CN113572540B - 一种基于相关域检测的无人机图传信号识别方法及系统 - Google Patents

Abstract

本发明公开了一种基于相关域检测的无人机图传信号识别方法及系统，属于通信信号侦察技术领域，包括以下步骤：接收含有小型无人机图传信号的电磁环境信号；对采集信号做信号处理得到IQ信号；将IQ信号与对应协议帧结构中的同步字头做互相关，根据相关域主峰位置特征进行特征帧检测和分段；将采集数据中提取的所有特征帧根据相关主次峰及其精细模板匹配识别出图传帧；统计所有图传帧个数，与阈值比较，判定采集信号中是否含有基于该协议的无人机图传信号。本发明通过基于相关域的信号检测，无需信号解调、解码环节，降低了前级信号处理的难度及对硬件资源的使用需求，对噪声的不确定性有着较强的鲁棒性，提高了系统在低信噪比环境下的检测识别能力。

Description

一种基于相关域检测的无人机图传信号识别方法及系统

技术领域

本发明涉及通信信号侦察技术领域，具体涉及一种基于相关域检测的无人机图传信号识别方法及系统。

背景技术

近年来，民用小型无人机市场发展迅猛，DJI、Parrot等民用小型无人机产品逐渐受到海内外消费者关注，“航拍”日趋流行。然而，由于民用无人机市场仍然处在发展初期，针对小型民用航空器的管理办法并不完善；大多数消费者均未接受过专业的飞手培训，对小型无人机的飞行规定十分陌生，这些造成了目前民用小型无人机“黑飞”现象十分严重，所以研究和发展针对小型无人机的侦察识别技术刻不容缓。

无人机自动监控系统能够对ISM频段内的信号进行自动侦察识别，确认是否存在无人机图传信号，并进一步识别出无人机的类型。无人机图传信号识别是目标侦测的关键技术之一。当前无人机图传协议主要包括两类：一是无人机厂商自主研发的图传协议，典型代表有大疆LightBridge、大疆Ocusync、飞控系统Futaba、天地飞等。二是采用通用无线传输协议，典型代表为WiFi、5G。一方面，因为采用通用传输协议，通过调制特征无法区分是无人机还是其他通信设备。另一方面，实际应用场景通常为低信噪比环境，各种无线电信号和噪声混杂在一起，难以获取满足准确提取信号时域特征或频域特征的数据，直接对信号解调解码则更加困难，如何在现有复杂的电磁环境下非合作地进行无人机侦察识别成为需要解决的问题。为此，提出一种基于相关域检测的无人机图传信号识别方法及系统。

发明内容

本发明所要解决的技术问题在于：如何解决小型无人机在实践中通常工作在远距离、低信噪比环境下，无人机侦察设备难以直接对截获的图传信号进行解调、解码来获取信号特征参数进行信号识别，提供了一种基于相关域检测的无人机图传信号识别方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

(1)：数据采集

接收机扫频工作，接收包含有特定协议无人机图传信号的电磁环境信号；

(2)：数据处理

对接收机输出的中频信号进行数字化、下变频、重采样处理，形成两路互相正交的信息，即I路和Q路；

(3)：信号帧检测及分段

基于相关域的特定传输协议信号帧检测和分段，提取出所采集数据中所有特定协议特征帧；

(4)：图传帧识别

通过将所提取的所有特征帧内的主峰精确位置、精细结构与已知模板匹配，判定、识别出基于特定协议的无人机图传帧；

(5)：图传信号判定

根据识别出的特定协议无人机图传帧数目，判定所采集数据中是否含有无人机图传信号。

更进一步地，所述步骤(1)中，接收机扫频接收环境中的电磁信号，通过变频、滤波、放大等处理后，输出中频信号作为信号处理模块的输入，为保证每组待处理的信号中包含一个完整周期的图传信号，采集数据的时间长度为1.5个已知的无人机图传信号周期。

更进一步地，所述步骤(2)中，信号处理模块对接收机输出的模拟信号进行AD采样、数字下变频和重采样处理，得到所采集信号经过信号处理后的I、Q数据。

更进一步地，所述步骤(3)中，基于相关域的特定传输协议特征帧检测和分段，具体包括以下子步骤：

(31)分析确认已知的特定类型无人机图传信号所采用传输协议帧结构中具有相关特性的帧同步字段；

(32)计算采样数据与帧同步序列的互相关结果；

(33)计算噪声和信号的判断阈值，根据阈值标出所采集数据中每个特征帧的起始位置；

(34)通过对互相关平滑结果做滑动窗口扫描，找出每个信号帧内的固定N个主峰位置；

(35)通过主峰组合的位置和滑动窗功率检测，搜索特征帧结束位置，将采集数据切分成一系列特征帧。

更进一步地，所述步骤(31)中，分析特定类型无人机图传信号采用的传输协议规范，确认所采用协议的帧结构，找出帧结构中具有自相关特性的固定同步字段，作为特征进行检测；

更进一步地，所述步骤(32)中，使用步骤(31)中确认的固定同步字段序列与采集信号做互相关，并做方差归一化平滑处理，输出数据作为后续步骤中特征帧检测的数据基础；

更进一步地，所述步骤(33)中，输入为步骤(32)互相关绝对值平滑后的结果，利用顺序统计量计算噪声和信号的门限值，根据阈值标出所采集数据中每个信号帧的起始和结束位置，该步骤的基本原理是假设噪声幅度位于排序后相关序列的前端，并且幅度变化相对平坦，当排序增大到信号幅度时，幅度会在排序序列上出现一个明显的阶跃，因此只要在排序后的相关序列中找到第一个阶跃位置，就可以确定噪声和信号的门限，实际工程设计中，如果可以预知噪声门限，则该子模块可以直接省略或替换；当工作位置和频带不变时，不必对每组采样数据都估计该门限，可以间隔一定时间更新该阈值；

更进一步地，所述步骤(34)中，通过对步骤(32)计算得到的归一化互相关曲线做滑动窗口扫描，找出滑窗内的N个主峰精确位置，具体N的值由图传信号采用的传输协议特征帧已知的相关峰特征确定；

更进一步地，所述步骤(35)中，通过对采样信号串行扫描，搜索满足一类特定协议特征帧相关峰特征的峰线组合，对每个峰线组合，利用滑动窗功率检测，寻找其帧结尾位置，从而将所采集数据切分成一系列特征帧。

更进一步地，所述步骤(3)中，输出为所采集信号数据中特征帧的起始和结束位置。

更进一步地，所述步骤(4)中，特定协议的无人机图传帧识别，具体包括以下子步骤：

(41)根据已知类型无人机采用的传输协议，建立基于该协议的图传帧M个最大相关峰位置模板(M≥N)及其精细结构模板；

(42)匹配已建立的图传帧相关峰位置及其精细结构模板，计算匹配位置误差；

(43)根据匹配位置误差大小，进行图传帧判定；

更进一步地，所述步骤(41)中，确认已知类型无人机采用的传输协议，根据该协议规定的同步字段分析建立其图传帧相关峰主峰及精细结构模板，常用的精细结构指主次峰相对位置；

更进一步地，所述步骤(42)中，将待检测特征帧中M个最大相关峰即其次峰的精确位置与已建立的相关峰位置及其精细结构模板比对，计算二者相关峰匹配位置误差，

更进一步地，所述步骤(43)中，设定匹配位置误差阈值，当峰值位置平均误差小于或等于阈值时，判定检测到的特征帧是无人机图传帧，否则不是图传信号特征帧；

更进一步地，所述步骤(4)中，采用待检测信号帧中相关峰精确位置及其精细结构与定义位置模板匹配的方法依次识别步骤(3)提取的所有特征帧是否为该特定协议的无人机图传帧。

更进一步地，所述步骤(5)中，计算所采集数据中特定协议无人机图传帧的个数，并与阈值比较，进行判定，识别出所采集的信号数据中是否含有该特定类型无人机图传信号。

本发明还提供了一种基于相关域检测的无人机图传信号识别系统，采用了上述识别方法对无人机图传信号识别进行识别，包括：

数据采集模块，用于利用接收机扫频工作，接收包含有特定协议无人机图传信号的电磁环境信号；

信号处理模块，用于对接收机输出的中频信号进行数字化、下变频、重采样处理，形成两路互相正交的信息，即I路和Q路；

检测及分段模块，用于基于相关域的特定传输协议信号帧检测和分段，提取出所采集数据中所有特定协议特征帧；

图传帧识别模块，用于通过将所提取的所有特征帧内的主峰精确位置、精细结构与已知模板匹配，判定、识别出基于特定协议的无人机图传帧；

图传信号判定模块，用于根据识别出的特定协议无人机图传帧数目，判定所采集数据中是否含有无人机图传信号。

本发明相比现有技术具有以下优点：该基于相关域检测的无人机图传信号识别方法，相比于传统的基于时域或频域特征参数提取的信号识别算法，传统的基于时域或频域特征参数提取的信号识别算法需要在识别算法前对信号数据进行解调、解码后再做特征参数提取，而本发明通过基于相关域的信号检测，无需信号解调、解码环节，有效地降低了前级信号处理的难度及对硬件资源的使用需求，对噪声的不确定性有着较强的鲁棒性，极大地提高了系统在低信噪比环境下的检测识别能力，值得被推广使用。

附图说明

图1是本发明实施例一中基于相关域检测的无人机图传信号识别方法的流程示意图；

图2是本发明实施例一中基于相关域检测的无人机图传信号识别系统的结构示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例一

如图1所示，本实施例提供一种技术方案：一种基于相关域检测的无人机图传信号识别方法，包括以下步骤：

步骤S1：接收、采集无人机图传信号；

具体为：接收机扫频工作，接收包含有特定协议无人机图传信号的电磁环境信号。

步骤S2：信号处理；

本步骤输入为接收机采集信号，输出为I、Q数据，本步骤具体实现子步骤为：AD采样、数字下变频和重采样处理，得到采集信号经信号处理后的I、Q数据。

步骤S3：信号帧检测和分段；

本步骤输入为信号处理后输出的I、Q数据，输出为检测到的所有特征帧起始、结束位置。

本步骤具体实现为：首先通过对信号协议的预分析，确认已知的具体类型无人机图传信号采用的传输协议的帧结构中具有相关特性的固定帧同步字段，然后根据采样信号与帧同步序列互相关结果、信号判断阈值、噪声阈值，找出相关主峰组合并通过滑动窗功率检测，标记出每个特征帧的起始和结束位置，并将其划分成每个特征帧形成的相关峰。

步骤S4：无人机图传帧识别

本步骤输入所采集数据中每个特征帧的起始和结束位置与每个特征帧的相关峰结果，即步骤S3的输出，输出为该组采集数据中识别为无人机图传帧的个数；

本步骤具体实现为：首先，根据已知型号无人机采用的传输协议，建立该协议的单帧图传帧相关峰位置及其精细结构模板；接着，根据步骤S3的输出相关峰结果，找出每一帧特征帧中的相关主峰和次峰的个数、位置及相对位置，然后，将每帧特征帧相关主峰和次峰位置、相对位置与先前建立的图传帧相关主峰位置及其精细结构模板匹配，计算二者位置匹配误差；最后，将位置匹配误差与阈值对比，判断提取的特征帧是否为图传帧。

步骤S5：无人机图传信号有无判定；

本步骤输入本组采集数据中识别为图传帧的判定结果，输出为是否为无人机图传信号的判定结果，即采集信号中有、无无人机图传信号；

本步骤具体实现为：根据图传帧识别结果，统计本组采集数据中识别为图传帧的个数，与设定的阈值对比，判定采集信号中是否含有无人机图传信号。

如图2所示，本实施例还提供了一种基于相关域检测的无人机图传信号识别系统，采用了上述识别方法对无人机图传信号识别进行识别，包括：

数据采集模块，用于利用接收机扫频工作，接收包含有特定协议无人机图传信号的电磁环境信号；

信号处理模块，用于对接收机输出的中频信号进行数字化、下变频、重采样处理，形成两路互相正交的信息，即I路和Q路；

检测及分段模块，用于基于相关域的特定传输协议信号帧检测和分段，提取出所采集数据中所有特定协议特征帧；

图传帧识别模块，用于通过将所提取的所有特征帧内的主峰精确位置、精细结构与已知模板匹配，判定、识别出基于特定协议的无人机图传帧；

图传信号判定模块，用于根据识别出的特定协议无人机图传帧数目，判定所采集数据中是否含有无人机图传信号。

实施例二

与实施例一相对应的，本发明实施例二还提供一种基于相关域检测的无人机图传信号识别装置，这里针对特定的无人机通信信号——无人机WiFi图传信号检测识别进行说明，其实现步骤与实施例一中步骤相同。

具体的，接收机采集包含有无人机WiFi图传信号的电磁环境信号，数据采集时间长度为1.5个图传周期，以确保采集到的数据中含有1个完整的图传信号周期。接着，对采集到的数据进行信号处理，该部分的子步骤如实施例一中的步骤S2，装置参数如信号带宽、采样率等的具体指标依据前期信号分析和硬件资源而定。然后，根据信号帧结构中同步字头的相关性，对完成信号处理后输出的I、Q信号在相关域做信号帧检测和分段，已知WiFi是基于IEEE802.11协议族实现，因此本步骤检测的特征帧为基于IEEE 802.11n协议的特征帧。信号帧检测和分段的依据如实施例一中步骤S3，具体指根据IEEE 802.11n帧结构中长同步字头的相关特性计算得到的位于一帧特征帧中相关主峰的个数、信号阈值、噪声阈值等。从检测到的特征帧中识别出无人机WiFi图传帧，实现方式如实施例一中步骤S4，其中本实施例中的匹配模板和精细结构具体指：根据已知的无人机WiFi图传信号和IEEE 802.11n协议帧中固定同步字段互相关得到的相关主峰、次峰的固定个数、位置及其相对位置。下一步，统计出所采集的一组信号中识别为无人机WiFi图传帧的个数。最后，将该组采集信号中无人机WiFi图传帧个数与设定的阈值进行比较，判定接收信号中是否含有无人机WiFi图传信号。

综上所述，上述实施例的基于相关域检测的无人机图传信号识别方法及系统，相比于传统的基于时域或频域特征参数提取的信号识别算法，传统的基于时域或频域特征参数提取的信号识别算法需要在识别算法前对信号数据进行解调、解码后再做特征参数提取，而本发明通过基于相关域的信号检测，无需信号解调、解码环节，有效地降低了前级信号处理的难度及对硬件资源的使用需求，对噪声的不确定性有着较强的鲁棒性，极大地提高了系统在低信噪比环境下的检测识别能力，值得被推广使用。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种基于相关域检测的无人机图传信号识别方法，其特征在于，包括以下步骤：

S1：数据采集

接收机扫频工作，接收包含有特定协议无人机图传信号的电磁环境信号；

S2：数据处理

对接收机输出的中频信号进行数字化、下变频、重采样处理，形成两路互相正交的信息，即I路和Q路；

S3：信号帧检测及分段

基于相关域的特定传输协议信号帧检测和分段，提取出所采集数据中所有特定协议特征帧；

S4：图传帧识别

通过将所提取的每个特征帧内的主峰精确位置、精细结构与已知模板匹配，判定、识别出基于特定协议的无人机图传帧；

S5：图传信号判定

根据识别出的特定协议无人机图传帧数目，判定所采集数据中是否含有无人机图传信号；

所述步骤S3中的具体过程如下：

S31：分析确认已知的特定类型无人机图传信号所采用传输协议的帧结构中具有相关特性的固定帧同步字段，作为特征进行检测；

S32：计算采样数据与帧同步序列的互相关结果；

S33：计算噪声和信号的判断阈值，根据阈值标出所采集数据中每个特征帧的起始位置；

S34：通过对互相关平滑结果做滑动窗口扫描，找出每个信号帧内的固定N个主峰位置,N的取值根据前期对信号协议预分析得出的相关峰个数确定；

S35：通过主峰组合的位置和滑动窗功率检测，搜索特征帧结束位置，将采集数据切分成一系列特征帧。

2.根据权利要求1所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：在所述步骤S31中，分析特定类型无人机图传信号采用的传输协议规范，确认所采用协议的帧结构，找出帧结构中具有相关特性的固定同步字段，作为特征进行检测。

3.根据权利要求2所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：在所述步骤S32中，使用所述步骤S31中确认的同步序列与采集信号做互相关，并做方差归一化平滑处理，输出数据作为后续特征帧检测的数据基础。

4.根据权利要求3所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：在所述步骤S33中，输入为步骤S32中互相关绝对值平滑后的结果，利用顺序统计量计算噪声和信号的门限值，根据阈值标出所采集数据中每个信号帧的起始和结束位置。

5.根据权利要求4所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：在所述步骤S34中，通过对步骤S32中计算得到的归一化互相关曲线做滑动窗口扫描，找出滑窗内的N个主峰的精确位置，N的值由图传信号采用的传输协议特征帧已知的相关峰特征确定。

6.根据权利要求1或5所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：所述步骤S4中的具体过程如下：

S41：根据已知类型无人机采用的传输协议，建立基于该协议的图传帧M个最大相关峰位置模板(M≥N)及其精细结构模板；

S42：匹配已建立的图传帧相关峰位置及其精细结构模板，计算匹配位置误差；

S43：根据匹配位置误差大小，进行图传帧判决。

7.根据权利要求6所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：在所述步骤S41中，确认已知类型无人机采用的传输协议，根据该协议规定的同步字段分析建立图传帧相关峰主峰及其精细结构模板，其中精细结构指主次峰相对位置。

8.根据权利要求7所述的一种基于相关域检测的无人机图传信号识别方法，其特征在于：在所述步骤S42中，将待检测特征帧中M个最大相关峰及其次峰的精确位置与已建立的相关峰位置及其精细结构模板比对，计算二者相关峰匹配位置误差；在所述步骤S43中，设定匹配位置误差阈值，当峰值位置平均误差小于或等于阈值时，判定检测到的特征帧是无人机图传帧，否则不是图传信号特征帧。

9.一种基于相关域检测的无人机图传信号识别系统，其特征在于，采用如权利要求1～8任一项所述的识别方法对无人机图传信号识别进行识别，包括：

数据采集模块，用于利用接收机扫频工作，接收包含有特定协议无人机图传信号的电磁环境信号；

信号处理模块，用于对接收机输出的中频信号进行数字化、下变频、重采样处理，形成两路互相正交的信息，即I路和Q路；

检测及分段模块，用于基于相关域的特定传输协议信号帧检测和分段，提取出所采集数据中所有特定协议特征帧；

图传帧识别模块，用于通过将所提取的所有特征帧内的主峰精确位置、精细结构与已知模板匹配，判定、识别出基于特定协议的无人机图传帧；

图传信号判定模块，用于根据识别出的特定协议无人机图传帧数目，判定所采集数据中是否含有无人机图传信号。

Images