一种复杂电磁环境下无人机信号频点检测方法
技术领域
本发明主要涉及到无人机信号检测技术领域,特指一种复杂电磁环境下无人机信号频点检测方法。
背景技术
近年来,小型无人机数量剧增,除了业余爱好者的娱乐用途外,无人机被用于商业用途、军事用途的趋势越来越明显。当前小型民用无人机主要采用 2400-2480MHz、5725-5850MHz。其中2.4G、5.8G信号和wifi信号完全同频,无人机信号和wifi信号混在一起,很难识别到无人机信号,探测设备距离近,同时由于wifi信号的干扰,容易引起探测虚警。因此,在复杂电磁情况下无人机信号检测与识别的难度较大,对后续信号检测算法提出了更严苛的期望。
也就是说,对于无人机信号检测而言,在复杂电磁波环境下,具有强的电磁干扰信号,比如wifi信号,通信基站,对讲机等信号等。实际环境电磁噪声比较高,无人机微弱信号几乎淹没在噪声下,或者无人机信号和强的干扰信号同频,很难从频谱图上实现对无人机信号的侦测,得到无人机通信频点等信息。
现有技术中,针对复杂电磁情况下无人机信号检测,有从业者提出,通过时频域分析,得到时域能量变换谱图;再根据不同的门限对谱图进行分选,然后对信号进行滑窗切片分析,提取有效片段的特征数据,达到识别无人机的目的。如中国专利申请CN202110553890.9,该方法所提出的技术方案中就是进行切片处理,其本质上强干扰信号没有滤出,因此最终仍然无法做到较低信噪比的信号检测。
另有从业者提出了中国专利申请CN113300986A,该专利的技术方案为:通过信号延时自相关处理,提取信号的伪码周期,谱峰检测;然后通过相关归一化处理后进行谱峰搜索,通过非零相关点是否存在谱峰作为无人机图传信号和wifi热点信号的识别特征。该方法是通过信号的相关能量谱检测,识别低信噪比无人机信号探测。因此,该方法从本质上无法识别得到无人机的频点信息,只判断有无,且相关法只针对数字OFDM调制信号有效,针对其它调制信号无效。
由上可知,现有的无人机信号识别技术主要采用时频域分析,对数据进行滑窗分析,多次检测实现无人机的频点等信息识别,没有滤出干扰信号没,直接对原始中频信号进行包络检测、提取,低信噪比信号检测能力有限。传统方式中也有利用无人机OFDM调制信号,具有循环CP码,进行信号的自相关处理,进行谱峰搜索,根据谱峰的特征识别无人机信号和wifi信号,该方法通过信号的相关能量谱检测,识别低信噪比无人机信号探测。但是,这类方法无法识别得到无人机的频点信息,只判断有无,且相关法只针对数字OFDM调制信号有效,针对其它调制信号无效。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种原理简单、操作简便、适用范围广、能显著提高检测能力的复杂电磁环境下无人机信号频点检测方法。
为解决上述技术问题,本发明采用以下技术方案:
一种复杂电磁环境下无人机信号频点检测方法,其特征在于,步骤包括:
步骤S1:采用具有镜像特性的阵列天线,进行自适应信号对消;
步骤S2:对多路对消信号进行等增益合并,得到合成后的信号;
步骤S3:对合成后的信号进行门限检测,提取有效信号带宽,得到无人机信号带宽信息、时域包络周期、脉宽信息;
步骤S4:根据得到的无人机信号带宽信息、时域包络周期、脉宽信息匹配得到无人机型号,进行无人机信号识别。
作为本发明方法的进一步改进:利用阵列天线中的镜像特性,让每一对镜像对称天线进行自适应信号对消,得到N/2路信号,其中N为天线数量。
作为本发明方法的进一步改进:利用阵列天线中不同通道的相位差对不同通道的信号进行相位修正。
作为本发明方法的进一步改进:所述步骤S1中,每对天线接收到信号,一个天线对着目标源接收到无人机信号a1(n)和干扰噪声信号d(n)叠加后的信号为 s1(n)=a1(n)+d(n),背对着的天线只接收到干扰噪声信号记为s2(n)=a2(n); s2(n)信号作为参考信号,参考信号经过自适应滤波处理与s1(n)信号进行比较,将得到的输出反馈以调节自适应滤波系数,加权后再与参考信号进行比较,输出抵消后干扰信号,保留有用信号。
作为本发明方法的进一步改进:所述a1(n)、a2(n)、d(n)服从统计平均特性,且均值为0,得到输出信号e(n)的平方如下:
e2(n)的期望值如下:
e2(n)的期望值简化为:
要求
最小,则E{[d(n)-y(n)]
2}最小,自适应滤波输出的信号y(n)的最优解为背景噪声d(n)。
作为本发明方法的进一步改进:对得到的信号进行自适应滤波,所述自适应滤波采用基于误差准则的最小均方误差方法,要求输入信号与期望信号的均方误差最小。
作为本发明方法的进一步改进:所述步骤S2中,每路增益相等进行相加,得到一路信号SS(n),
进行等增益合并,其中A
i为每路信号的加权值,这里都取1。
在本实例中(图2的阵列天线),6阵列天线得到3路对消后的信号,对三路信号进行等增益合并,得到合成后的信号;可通过合成后的信号的频谱图明显看到信号信噪比提升,提升了6dB,如图5所示。
作为本发明方法的进一步改进:所述步骤S3包括:
步骤S301:根据上述得到合成后的信号的频谱图,对频谱图做滑窗平均滤波,得到平滑后的频谱图;
步骤S302:设定检测门限,搜索上升沿、下降沿频点信号;把相邻的上升沿和下降沿作为一组得到信号带宽;
步骤303:上述合路后的信号频谱图平滑后,搜索找到带宽信号,进行DDC 数字下变频,并经过低通滤波器,进行数据抽取,得到时域信号包络。
作为本发明方法的进一步改进:取频谱平均值的0.8倍作为检测门限。
作为本发明方法的进一步改进:所述步骤303中,取有效带宽的中心频点 f0,把上述得到的信号进行DDC(Direct Digital Controller)数字下变频变到零频,并经过低通滤波器,4倍的数据抽取,得到时域信号包络。
与现有技术相比,本发明的优点就在于:
1、本发明的复杂电磁环境下无人机信号检测方法,通过具有镜像特性的阵列天线(如圆阵列背对天线),正面朝向无人机的天线接收无人机和干扰噪声信号,背对天线主要接收干扰噪声信号,通过两幅天线进行信号对消,消除掉环境固定强干扰信号;下一步通过圆阵列背对天线最强通道以及相邻天线进行波束合成,提升微弱信号的能量,实现低信噪比下无人机信号的检测。
2、本发明的复杂电磁环境下无人机信号检测方法,从滤出干扰信号,增强有用信号角度出发,完成复杂电磁波下弱无人机信号检测,具有更广的适用性。显著提升复杂电磁波情况下,无人机弱信号检测能力。
3、由于现有技术在干扰信号和目标信号混在一起检测,小信号检测能力有限,本发明的复杂电磁环境下无人机信号检测方法,通过信号对消技术,削弱环境中强干扰信号,下一步结合多通道合集技术,对多路对消信号进行等增益合并,得到合路增益,进一步提升信号的信噪比,实现强干扰下弱信号检测,可实现对原始信号信噪比提升10dB以上。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中采用圆阵列天线的原理示意图。
图3是本发明在具体应用实例中进行自适应信号对消的原理示意图。
图4是本发明在具体应用实例中自适应滤波的对比示意图。
图5是本发明在具体应用实例中等增益合并之后的频谱示意图。
图6是本发明在具体应用实例中平滑滤波后的频谱图。
图7是本发明在具体应用实例中得到时域信号包络的示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示,本发明的复杂电磁环境下无人机信号频点检测方法,其步骤包括:
步骤S1:采用具有镜像特性的阵列天线,进行自适应信号对消;
利用阵列天线中的镜像特性,让每一对镜像对称天线进行自适应信号对消,可明显削弱环境中强干扰信号,得到N/2路信号,其中N为天线数量。
步骤S2:对多路对消信号进行等增益合并,得到合成后的信号;
步骤S3:对合成后的信号进行门限检测,提取有效信号带宽BW(Bandwidth),得到无人机信号带宽信息、时域包络周期、脉宽信息;
步骤S4:根据得到的无人机信号带宽信息、时域包络周期、脉宽信息匹配得到无人机型号,进行无人机信号识别。
在具体应用实例中,参见图2所示,以具有镜像特性的圆阵列天线为例,一个6阵列圆阵列天线,有三对镜像对称天线,分别为1-4,2-5,3-6三对天线。本发明先利用设备不同通道的相位差对不同通道的信号进行相位修正,保证各个通道的相位一致性误差<1°。
利用圆阵列天线的镜像特性,假设有N(偶数)个天线组成圆阵列天线,每一对镜像对称天线进行自适应信号对消,可明显削弱环境中强干扰信号,得到 N/2路信号。
在具体应用实例中,参见图3所示,所述步骤S1中,每对天线接收到信号,一个天线对着目标源接收到无人机信号a1(n)和干扰噪声信号d(n)叠加后的信号为s1(n)=a1(n)+d(n),背对着的天线只接收到干扰噪声信号记为s2(n)= a2(n);s2(n)信号作为参考信号,参考信号经过自适应滤波处理与s1(n)信号进行比较,将得到的输出反馈以调节自适应滤波系数,加权后再与参考信号进行比较,输出抵消后干扰信号,保留有用信号。
进一步,其中a1(n)、a2(n)、d(n)服从统计平均特性,且均值为0,可得到输出信号e(n)的平方如下:
e2(n)的期望值如下:
由于无人机目标信号和干扰噪声没有相关性,即a1(n)与d(n)、y(n)均不相关, E{a1(n)[d(n)-y(n)]}为0,则e2(n)的期望值简化为:
要求
最小,则E{[d(n)-y(n)]
2}最小,因此自适应滤波输出的信号y(n)的最优解为背景噪声d(n),此时输出的信噪比最大,背景噪声得到有效抑制。
在具体应用实例中,本发明进一步对得到的信号进行自适应滤波,自适应滤波采用基于误差准则的最小均方误差方法LMS(Least Mean Square),要求输入信号与期望信号的均方误差最小。如图4所示,在本实例中,1-4对天线,天线1接收目标信号和噪声信号,背对4号天线基本只接收到噪声信号,作为参考信号,图4中分别是天线1、天线4接收到的信号以及对消后的信号。信号对消后,可清晰看到微弱的目标信号,信噪比从-3dB提升到3dB。
在具体应用实例中,在步骤S2中,本发明把N/2路信号进行等增益合并,即每路增益相等进行相加,得到一路信号SS(n)。
进行等增益合并,其中A
i为每路信号的加权值,这里都取1。
在本实例中(图2的阵列天线),6阵列天线得到3路对消后的信号,对三路信号进行等增益合并,得到合成后的信号;可通过合成后的信号的频谱图明显看到信号信噪比提升,提升了6dB,如图5所示。
在具体应用实例中,所述步骤S3中的流程包括:
步骤S301:根据上述得到合成后的信号的频谱图,对频谱图做滑窗平均滤波,得到平滑后的频谱图;
步骤S302:设定检测门限,例如取频谱平均值的0.8倍作为检测门限,搜索上升沿、下降沿频点信号;把相邻的上升沿和下降沿作为一组得到信号带宽。
步骤303:上述合路后的信号频谱图平滑后,搜索找到2402-2412MHz,10MHz 带宽信号,如图6所示。取有效带宽的中心频点f0,把上述得到的信号进行DDC (Direct DigitalController)数字下变频变到零频,并经过低通滤波器,4 倍的数据抽取,得到时域信号包络。
在具体应用实例中,所述步骤S4中,如图7所示,根据上述得到的无人机信号带宽信息、时域包络周期、脉宽等信息匹配得到无人机型号,达到无人机信号识别的目的;同时得到无人机的频点信号,可进一步引导干扰设备实现精准干扰。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。