CN115308813A - 基于深度学习的双定向天线飞行器侦测系统及方法 - Google Patents

Abstract

本发明涉及无线电定向检测技术领域，尤其是一种基于深度学习的双定向天线飞行器侦测系统。包括：光学图像采集单元、无线电信号采集单元、深度学习单元、无人机数据库；所述光学图像采集单元用于获取无人机图像，并对无人机进行图像识别；所述无线电信号采集单元包括第一定向天线、第二定向天线以及无线电信号分析模块；其中，所述第一定向天线以及所述第二定向天线采集方向背向设置；其中，所述第一定向天线对所述光学图像采集单元所识别的无人机进行定向无线电信号获取。通过对靠近重要设施的无人机进行无线电信号以及光学图像的双重获取，在无人机距离较远时，通过定向天线可获取固定机载频段的无人机信号，以对靠近的无人机进行侦测。

Description

基于深度学习的双定向天线飞行器侦测系统及方法

技术领域

本发明涉及无线电定向检测技术领域，尤其是一种基于深度学习的双定向天线飞行器侦测系统。

背景技术

无人机“低慢小”具有的间谍特征，小型民用无人机带来的社会秩序问题现成为科技进步的一大阴影，国际上对于该如何更高效地应对和处理，小型无人机对公共安全威胁的一直是热点话题。

无人机具有成本低，对如有目的性地使用无人机观察监狱，输送作案工具，核电站，炼油基地，电力配电站，航空业，等公共安全设施破坏性极强的特点。

针对“低慢小”无人机的反无人机解决方案近年来也层出不穷。国内国外在此方面的热度不减，无人机反制厂商也是逐年增加起来。传统雷达和红外线手段对于小心微型无人机效果不理想，无人机侦测手段主要通过视频观测或者无线电侦测。

无线电侦测具有距离远，预警时间长，预警距离远的优点。但是，现在市面上大多数无线电侦测设备采用对固定型号无人机进行匹配，无法对改装了发射频谱、协议报文格式，或者新型无人机进行侦测。

发明内容

为解决上述现有技术问题，本发明提供一种基于深度学习的双定向天线飞行器侦测系统，包括：

光学图像采集单元、无线电信号采集单元、深度学习单元、无人机数据库；

所述光学图像采集单元用于获取无人机图像，并对无人机进行图像识别；

所述无线电信号采集单元包括第一定向天线、第二定向天线以及无线电信号分析模块；

其中，所述第一定向天线以及所述第二定向天线采集方向背向设置；

其中，所述第一定向天线对所述光学图像采集单元所识别的无人机进行定向无线电信号获取；

其中，所述无线电信号分析模块接收所述第一定向天线和所述第二定向天线所获取的无线电信号，并输出定向无人机载波频段；

其中，所述无人机数据库用于存储现有无人机数据；

其中，所述深度学习单元将所述无线电信号分析单元所输出的无线电信号信息进行特征化学习，并将数据结果存入无人机数据库；

所述第一定向天线还对无人机数据库中所存储的无人机信号频段进行获取，对无人机进行识别。

进一步地，还包括预警模块，所述预警模块获取所述第一定向天线所识别的无线电信号信息，在所述第一定向天线采集到无人机数据库中所存储的无人机信号频段后发出第一预警信号；

预警模块还获取所述光学图像采集单元所识别的无人机图像信息，在所述光学图像采集单元识别到无人机后发出第二预警信号。

进一步地，所述光学图像采集单元包括高清摄像机；

双定向天线飞行器侦测系统还包括旋转云台，所述旋转云台驱动所述高清摄像机以及所述第一定向天线和所述第二定向天线转动；

其中，所述光学图像采集单元还为所述旋转云台提供无人机方位；

所述旋转云台获取无人机方位后驱动所述第一定向天线转动至无人机方位。

进一步地，所述旋转云台包括图像云台以及无线电信号云台；

所述图像云台驱动所述高清摄像机沿转动中心进行0-360°范围内的往复转动；

所述无线电信号云台驱动所述第一定向天线以及所述第二定向天线沿转动中心进行0-360°范围内的转动；

其中，所述图像云台和所述无线电信号云台的转动中心重合。

进一步地，所述无线电信号云台执行第一无序旋转策略，所述第一无序旋转策略具有第一最低旋转限速以及第一最高旋转限速；

第一无序旋转策略控制所述无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转。

进一步地，所述图像云台执行第二无序旋转策略，所述第二无序旋转策略具有第二最低旋转限速以及第二最高旋转限速；

第二无序旋转策略控制所述图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转。

进一步地，所述光学图像采集单元始终保持无人机图像处于所获取的图像的中间位置。

进一步地，所述无线电信号分析模块用于将所述第一定向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析，滤除公共无线电信号以获得定向无人机载波频段。

进一步地，所述第二定向天线采用窄波束定向天线。

本发明还提供一种基于深度学习的双定向天线飞行器侦测方法，包括以下步骤：

S1、采用第一定向天线对无人机数据库的无人机载波频段的无线电信号进行获取，若获取到，则发出第一预警信号；

S2、采用高清摄像机获取无人机图像，若获取到，则发出第二预警信号，并采用第一定向天线对所获取到图像的无人机进行定向无线电信号获取；

S3、采用第二定向天线对第一定向天线相背方向的无线电信号进行获取，并对第一定向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析，以获得定向无人机载波频段；

S4、通过深度学习对定向无人机载波频段进行特征化学习，并将数据结果存入无人机数据库，更新无人机数据库；

S5、再次采用第一定向天线对更新后的无人机载波频段的无线电信号进行获取。

进一步地，步骤S1中，采用无线电信号云台驱动第一定向天线和第二定向天线转动，对周围的无线电信号进行获取；

步骤S2中，采用图像云台驱动高清摄像机转动，对周围的无人机图像进行获取。

进一步地，采用第一无序旋转策略对无线电信号云台进行控制，所述第一无序旋转策略具有第一最低旋转限速以及第一最高旋转限速；

第一无序旋转策略控制所述无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转。

进一步地，采用第二无序旋转策略对图像云台进行控制，所述第二无序旋转策略具有第二最低旋转限速以及第二最高旋转限速；

第二无序旋转策略控制所述图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转。

本发明的有益效果体现在，本发明提供一种基于深度学习的双定向天线飞行器侦测系统及方法，通过对靠近重要设施的无人机进行无线电信号以及光学图像的双重获取，在无人机距离较远时，通过定向天线可获取固定机载频段的无人机信号，以对靠近的无人机进行侦测。

而对于经过非法更改机载频段或是未记录在无人机信息库中的无人机，则在进入高清摄像机检测范围后对其进行图像识别，并获取无人机的方位，然后通过第一定向天线对该无人机的机载频段进行获取，第一定向天线和第二定向天线相背设置，通过第二定向天线可获取相背方向的无线电信号，通过对两定向天线所获取到的无线电信号进行分析对比即可获得无人机的机载频段数据，采用深度学习算法对其进行学习后即可获得新无人机的特征数据，存入无人机数据库后可通过定向天线直接进行识别。

附图说明

图1为本发明所提供的基于深度学习的双定向无线电飞行器侦测系统的结构框图；

图2为本发明所提供的旋转云台上定向天线及高清摄像机的安装示意图；

图3为本发明所提供的定向天线和高清摄像机的侦测状态示意图；

图4为本发明所提供的定向天线和高清摄像机的侦测范围示意图；

图5为本发明所提供的基于深度学习的双定向天线飞行器侦测方法的步骤示意图。

附图标记：

第一定向天线1、第二定向天线2、高清摄像机3、图像云台4、无线电信号云台5、无人机6。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

参照图1-图4，本实施例提供一种基于深度学习的双定向天线飞行器侦测系统，包括：

光学图像采集单元、无线电信号采集单元、深度学习单元、无人机数据库；

所述光学图像采集单元用于获取无人机图像，并对无人机进行图像识别；

所述无线电信号采集单元包括第一定向天线、第二定向天线以及无线电信号分析模块；

其中，所述第一定向天线以及所述第二定向天线采集方向背向设置；

其中，所述第一定向天线对所述光学图像采集单元所识别的无人机进行定向无线电信号获取；

其中，所述无线电信号分析模块接收所述第一定向天线和所述第二定向天线所获取的无线电信号，并输出定向无人机载波频段；

其中，所述无人机数据库用于存储现有无人机数据；

其中，所述深度学习单元将所述无线电信号分析单元所输出的无线电信号信息进行特征化学习，并将数据结果存入无人机数据库；

所述第一定向天线还对无人机数据库中所存储的无人机信号频段进行获取，对无人机进行识别。

现有的无人机侦测方式中一般是通过对已备案的无人机频段进行获取，在无人机靠近时，通过定向天线采集到无人机的机载频段，即表示有无人机在靠近。但是对于改装了发射频谱以及协议保卫格式的无人机或是新的无人机，没有在数据库中记录，通过定向天线无法对其的机载频段进行获取以及识别，导致这些无人机容易穿过侦测设备的侦测区域，靠近重要设施，造成泄密或是对重要设施的破坏。

对于上述的问题，本实施例中，通过光学图像采集以及无人机的无线电信号检测相结合的方式，对靠近的无人机进行侦测。无线电侦测具有距离远，预警时间长，预警距离远的优点，通过第一定向天线可对机载频段在无人机数据库中有记录的无人机进行快速的识别，在无人机的距离靠近得较远时即可通过无线电信号识别出无人机，在无人机较远时即可进行预警。

而对于机载频段没有记载在无人机数据库中的无人机，在进入定向天线的获取范围后，继续向重要措施靠近时，即进入光学图像采集单元的图像采集范围内，被高清摄像机所采集到，通过光学图像采集单元进行图像分析，对图像中的无人机进行识别，然后再通过第一定向天线对所出现的无人机的位置上的无线电信号进行定向的获取。

由于第一定向天线和第二定向天线背向设置，在第一定向天线指向无人机后，第二定向天线指向背离无人机的方向。定向天线向所设定的方向进行无线电信号的捕获，对于设定方向范围以外的信号源所发射的无线电信号的识别获取范围有限，因此靠近第一定向天线的无人机所发出的无线电信号仅能被指向其的第一定向天线所捕获到，第二定向天线捕获不到。

第二定向天线所捕获到的是除所靠近的无人机发出的电信号频段以外的频段，这个频段在第一定向天线中也能收到，通过对第一定向天线和第二定向天线所获取到的无线电信号进行分析对比即可获得无人机的机载频段数据。

深度学习单元中存储有深度学习算法，采用深度学习算法对定向无人机载波频段进行特征化学习后可获得无人机的特征化数据，将所得到的无人机的特征化数据存入无人机数据库后，下一次通过第一定向天线进行无人机无线电信号的获取时，还包括对新加入的无人机数据进行识别，下一次再进入定向天线检测范围内的该新无人机即可被定向天线快速的识别出。

实施例2：

进一步地，还包括预警模块，所述预警模块获取所述第一定向天线所识别的无线电信号信息，在所述第一定向天线采集到无人机数据库中所存储的无人机信号频段后发出第一预警信号；

预警模块还获取所述光学图像采集单元所识别的无人机图像信息，在所述光学图像采集单元识别到无人机后发出第二预警信号。

对进入第一定向天线的检测范围内的有记录的无人机以及通过第一定向天线没有识别到而被光学图像采集单元检测识别到的新的无人机都发出预警信号。对所有的进入检测范围的无人机均能检测。

实施例3：

参照图2-图4，进一步地，所述光学图像采集单元包括高清摄像机；通过高清摄像机对周围的图像进行获取。

双定向天线飞行器侦测系统还包括旋转云台，所述旋转云台驱动所述高清摄像机以及所述第一定向天线和所述第二定向天线转动；

其中，所述光学图像采集单元还为所述旋转云台提供无人机方位；

所述旋转云台获取无人机方位后驱动所述第一定向天线转动至无人机方位。

通过旋转云台可带动高清摄像机以及第一定向天线和第二定向天线旋转，对旋转方向周围的360°范围内的图像和无线电信号均进行获取，以对旋转方向周围的360°范围内的无人机都进行侦测。

在获取到无人机的图像后，可以通过旋转云台控制第一定向天线旋转，使第一定向天线快速的转动至指向无人机的方向，以对无人机的无线电信号进行定向获取。

在一些实施方式中，高清摄像机、第一定向天线以及第二定向天线可设置在同一旋转云台上，并且第一定向天祥和高清摄像机的无线电信号获取方向以及图像获取方向的角度相同，在检测到无人机的图像后，可通过旋转云台转动控制无人机的图像在高清摄像机所采集的图像的中间，此时和高清摄像机一起转动的第一定向天线的指向即为无人机的方位，即可进行高精度的无线电信号采集。

实施例4：

参照图2-图4，进一步地，所述旋转云台包括图像云台以及无线电信号云台；

所述图像云台驱动所述高清摄像机沿转动中心进行0-360°范围内的往复转动；

所述无线电信号云台驱动所述第一定向天线以及所述第二定向天线沿转动中心进行0-360°范围内的转动；

其中，所述图像云台和所述无线电信号云台的转动中心重合。

高清摄像机和第一定向天线分别设置在不同的旋转云台上，使高清摄像机和第一定向天线可沿同一转动中心进行不同角度以及不同旋转方向上的异步旋转，可实现对旋转方向上进行异步的两重扫描，对不同方向上的无人机进行捕获。

图像云台进行0-360°范围内的往复转动，可实现高清摄像机的有线电连接，满足高清摄像机所采集到的高清图像的大量数据稳定传输需求。

图像云台和无线电信号云台的转动中心重合，在检测到无人机图像后仅需对无线电信号云台发送无人机所处的方位角度信息，使第一定向天线通过转动即可到达指定的位置，并且与高清摄像机以同一原点指向无人机，提高第一定向天线的指向精度。

实施例5：

进一步地，所述无线电信号云台执行第一无序旋转策略，所述第一无序旋转策略具有第一最低旋转限速以及第一最高旋转限速；

第一无序旋转策略控制所述无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转。

通过第一无序旋转策略可控制无线电云台进行无序的转动，使第一定向天线所指向周向的不同角度位置的时间不定，无法通过对第一定向天线的转动过程分析得到转动第一定向天线的转动规律。避免对第一定向天线的转动规律进行分析后无人机有序的停止信号发射来避开第一定向天线的无线电信号获取。

第一最低旋转限速为第一定向天线的最小间隔转动速度，第一最低旋转限速后无人机容易从转动的间隔中进入。而第一最高旋转限速为第一定向天线可检测到无线电信号的最高转动速度，高于第一最高旋转限速后难以在转动的过程中获得精确的无线电信号。

无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转，可以不同的转动频率对周围的无人机进行识别，并且无人机无法获得第一定向天线的转动规律。

实施例6：

进一步地，所述图像云台执行第二无序旋转策略，所述第二无序旋转策略具有第二最低旋转限速以及第二最高旋转限速；

第二无序旋转策略控制所述图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转。

通过第二无序旋转策略可控制图像云台进行无序的转动，使高清摄像机所指向周向的不同角度位置的时间不定，无法通过对高清摄像机的转动过程分析得到转动高清摄像机的转动规律。避免对高清摄像机的转动规律进行分析后无人机避开高清摄像机的图像获取区域。

第二最低旋转限速为高清摄像机的最小间隔转动速度，第二最低旋转限速后无人机容易从转动的间隔中进入。而第二最高旋转限速为高清摄像机可到检测图像的最高速度，高于第二最高旋转限速后高清摄像机难以在转动的过程中获得清晰的图像。

图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转，可以不同的转动频率对周围的无人机进行识别，并且无人机无法获得高清摄像机的转动规律。

实施例7：

进一步地，所述光学图像采集单元始终保持无人机图像处于所获取的图像的中间位置。

在获取到无人机的图像后，通过高清摄像机的转动，可使高清摄像机保持在转动方向的图像中间位置，在转动无线电云台来使第一定向天线指向无人机时，直接以高清摄像机的中间指向作为角度参考，以提高第一定向天线的指向精度。

实施例8：

进一步地，所述无线电信号分析模块用于将所述第一定向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析，滤除公共无线电信号以获得定向无人机载波频段。

第一定向天线和第二定向天线相背设置，所检测到的无线电方向是完全相反的，此时第一定向天线和第二定向天线都能检测到周围环境中的公共频段的无线电信号。而由于无人机是向靠近定向天线的方向上飞行的，此时第一定向天线检测到无人机所发出的电信号后相背设置的第二定向天线由于检测方向背向无人机，使得第二定向天线检测不到无人机所发出的电信号。

第一定向天线和第二定向天线所检测到的电信号不同，在通过无线电信号分析模块对公共无线电信号滤除后即可得到无人机的无线电信号，获取无人机机载频段。

实施例9：

参照图4，进一步地，所述第二定向天线采用窄波束定向天线。

采用载波束定向天线可使第二定向天线获得更窄的检测范围，避免检测到背向的无人机的无线电信号，提高差异化频谱分析的精度。

实施例10：

参照图5，本发明还提供一种基于深度学习的双定向天线飞行器侦测方法，包括以下步骤：

S1、采用第一定向天线对无人机数据库的无人机载波频段的无线电信号进行获取，若获取到，则发出第一预警信号。在第一定向天线检测到无人机数据库中存有的机载频段时即表示有无人机靠近，此时可通过第一预警信号进行预警，向管理人员警示有无人机靠近。

S2、采用高清摄像机获取无人机图像，若获取到，则发出第二预警信号，并采用第一定向天线对所获取到图像的无人机进行定向无线电信号获取。

定向天线进行无线电检测的距离远于高清摄像机的光学识别的距离，而若是无人机篡改了机载频段，且所改的机载频段是无人机数据库中所没有的，此时的无人机容易避开无线电检测的检测范围而进入到短距离的高清摄像机的识别范围内，通过视觉检测的方式获取到无人机的图像，并进行预警。

此时通过高清摄像机可识别到无人机所处的位置，再采用第一定向天线对无人机所处的位置进行无线电信号采集时，即可获取无人机所处方向的无线电信号。

S3、采用第二定向天线对第一定向天线相背方向的无线电信号进行获取，并对第一定向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析，以获得定向无人机载波频段；

第一定向天线和第二定向天线相背设置，所检测到的无线电方向是完全相反的，此时第一定向天线和第二定向天线都能检测到周围环境中的公共频段的无线电信号。而由于无人机是向靠近定向天线的方向上飞行的，此时第一定向天线检测到无人机所发出的电信号后相背设置的第二定向天线由于检测方向背向无人机，使得第二定向天线检测不到无人机所发出的电信号。

第一定向天线和第二定向天线所检测到的电信号不同，在对第一定向天线和第二定向天线所采集到的电信号进行差异化频谱分析后，即可对公共无线电信号滤除后即可得到无人机的无线电信号，获取无人机机载频段。

S4、通过深度学习对定向无人机载波频段进行特征化学习，并将数据结果存入无人机数据库，更新无人机数据库。

采用深度学习算法对定向无人机载波频段进行特征化学习后可获得无人机的特征化数据，将所得到的无人机的特征化数据存入无人机数据库后，下一次通过第一定向天线进行无人机无线电信号的获取时，还包括对新加入的无人机数据进行识别，下一次再进入定向天线检测范围内的该新无人机即可被定向天线快速的识别出。

S5、再次采用第一定向天线对更新后的无人机载波频段的无线电信号进行获取。

由于新的无人机的机载频段信息已更新到无人机数据库中，此时通过第一定向天线再次对周围进行检测时，新的无人机靠近即可被第一定向天线获取得到，可以在无人机距离较远时就识别到无人机。

实施例11：

进一步地，步骤S1中，采用无线电信号云台驱动第一定向天线和第二定向天线转动，对周围的无线电信号进行获取；

步骤S2中，采用图像云台驱动高清摄像机转动，对周围的无人机图像进行获取。

高清摄像机和第一定向天线分别设置在不同的旋转云台上，使高清摄像机和第一定向天线可沿同一转动中心进行不同角度以及不同旋转方向上的异步旋转，可实现对旋转方向上进行异步的两重扫描，对不同方向上的无人机进行捕获。

实施例12：

进一步地，采用第一无序旋转策略对无线电信号云台进行控制，所述第一无序旋转策略具有第一最低旋转限速以及第一最高旋转限速；

第一无序旋转策略控制所述无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转。

通过第一无序旋转策略可控制无线电云台进行无序的转动，使第一定向天线所指向周向的不同角度位置的时间不定，无法通过对第一定向天线的转动过程分析得到转动第一定向天线的转动规律。避免对第一定向天线的转动规律进行分析后无人机有序的停止信号发射来避开第一定向天线的无线电信号获取。

第一最低旋转限速为第一定向天线的最小间隔转动速度，第一最低旋转限速后无人机容易从转动的间隔中进入。而第一最高旋转限速为第一定向天线可到检测无线电信号的最高转动速度，高于第一最高旋转限速后难以在转动的过程中获得精确的无线电信号。

无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转，可以不同的转动频率对周围的无人机进行识别，并且无人机无法获得第一定向天线的转动规律。

实施例13：

进一步地，采用第二无序旋转策略对图像云台进行控制，所述第二无序旋转策略具有第二最低旋转限速以及第二最高旋转限速；

第二无序旋转策略控制所述图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转。

通过第二无序旋转策略可控制图像云台进行无序的转动，使高清摄像机所指向周向的不同角度位置的时间不定，无法通过对高清摄像机的转动过程分析得到转动高清摄像机的转动规律。避免对高清摄像机的转动规律进行分析后无人机避开高清摄像机的图像获取区域。

第二最低旋转限速为高清摄像机的最小间隔转动速度，第二最低旋转限速后无人机容易从转动的间隔中进入。而第二最高旋转限速为高清摄像机可检测到图像的最高速度，高于第二最高旋转限速后高清摄像机难以在转动的过程中获得清晰的图像。

图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转，可以不同的转动频率对周围的无人机进行识别，并且无人机无法获得高清摄像机的转动规律。

在本发明的实施例的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“中心”、“顶”、“底”、“顶部”、“底部”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了使于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。其中，“里侧”是指内部或围起来的区域或空间。“外围”是指某特定部件或特定区域的周围的区域。

在本发明的实施例的描述中，术语“第一”、“第二”、“第三”、“第四”仅用以描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“组装”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的实施例的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的实施例的描述中，需要理解的是，“-”和“~”表示的是两个数值之同的范围，并且该范围包括端点。例如:“A-B”表示大于或等于A，且小于或等于B的范围。“A~B''表示大于或等于A，且小于或等于B的范围。

在本发明的实施例的描述中，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于深度学习的双定向天线飞行器侦测系统，其特征在于，包括：

光学图像采集单元、无线电信号采集单元、深度学习单元、无人机数据库；

所述光学图像采集单元用于获取无人机图像，并对无人机进行图像识别；

所述无线电信号采集单元包括第一定向天线、第二定向天线以及无线电信号分析模块；

其中，所述第一定向天线以及所述第二定向天线采集方向背向设置；

其中，所述第一定向天线对所述光学图像采集单元所识别的无人机进行定向无线电信号获取；

其中，所述无线电信号分析模块接收所述第一定向天线和所述第二定向天线所获取的无线电信号，并输出定向无人机载波频段；

其中，所述无人机数据库用于存储现有无人机数据；

其中，所述深度学习单元将所述无线电信号分析单元所输出的无线电信号信息进行特征化学习，并将数据结果存入无人机数据库；

所述第一定向天线还对无人机数据库中所存储的无人机信号频段进行获取，对无人机进行识别。

2.根据权利要求1所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

还包括预警模块，所述预警模块获取所述第一定向天线所识别的无线电信号信息，在所述第一定向天线采集到无人机数据库中所存储的无人机信号频段后发出第一预警信号；

预警模块还获取所述光学图像采集单元所识别的无人机图像信息，在所述光学图像采集单元识别到无人机后发出第二预警信号。

3.根据权利要求1所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

所述光学图像采集单元包括高清摄像机；

基于深度学习的双定向天线飞行器侦测系统还包括旋转云台，所述旋转云台驱动所述高清摄像机以及所述第一定向天线和所述第二定向天线转动；

其中，所述光学图像采集单元还为所述旋转云台提供无人机方位；

所述旋转云台获取无人机方位后驱动所述第一定向天线转动至无人机方位。

4.根据权利要求3所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

所述旋转云台包括图像云台以及无线电信号云台；

所述图像云台驱动所述高清摄像机沿转动中心进行0-360°范围内的往复转动；

所述无线电信号云台驱动所述第一定向天线以及所述第二定向天线沿转动中心进行0-360°范围内的转动；

其中，所述图像云台和所述无线电信号云台的转动中心重合。

5.根据权利要求4所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

所述无线电信号云台执行第一无序旋转策略，所述第一无序旋转策略具有第一最低旋转限速以及第一最高旋转限速；

第一无序旋转策略控制所述无线电信号云台在所述第一最低旋转限速与所述第一最高旋转限速之间无序变频旋转。

6.根据权利要求4所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

所述图像云台执行第二无序旋转策略，所述第二无序旋转策略具有第二最低旋转限速以及第二最高旋转限速；

第二无序旋转策略控制所述图像云台在所述第二最低旋转限速与所述第二最高旋转限速之间无序变频旋转。

7.根据权利要求4-6任意一项所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

所述光学图像采集单元始终保持无人机图像处于所获取的图像的中间位置。

8.根据权利要求1所述的基于深度学习的双定向天线飞行器侦测系统，其特征在于：

所述无线电信号分析模块用于将所述第一定向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析，滤除公共无线电信号以获得定向无人机载波频段。

9.一种基于深度学习的双定向天线飞行器侦测方法，其特征在于，包括以下步骤：

S1、采用第一定向天线对无人机数据库的无人机载波频段的无线电信号进行获取，若获取到，则发出第一预警信号；

S2、采用高清摄像机获取无人机图像，若获取到，则发出第二预警信号，并采用第一定向天线对所获取到图像的无人机进行定向无线电信号获取；

S3、采用第二定向天线对第一定向天线相背方向的无线电信号进行获取，并对第一定向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析，以获得定向无人机载波频段；

S4、通过深度学习对定向无人机载波频段进行特征化学习，并将数据结果存入无人机数据库，更新无人机数据库；

S5、再次采用第一定向天线对更新后的无人机载波频段的无线电信号进行获取。

10.根据权利要求9所述的基于深度学习的双定向天线飞行器侦测方法，其特征在于：

步骤S1中，采用无线电信号云台驱动第一定向天线和第二定向天线转动，对周围的无线电信号进行获取；

步骤S2中，采用图像云台驱动高清摄像机转动，对周围的无人机图像进行获取。

Images