相关语段。
根据本发明的实施例，在对每条资讯信息进行神经网络语义分析处理之后，所述方法还包括：
输出每条相关资讯信息反馈出该可疑无线电信号的所属类别，所述类别包括军用无人机信号、民用无人机信号，以及无法判定军用和民用无人机信号；
将属于无法判定军用和民用无人机信号的相关资讯信息进行删除，并保留属于军用无人机信号和民用无人机信号的相关资讯信息对该可疑无线电信号的所属类别进行后续的判定。
需要说明的是，并不是每条资讯信息都能反馈出该可疑无线电信号所属的类别，有的资讯信息并未对该可疑无线电信号的所属类别做任何介绍，针对此类资讯信息，通过神经网络语义分类模型也只能输出无法判定军用和民用无人机信号的结果，此类结果对后续类别评定没有价值，因此本发明需要对无法判定军用和民用无人机信号的资讯信息进行删除，且仅仅保留属于军用无人机信号和民用无人机信号的相关资讯信息。
根据本发明的实施例，在将属于无法判定军用和民用无人机信号的相关资讯信息进行删除之后，所述方法还包括：
将删除之后剩余的相关资讯信息数量与预设第二阈值进行比对；
如果大于等于预设第二阈值，则基于剩余每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降；
如果小于预设第二阈值，则反馈空域管理中心，并由空域管理中心进行人为判定该可疑无线电信号是否为民用无人机电信号。
需要说明的是，在基于剩余的相关资讯信息并通过“可信度”的机制来进行评定该可疑无线电信号是否为民用无人机电信号时，还需要建立在足够多资讯信息数量的基础上，如果资讯信息数量较少，则得到可信度准确性不高，本发明为了满足计算得到评判指标“可信度”更准确贴合实际情况，限定剩余的相关资讯信息数量应大于等于预设第二阈值。优选的，预设第二阈值的取值范围为大于等于10。
根据本发明的实施例，在判定该可疑无线电信号为民用无人机电信号之后，所述方法还包括：
基于该可疑无线电信号在预设区域内已授权飞行任务的民用无人机电信号中进行轮询匹配；
如果匹配到对应的已授权飞行任务的民用无人机电信号，则继续判断当前时间节点是否包含在已授权飞行任务的民用无人机电信号对应的授权时间段；如果是，则准予其飞行，并按照授权时间段为该可疑无线电信号设定结束时间触发条件，当达到结束时间触发条件时，如果仍有该可疑无线电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降；
如果未匹配到对应的已授权飞行任务的民用无人机电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降。
需要说明的是，民用无人机电信号中也可以包括限时授权的民用无人机信号，所谓限时授权的民用无人机信号是指在预设区域内、预设时间段内允许某个或某些民用无人机执行飞行任务。
可以理解，所述服务器根据空域管理中心设定，预先收录已授权飞行任务的民用无人机电信号；以便于后续判别为民用无人机电信号后，进一步根据服务器预先收录的已授权飞行任务的民用无人机电信号进一步判定是否允许执行飞行任务。
根据本发明的另一实施例，在确定出每条资讯信息反馈出该可疑无线电信号的所属类别之后，所述方法还包括：
基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；转发量对可信值的影响权重为W1，原始发布单位对可信值的影响权重为W2；
分别计算民用无人机电信号类别的可信值L3＝W1(a1+a2…+am)+W2(r1+r2…+rm)；军用无人机电信号类别的可信值L4＝W1(b1+b2…+bn)+W2(k1+k2…+kn)；
基于民用无人机电信号类别的可信值L3和无人机电信号类别的可信值L4计算民用无人机电信号类别的可信度P＝L3/(L3+L4)。
判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
上述实施例，考虑转发量和原始发布单位对可信值计算的影响权重，而且影响权重是根据大量数据测试而得的，更加贴近于实际场景，通过增设影响权重使得最终的可信值更加趋于理论准确值，进一步提升了类别评判的准确性。
根据本发明实施例，还包括：
根据所述超过预设第一阈值的民用无人机信号的可信度判定为民用无人机电信号；
将所述判定结果反馈至所述本地数据库，标定所述可疑无线电信号为民用无人机电信号；
根据所述民用无人机电信号的每条资讯信息对应的军用无人机信号和民用无人机信号类别和频谱计算所述民用无人机电信号资讯信息类别分布回归概率；
根据所述民用无人机电信号资讯信息类别分布回归概率建立所述无线电信号频谱模型；
将所述无线电信号频谱模型反馈至无线电信号数据库。
需要说明的是，当所述可疑无线电信号的可信度大于预设第一阈值判定为民用无人机电信号后将判定结果反馈至本地数据库，并标定明确该无疑无线电信号为民用无人机电信号，根据民用无人机电信号的每条资讯信息对应的军用无人机信号和民用无人机信号类别分布模型如正态分布模型以及频谱分布计算出该民用无人机电信号资讯信息类别分布回归概率，获得民用无人机电信号的资讯区间分布，再根据该民用无人机电信号资讯信息类别分布回归概率建立无线电信号频谱模型，以获得宏观明确的无线电信号频谱分布情况，并将无线电信号频谱模型反馈至无线电信号数据库，以备后续可疑无线电信号进行模型比对。
图2示出了本发明一种基于无线电频谱识别的无人机侦测系统的框图。
如图2所示，本发明第二方面还提出一种基于无线电频谱识别的无人机侦测系统2，包括存储器21和处理器22，所述存储器21中包括基于无线电频谱识别的无人机侦测方法程序，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器22执行时实现如下步骤：
采用无线电侦测设备在预设区域进行实时无线电信号监测，判断是否有可疑无线电信号；
如果有，则筛选出该可疑无线电信号，并反馈至服务器；
由所述服务器搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；
根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；
对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，其中类别包括军用无人机信号、民用无人机信号；
基于每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；
基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；
判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
根据本发明的实施例，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时还实现如下步骤：
基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；
分别计算民用无人机电信号类别的可信值L1＝a1*r1+a2*r2…+am*rm；军用无人机电信号类别的可信值L2＝b1*k1+b2*k2…+bn*kn；其中“*”表示相乘；
基于民用无人机电信号类别的可信值L1和无人机电信号类别的可信值L2计算民用无人机电信号类别的可信度P＝L1/(L1+L2)。
根据本发明的实施例，判断是否有可疑无线电信号，具体包括：
记录所述无线电侦测设备上一个监测时间所监测到的所有无线电信号；
将所述无线电侦测设备当前监测时间监测到所有无线电信号与上一个监测时间监测到的所有无线电信号进行对比，并判断是否有新增无线电信号；
如果有，则将新增无线电信号与所述服务器本地数据库中预置的授权无线电信号进行遍历匹配；
如果本地数据库中存在与新增无线电信号相一致的授权无线电信号，则准予该新增无线电信号在所述预设区域内应用；如果本地数据库中不存在与新增无线电信号相一致的授权无线电信号，则认定该新增无线电信号为可疑无线电信号。
根据本发明的实施例，对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，具体包括：
构建基于神经网络的语义分类模型；
基于样本数据对所述语义分类模型进行训练；
对相关资讯信息进行预处理，并提炼出原始发布单位以及相关语段；
将相关语段分别输入至所述语义分类模型中，输出相关资讯信息反馈出该可疑无线电信号的所属类别。
根据本发明的实施例，在对每条资讯信息进行神经网络语义分析处理之后，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时还实现如下步骤：
输出每条相关资讯信息反馈出该可疑无线电信号的所属类别，所述类别包括军用无人机信号、民用无人机信号，以及无法判定军用和民用无人机信号；
将属于无法判定军用和民用无人机信号的相关资讯信息进行删除，并保留属于军用无人机信号和民用无人机信号的相关资讯信息对该可疑无线电信号的所属类别进行后续的判定。
根据本发明的实施例，在将属于无法判定军用和民用无人机信号的相关资讯信息进行删除之后，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时还实现如下步骤：
将删除之后剩余的相关资讯信息数量与预设第二阈值进行比对；
如果大于等于预设第二阈值，则基于剩余每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；判断民用无人机电信号的认可度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降；
如果小于预设第二阈值，则反馈空域管理中心，并由空域管理中心进行人为判定该可疑无线电信号是否为民用无人机电信号。
根据本发明的实施例，在判定该可疑无线电信号为民用无人机电信号之后，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时还实现如下步骤：
基于该可疑无线电信号在预设区域内已授权飞行任务的民用无人机电信号中进行轮询匹配；
如果匹配到对应的已授权飞行任务的民用无人机电信号，则继续判断当前时间节点是否包含在已授权飞行任务的民用无人机电信号对应的授权时间段；如果是，则准予其飞行，并按照授权时间段为该可疑无线电信号设定结束时间触发条件，当达到结束时间触发条件时，如果仍有该可疑无线电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降；
如果未匹配到对应的已授权飞行任务的民用无人机电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降。
根据本发明实施例，还包括：
根据所述超过预设第一阈值的民用无人机信号的可信度判定为民用无人机电信号；
将所述判定结果反馈至所述本地数据库，标定所述可疑无线电信号为民用无人机电信号；
根据所述民用无人机电信号的每条资讯信息对应的军用无人机信号和民用无人机信号类别和频谱计算所述民用无人机电信号资讯信息类别分布回归概率；
根据所述民用无人机电信号资讯信息类别分布回归概率建立所述无线电信号频谱模型；
将所述无线电信号频谱模型反馈至无线电信号数据库。
需要说明的是，当所述可疑无线电信号的可信度大于预设第一阈值判定为民用无人机电信号后将判定结果反馈至本地数据库，并标定明确该无疑无线电信号为民用无人机电信号，根据民用无人机电信号的每条资讯信息对应的军用无人机信号和民用无人机信号类别分布模型如正态分布模型以及频谱分布计算出该民用无人机电信号资讯信息类别分布回归概率，获得民用无人机电信号的资讯区间分布，再根据该民用无人机电信号资讯信息类别分布回归概率建立无线电信号频谱模型，以获得宏观明确的无线电信号频谱分布情况，并将无线电信号频谱模型反馈至无线电信号数据库，以备后续可疑无线电信号进行模型比对。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于无线电频谱识别的无人机侦测方法程序，所述基于无线电频谱识别的无人机侦测方法程序被处理器执行时，实现如上述的一种基于无线电频谱识别的无人机侦测方法的步骤。
本发明提供一种基于无线电频谱识别的无人机侦测方法、系统和存储介质，运用大数据资讯信息，并通过神经网络智能语义分析，能够实现自动化准确判定可疑无线电信号的类别，有助于空域管理中心对预设区域内禁用无人机的侦测与管控。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于无线电频谱识别的无人机侦测方法，其特征在于，所述方法包括：
采用无线电侦测设备在预设区域进行实时无线电信号监测，判断是否有可疑无线电信号；
如果有，则筛选出该可疑无线电信号，并反馈至服务器；
由所述服务器搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；
根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；
对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，其中类别包括军用无人机信号、民用无人机信号；
基于每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；
基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；
判断民用无人机信号的可信度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
2.根据权利要求1所述的一种基于无线电频谱识别的无人机侦测方法，其特征在于，在确定出每条资讯信息反馈出该可疑无线电信号的所属类别之后，所述方法还包括：基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；
分别计算民用无人机电信号类别的可信值L1＝a1*r1+a2*r2…+am*rm；军用无人机电信号类别的可信值L2＝b1*k1+b2*k2…+bn*kn；其中“*”表示相乘；
基于民用无人机电信号类别的可信值L1和军用无人机电信号类别的可信值L2计算民用无人机电信号类别的可信度P＝L1/(L1+L2)。
3.根据权利要求1所述的一种基于无线电频谱识别的无人机侦测方法，其特征在于，判断是否有可疑无线电信号，具体包括：
记录所述无线电侦测设备上一个监测时间所监测到的所有无线电信号；
将所述无线电侦测设备当前监测时间监测到所有无线电信号与上一个监测时间监测到的所有无线电信号进行对比，并判断是否有新增无线电信号；
如果有，则将新增无线电信号与所述服务器本地数据库中预置的授权无线电信号进行遍历匹配；
如果本地数据库中存在与新增无线电信号相一致的授权无线电信号，则准予该新增无线电信号在所述预设区域内应用；如果本地数据库中不存在与新增无线电信号相一致的授权无线电信号，则认定该新增无线电信号为可疑无线电信号。
4.根据权利要求1所述的一种基于无线电频谱识别的无人机侦测方法，其特征在于，对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，具体包括：
构建基于神经网络的语义分类模型；
基于样本数据对所述语义分类模型进行训练；
对相关资讯信息进行预处理，并提炼出原始发布单位以及相关语段；
将相关语段分别输入至所述语义分类模型中，输出相关资讯信息反馈出该可疑无线电信号的所属类别。
5.根据权利要求1所述的一种基于无线电频谱识别的无人机侦测方法，其特征在于，在对每条资讯信息进行神经网络语义分析处理之后，所述方法还包括：
输出每条相关资讯信息反馈出该可疑无线电信号的所属类别，所述类别包括军用无人机信号、民用无人机信号，以及无法判定军用和民用无人机信号；
将属于无法判定军用和民用无人机信号的相关资讯信息进行删除，并保留属于军用无人机信号和民用无人机信号的相关资讯信息对该可疑无线电信号的所属类别进行后续的判定。
6.根据权利要求5所述的一种基于无线电频谱识别的无人机侦测方法，其特征在于，在将属于无法判定军用和民用无人机信号的相关资讯信息进行删除之后，所述方法还包括：
将删除之后剩余的相关资讯信息数量与预设第二阈值进行比对；
如果大于等于预设第二阈值，则基于剩余每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；判断民用无人机信号的可信度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降；
如果小于预设第二阈值，则反馈空域管理中心，并由空域管理中心进行人为判定该可疑无线电信号是否为民用无人机电信号。
7.根据权利要求1所述的一种基于无线电频谱识别的无人机侦测方法，其特征在于，在判定该可疑无线电信号为民用无人机电信号之后，所述方法还包括：
基于该可疑无线电信号在预设区域内已授权飞行任务的民用无人机电信号中进行轮询匹配；
如果匹配到对应的已授权飞行任务的民用无人机电信号，则继续判断当前时间节点是否包含在已授权飞行任务的民用无人机电信号对应的授权时间段；如果是，则准予其飞行，
并按照授权时间段为该可疑无线电信号设定结束时间触发条件，当达到结束时间触发条件时，如果仍有该可疑无线电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降；
如果未匹配到对应的已授权飞行任务的民用无人机电信号，则基于该可疑无线电信号模拟干扰信号，并采用干扰信号对该民用无人机进行干扰，促使其迫降。
8.一种基于无线电频谱识别的无人机侦测系统，其特征在于，包括存储器和处理器，所述存储器中存储基于无线电频谱识别的无人机侦测方法程序，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时实现如下步骤：
采用无线电侦测设备在预设区域进行实时无线电信号监测，判断是否有可疑无线电信号；
如果有，则筛选出该可疑无线电信号，并反馈至服务器；
由所述服务器搜索与该可疑无线电信号相关的资讯信息，对应每条资讯信息的原始发布单位，以及每条资讯信息的转发量；
根据发布单位权威等级列表查询得到所有原始发布单位的权威等级；
对每条资讯信息进行神经网络语义分析处理，确定出每条资讯信息反馈出该可疑无线电信号的所属类别，其中类别包括军用无人机信号、民用无人机信号；
基于每条资讯信息的转发量以及原始发布单位的权威等级分别计算得到军用无人机信号和民用无人机信号两个类别的可信值；
基于军用无人机信号和民用无人机信号的可信值，计算民用无人机信号的可信度；判断民用无人机信号的可信度是否超过预设第一阈值，如果超过，则判定该可疑无线电信号为民用无人机电信号，然后基于该可疑无线电信号模拟干扰信号，并采用干扰信号对民用无人机进行干扰，促使其迫降。
9.根据权利要求8所述的一种基于无线电频谱识别的无人机侦测系统，其特征在于，所述基于无线电频谱识别的无人机侦测方法程序被所述处理器执行时还实现如下步骤：
基于相同类别的资讯信息进行归类处理，预设反馈出民用无人机电信号类别有m个相关资讯信息，即A1，A2，…，Am，资讯信息A1的转发量为a1,原始发布单位的权威等级为r1，资讯信息A2的转发量为a2，原始发布单位的权威等级为r2，…，资讯信息Am的转发量为am，原始发布单位的权威等级为rm；反馈出军用无人机线电信号类别有n个相关资讯信息，即B1，B2，…，Bn，资讯信息B1的转发量为b1，原始发布单位的权威等级为k1，资讯信息B2的转发量为b2，原始发布单位的权威等级为k2，…，资讯信息Bn的转发量为bn，原始发布单位的权威等级为kn；
分别计算民用无人机电信号类别的可信值L1＝a1*r1+a2*r2…+am*rm；军用无人机电信号类别的可信值L2＝b1*k1+b2*k2…+bn*kn；其中“*”表示相乘；
基于民用无人机电信号类别的可信值L1和军用无人机电信号类别的可信值L2计算民用无人机电信号类别的可信度P＝L1/(L1+L2)。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储一种基于无线电频谱识别的无人机侦测方法程序，所述基于无线电频谱识别的无人机侦测方法程序被处理器执行时，实现如权利要求1至7中任一项所述的一种基于无线电频谱识别的无人机侦测方法的步骤。
CN202110761878.7A 2021-07-06 2021-07-06 基于无线电频谱识别的无人机侦测方法、系统和存储介质 Active CN113507341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110761878.7A CN113507341B (zh) 2021-07-06 2021-07-06 基于无线电频谱识别的无人机侦测方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110761878.7A CN113507341B (zh) 2021-07-06 2021-07-06 基于无线电频谱识别的无人机侦测方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN113507341A CN113507341A (zh) 2021-10-15
CN113507341B true CN113507341B (zh) 2022-03-11

Family

ID=78011631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110761878.7A Active CN113507341B (zh) 2021-07-06 2021-07-06 基于无线电频谱识别的无人机侦测方法、系统和存储介质

Country Status (1)

Country Link
CN (1) CN113507341B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114666005B (zh) * 2022-05-26 2022-10-04 广东德九新能源有限公司 一种察打一体化组合设备的察打实现方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108233985A (zh) * 2017-12-28 2018-06-29 厦门安胜网络科技有限公司 一种无人机管理方法、终端设备及存储介质
CN108696332A (zh) * 2018-04-27 2018-10-23 杭州捍鹰科技有限公司 无人机干扰方法、装置及电子设备
CN108922248A (zh) * 2018-06-29 2018-11-30 陆英玮 一种分布式民用无人机空管系统、空管方法及协作方法
CN109981192A (zh) * 2019-04-08 2019-07-05 南京航空航天大学 一种空域反黑飞无人机的频谱监测系统及方法
CN110719136A (zh) * 2019-08-27 2020-01-21 安徽四创电子股份有限公司 无人机干扰欺骗系统和无人机防御系统
CN111753803A (zh) * 2020-07-06 2020-10-09 杭州画印科技有限公司 基于模糊聚类和高阶累积量的无人机图传信号识别方法
CN112702139A (zh) * 2020-12-21 2021-04-23 中交遥感天域科技江苏有限公司 一种无人机侦测管控系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2559475A (en) * 2016-09-19 2018-08-08 Citadel Defense Company Radio control transmissions

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108233985A (zh) * 2017-12-28 2018-06-29 厦门安胜网络科技有限公司 一种无人机管理方法、终端设备及存储介质
CN108696332A (zh) * 2018-04-27 2018-10-23 杭州捍鹰科技有限公司 无人机干扰方法、装置及电子设备
CN108922248A (zh) * 2018-06-29 2018-11-30 陆英玮 一种分布式民用无人机空管系统、空管方法及协作方法
CN109981192A (zh) * 2019-04-08 2019-07-05 南京航空航天大学 一种空域反黑飞无人机的频谱监测系统及方法
CN110719136A (zh) * 2019-08-27 2020-01-21 安徽四创电子股份有限公司 无人机干扰欺骗系统和无人机防御系统
CN111753803A (zh) * 2020-07-06 2020-10-09 杭州画印科技有限公司 基于模糊聚类和高阶累积量的无人机图传信号识别方法
CN112702139A (zh) * 2020-12-21 2021-04-23 中交遥感天域科技江苏有限公司 一种无人机侦测管控系统

Also Published As

Publication number Publication date
CN113507341A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
EP3869459B1 (en) Target object identification method and apparatus, storage medium and electronic apparatus
CN109981192B (zh) 一种空域反黑飞无人机的频谱监测方法
CN111723654B (zh) 基于背景建模、YOLOv3与自优化的高空抛物检测方法及装置
CN109784274B (zh) 识别尾随的方法及相关产品
CN107579956B (zh) 一种用户行为的检测方法和装置
CN112068111A (zh) 一种基于多传感器信息融合的无人机目标侦测方法
CN114035604B (zh) 一种视频监控和无人机空地联动的异常目标检测方法
CN111142085B (zh) 一种基于航迹特征提取的外辐射源雷达目标分类识别方法
CN113507341B (zh) 基于无线电频谱识别的无人机侦测方法、系统和存储介质
Li et al. A hybrid contextual approach to wildland fire detection using multispectral imagery
CN113627229B (zh) 目标检测方法、系统、设备以及计算机存储介质
CN108319672A (zh) 基于云计算的移动终端不良信息过滤方法及系统
Weber et al. Incidents1M: a large-scale dataset of images with natural disasters, damage, and incidents
CN112052878B (zh) 一种雷达的遮挡识别的方法、装置及存储介质
CN108259223B (zh) 防止gps欺骗的无人机网络系统安全态势感知评估方法
Rahman et al. Computer vision-based wildfire smoke detection using UAVs
CN108199757B (zh) 一种利用信道状态信息检测消费级无人机入侵的方法
CN110019947B (zh) 一种数据提取方法及装置
Yebra et al. Towards an integrated hi-tech solution to detect small fires
CN114139373A (zh) 一种面向无人机反制车的多传感器自动协同管理方法
CN116702154A (zh) 一种基于大数据安全评估的分析系统及方法
CN116015979A (zh) 一种智能安全态势感知方法、系统和存储介质
CN115170059A (zh) 户外工地智能安全监测系统及工作方法
CN114218569A (zh) 数据分析方法、装置、设备、介质和产品
CN113591620A (zh) 一种基于一体式移动采集设备的预警方法、装置及系统

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: UAV detection method, system and storage medium based on radio spectrum identification

Effective date of registration: 20220507

Granted publication date: 20220311

Pledgee: Jiangsu SINOSURE technology microfinance Co.,Ltd.

Pledgor: CHINA COMMUNICATIONS REMOTE SENSING TIANYU TECHNOLOGY JIANGSU Co.,Ltd.

Registration number: Y2022320000210