CN116778758A - 基于时频图的无人机遥控信号识别方法、装置、设备及介质 - Google Patents
基于时频图的无人机遥控信号识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116778758A CN116778758A CN202310680167.6A CN202310680167A CN116778758A CN 116778758 A CN116778758 A CN 116778758A CN 202310680167 A CN202310680167 A CN 202310680167A CN 116778758 A CN116778758 A CN 116778758A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- remote control
- control signal
- vector sequence
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010586 diagram Methods 0.000 title claims description 36
- 239000013598 vector Substances 0.000 claims abstract description 87
- 230000005540 biological transmission Effects 0.000 claims abstract description 30
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000011084 recovery Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012806 monitoring device Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000011426 transformation method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种基于时频图的无人机遥控信号识别方法、装置、设备及介质，其涉及信号识别技术领域。其中，方法包括：采集遥控信号及图传信号，并对遥控信号及图传信号进行处理后合并得到时域信号；对时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除时频谱图中的随机噪声得到目标时频谱图；对目标时频谱图进行低秩矩阵恢复得到与遥控信号相对应的时频序列；根据时频序列从预设标准库中获取标准时频向量序列，并根据标准时频向量序列对时频序列进行抽取得到目标时频向量序列；计算目标时频向量序列与标准时频向量序列的马氏距离，并根据马氏距离及预设相似距离阈值对遥控信号进行识别。本发明可提高遥控信号识别的准确度。
Description
技术领域
本发明实施例涉及信号识别技术领域，尤其涉及一种基于时频图的无人机遥控信号识别方法、装置、设备及介质。
背景技术
无人机遥控信号的分析与识别是无人机探测的前提和重要环节，如在无人机飞行时对遥控或图传信号进行侦收，并实现对无人机的定位，便可以对无人机实施干扰，阻止其在不安全区域飞行，保护低空域的安全。现有技术中由于无人机遥控信号受到传播损失、周围建筑物反射、噪声和无人机图传信号等的干扰，通常接收到的信号信噪比较低，单一的时域或者频域分析难以体现遥控信号的全部信息，使得无人机遥控信号识别准确率较低。
发明内容
本发明实施例提供了一种基于时频图的无人机遥控信号识别方法、装置、设备及介质，旨在解决现有无人机遥控信号识别准确率较低的问题。
第一方面，本发明实施例提供了一种基于时频图的无人机遥控信号识别方法，其包括：
采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号；
通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图；
对所述目标时频谱图进行低秩矩阵恢复得到与所述遥控信号相对应的时频序列；
根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列；
计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。
第二方面，本发明实施例还提供了一种基于时频图的无人机遥控信号识别装置，其包括：
采集处理单元，用于采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号；
变换单元，用于通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图；
恢复单元，用于对所述目标时频谱图进行低秩矩阵恢复以得到与所述遥控信号相对应的时频序列；
抽取单元，用于根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列；
识别单元，用于计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。
第三方面，本发明实施例还提供了一种监测设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种基于时频图的无人机遥控信号识别方法、装置、设备及介质。其中，所述方法包括：采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号；通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图；对所述目标时频谱图进行低秩矩阵恢复得到与所述遥控信号相对应的时频序列；根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列；计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。本发明实施例的技术方案，先对时域信号进行Gabor变换得到时频谱图，摆脱了单一的频域或时域描述信号特征的局限性，并可确保在频域不同尺度、不同方向上提取频域特征；再通过伯恩森算法计算门限阈值以祛除时频谱图中的随机噪声以减少噪声对遥控信号的识别；最后通过计算目标时频向量序列与标准时频向量序列的马氏距离来判断序列形状相似度，可消除数据分布的影响，从而提高遥控信号识别的准确度。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于时频图的无人机遥控信号识别方法的流程示意图；
图2为本发明实施例提供的一种基于时频图的无人机遥控信号识别方法的场景示意图；
图3为图1中时频谱图的示意图；
图4为本发明实施例提供的一种基于时频图的无人机遥控信号识别方法的子流程示意图；
图5为图1中标准时频向量序列的示意图；
图6为图1目标时频向量序列的示意图；
图7为本发明实施例提供的一种基于时频图的无人机遥控信号识别装置的示意性框图；以及
图8为本发明实施例提供的一种监测设备的示意性框图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1，图1是本发明实施例提供的基于时频图的无人机遥控信号识别方法的流程示意图。下面对所述基于时频图的无人机遥控信号识别方法进行详细说明。如图1所示，该方法包括以下步骤S100-S140。
S100、采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号。
在本发明实施例中，基于时频图的无人机遥控信号识别方法应用于遥控信号识别系统，如图3所示，所述遥控信号识别系统包括无人机、遥控站以及监测装置，其中，所述监测装置通过零中频接收机架构的数据采集系统采集所述遥控站向所述无人机发送的遥控信号及所述无人机向所述遥控站发送的图传信号，并将所述图传信号及所述遥控信号作为接收信号，对所述接收信号依次进行模数转换、正交解调、数字下变频得到同相分量基带信号及正交分量基带信号，然后将所述同相分量基带信号及所述正交分量基带信号进行合并得到时域信号，在实际应用中，所述时域信号Sig＝I+j·Q，其中，j表示虚数单位，I为所述同相分量基带信号，Q为所述正交分量基带信号。图3中只展示出了一台无人机，在实际应用，无人机的台数不作具体限定，也可为多台，图3仅仅起到展示作用。
S110、通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图。
在本发明实施例中，得到所述时域信号之后，通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，其中，所述预设变换方法为先根据预设数据采集点个数Numt及预设每组数据中的数据采集点个数Nump计算分析次数Numt/Nump，再根据Numt/Nump、预设信号频率以及预设变换公式对所述时频信号进行Gabor变换得到时频谱图，其中，所述预设信号频率为40MHz，所述预设变换公式如公式(1)所示，在公式(1)中，ζ为常数，t为时间，f为频率，Sig为所述时域信号。需要说明的是，在本发明实施例中，将每次分析作为一个时间点，就有Numt/Nump个时间点，然后根据所述预设信号频率及Nump可计算出每个时间点所对应的频率，将时间点及频率代入公式(1)进行Gabor变换得到Gabor时频谱图，并取所述Gabor时频谱图的最大值得到Gabor最大值时频谱图，将所述Gabor最大值时频谱图作为时频谱图，所述时频谱图如图3所示。得到所述时频谱图之后，由于所述时频谱图中存在随机噪声，进行时频分析时，根据随机噪声的幅度通常弱于所述图传信号及所述遥控信号的特点，通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图。具体地，如图4所示，包括如下步骤：S111、获取所述时频谱图中的当前位置，并将所述当前位置作为圆点，对所述预设半径内的所述时频谱图进行平滑处理得到平滑时频谱图；S112、计算所述平滑时频谱图中最大频谱值与最小频谱值的平均值作为门限阈值；S113、根据所述门限阈值对所述时频谱图进行滤波以祛除随机噪声得到目标时频谱图。需要说明的是，在本发明实施例中，假设所述当前位置为(t0,f0)，所述预设半径为r，所述平滑时频谱图如公式(2)所示，在公式(2)中，σ为平滑尺度，在实际应用中σ为0.6，所述门限阈值如公式(3)所示，在公式(3)中，Nt为时域采集点个数，Nf为频域采集点个数，得到所述门限阈值之后，获取所述时频谱图中频谱值Gab(t,f)，并判断所述频谱值Gab(t,f)是否大于所述门限阈值Gab阈值(t,f)；如公式(4)所示，若Gab(t,f)≥Gab阈值(t,f)，则将所述频谱值作为目标时频谱图；若Gab(t,f)<Gab阈值(t,f)，则将所述频谱值设置为预设值，其中，所述预设值为0。
S120、对所述目标时频谱图进行低秩矩阵恢复得到与所述遥控信号相对应的时频序列。
在本发明实施例中，通过低秩矩阵恢复方法先将所述目标时频谱图表示为低秩矩阵和稀疏矩阵之和，再列出最优化问题式，最后求解最优化问题式，需要说明的是，在本发明实施例中，求解最优化问题式具体为，先对最优化问题式进行正则化，然后迭代更新所述低秩矩阵和所述稀疏矩阵以求得所述稀疏矩阵，将所述稀疏矩阵作为时频序列。
S130、根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列。
在本发明实施例中，将所述时频序列分段表示的每段直线构成的向量与预设标准库中的时频向量进行相似度计算得到相似度值，其中，所述预设标准库为遥控信号标准库，不同的无人机机型对应有不同的时频向量序列；将最大所述相似度值所对应的时频向量作为标准时频向量序列，可理解地，相似度值越大，表明向量序列越相似。获取所述标准时频向量序列之后，沿时间轴滑动依次抽取与所述标准时频向量序列长度相等的时频向量序列作为目标时频向量序列。需要说明的是，在本发明实施例中，如图5所示，所述标准时频向量序列为S1＝{s1,1,s1,2,…s1,i…s1,N}，如图6所示，所述目标时频向量序列为S2＝{s2,1,s2,2,…s2,i…s2,N}，其中，在S1和S2中N均为表示时频序列的划分数量，在实际应用中，N为8。
需要说明的是，在本发明实施例中，图3、图5以及图6中的右边条形图均表示时频谱幅度。
S140、计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。
在本发明实施例中，根据马氏距离公式计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，其中，所述马氏距离公式如公式(5)所示，在公式(5)中，上角标T表示求转置，为S1、S2的协方差矩阵，上角标-1表示求逆，δ为预设相似距离阈值，在实际应用中，可δ为0.25，判断D(S1,S2)是否小于δ；若D(S1,S2)<δ，表明所述目标时频向量序列与所述标准时频向量序列较为相似，则获取所述标准时频向量序列所对应的所述无人机的型号，并将该型号作为所述目标时频向量序列对应的无人机型号，以对所述遥控信号进行识别。
图7是本发明实施例提供的一种基于时频图的无人机遥控信号识别装置200的示意性框图。如图7所示，对应于以上基于时频图的无人机遥控信号识别方法，本发明还提供一种基于时频图的无人机遥控信号识别装置200。该基于时频图的无人机遥控信号识别装置200包括用于执行上述基于时频图的无人机遥控信号识别方法的单元，该装置可以被配置于监测设备中。具体地，请参阅图7，该基于时频图的无人机遥控信号识别装置200包括采集处理单元201、变换单元202、恢复单元203、抽取单元204以及识别单元205。
其中，所述采集处理单元201用于采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号；所述变换单元202用于通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图；所述恢复单元203用于对所述目标时频谱图进行低秩矩阵恢复以得到与所述遥控信号相对应的时频序列；所述抽取单元204用于根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列；所述识别单元205用于计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。
在某些实施例，例如本实施例中，所述变换单元202包括第一计算单元及变换子单元。
其中，所述第一计算单元用于根据预设数据采集点个数及预设每组数据中的数据采集点个数计算分析次数；所述变换子单元用于根据所述分析次数、预设信号频率以及预设变换公式对所述时频信号进行Gabor变换得到时频谱图。
在某些实施例，例如本实施例中，所述所述变换单元202还包括平滑处理单元、第二计算单元以及滤波单元。
其中，所述平滑处理单元用于获取所述时频谱图中的当前位置，并将所述当前位置作为圆点，对所述预设半径内的所述时频谱图进行平滑处理得到平滑时频谱图；所述第二计算单元用于计算所述平滑时频谱图中最大频谱值与最小频谱值的平均值作为门限阈值；所述滤波单元用于根据所述门限阈值对所述时频谱图进行滤波以祛除随机噪声得到目标时频谱图。
在某些实施例，例如本实施例中，所述滤波单元包括第一判断单元、第一作为单元以及设置单元。
其中，所述第一判断单元用于获取所述时频谱图中频谱值，并判断所述频谱值是否大于所述门限阈值；所述第一作为单元用于若所述频谱值大于所述门限阈值，则将所述频谱值作为目标时频谱图；所述设置单元用于若所述频谱值不大于所述门限阈值，则将所述频谱值设置为预设值。
在某些实施例，例如本实施例中，所述抽取单元204包括第三计算单元、第二作为单元以及抽取子单元。
其中，所述第三计算单元用于将所述时频序列分段表示的每段直线构成的向量与预设标准库中的时频向量进行相似度计算得到相似度值；所述第二作为单元用于将最大所述相似度值所对应的时频向量作为标准时频向量序列；所述抽取子单元用于沿时间轴滑动依次抽取与所述标准时频向量序列长度相等的时频向量序列作为目标时频向量序列。
在某些实施例，例如本实施例中，所述识别单元205包括第四计算单元、第二判断单元以及识别子单元。
其中，所述第四计算单元用于根据马氏距离公式计算所述目标时频向量序列与所述标准时频向量序列的马氏距离；所述第二判断单元用于判断所述马氏距离是否小于预设相似距离阈值；所述识别子单元用于若所述马氏距离小于所述预设相似距离阈值，则获取所述标准时频向量序列所对应的所述无人机的型号以对所述遥控信号进行识别。
上述基于时频图的无人机遥控信号识别装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的监测设备上运行。
请参阅图8，图8是本发明实施例提供的一种监测设备的示意性框图。该监测设备300为具有加湿及新风功能的设备。
参阅图8，该监测设备300包括通过系统总线301连接的处理器302、存储器和网络接口305，其中，存储器可以包括非易失性存储介质303和内存储器304。
该非易失性存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032被执行时，可使得处理器302执行一种基于时频图的无人机遥控信号识别方法。
该处理器302用于提供计算和控制能力，以支撑整个监测设备300的运行。
该内存储器304为非易失性存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行一种基于时频图的无人机遥控信号识别方法。
该网络接口305用于与其它设备进行网络通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的监测设备300的限定，具体的监测设备300可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现上述基于时频图的无人机遥控信号识别方法的任意实施例。
应当理解，在本发明实施例中，处理器302可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器302还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行上述基于时频图的无人机遥控信号识别方法的任意实施例。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，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。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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监测设备执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
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，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。
Claims (10)
1.一种基于时频图的无人机遥控信号识别方法，其特征在于，包括：
采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号；
通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图；
对所述目标时频谱图进行低秩矩阵恢复得到与所述遥控信号相对应的时频序列；
根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列；
计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。
2.根据权利要求1所述的方法，其特征在于，所述通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图的步骤，包括：
根据预设数据采集点个数及预设每组数据中的数据采集点个数计算分析次数；
根据所述分析次数、预设信号频率以及预设变换公式对所述时频信号进行Gabor变换得到时频谱图。
3.根据权利要求1所述的方法，其特征在于，所述通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图的步骤，包括：
获取所述时频谱图中的当前位置，并将所述当前位置作为圆点，对所述预设半径内的所述时频谱图进行平滑处理得到平滑时频谱图；
计算所述平滑时频谱图中最大频谱值与最小频谱值的平均值作为门限阈值；
根据所述门限阈值对所述时频谱图进行滤波以祛除随机噪声得到目标时频谱图。
4.根据权利要求3所述的方法，其特征在于，所述根据所述门限阈值对所述时频谱图进行滤波以祛除随机噪声得到目标时频谱图的步骤，包括：
获取所述时频谱图中频谱值，并判断所述频谱值是否大于所述门限阈值；
若所述频谱值大于所述门限阈值，则将所述频谱值作为目标时频谱图；
若所述频谱值不大于所述门限阈值，则将所述频谱值设置为预设值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述时频序列从预设标准库中获取标准时频向量序列的步骤，包括：
将所述时频序列分段表示的每段直线构成的向量与预设标准库中的时频向量进行相似度计算得到相似度值；
将最大所述相似度值所对应的时频向量作为标准时频向量序列。
6.根据权利要求1所述的方法，其特征在于，所述根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列的步骤，包括：
沿时间轴滑动依次抽取与所述标准时频向量序列长度相等的时频向量序列作为目标时频向量序列。
7.根据权利要求1所述的方法，其特征在于，所述计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别的步骤，包括：
根据马氏距离公式计算所述目标时频向量序列与所述标准时频向量序列的马氏距离；
判断所述马氏距离是否小于预设相似距离阈值；
若所述马氏距离小于所述预设相似距离阈值，则获取所述标准时频向量序列所对应的所述无人机的型号以对所述遥控信号进行识别。
8.一种基于时频图的无人机遥控信号识别装置，其特征在于，包括：
采集处理单元，用于采集遥控信号及图传信号，并对所述遥控信号及所述图传信号进行处理后合并得到时域信号，其中，所述遥控信号为遥控站向无人机发送的信号，所述图传信号为所述无人机向所述遥控站发送的信号；
变换单元，用于通过预设变换方法对所述时域信号进行Gabor变换得到时频谱图，并通过伯恩森算法计算门限阈值以祛除所述时频谱图中的随机噪声得到目标时频谱图；
恢复单元，用于对所述目标时频谱图进行低秩矩阵恢复以得到与所述遥控信号相对应的时频序列；
抽取单元，用于根据所述时频序列从预设标准库中获取标准时频向量序列，并根据所述标准时频向量序列对所述时频序列进行抽取得到目标时频向量序列；
识别单元，用于计算所述目标时频向量序列与所述标准时频向量序列的马氏距离，并根据所述马氏距离及预设相似距离阈值对所述遥控信号进行识别。
9.一种监测设备，其特征在于，所述监测设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310680167.6A CN116778758A (zh) | 2023-06-08 | 2023-06-08 | 基于时频图的无人机遥控信号识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310680167.6A CN116778758A (zh) | 2023-06-08 | 2023-06-08 | 基于时频图的无人机遥控信号识别方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116778758A true CN116778758A (zh) | 2023-09-19 |
Family
ID=88012600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310680167.6A Pending CN116778758A (zh) | 2023-06-08 | 2023-06-08 | 基于时频图的无人机遥控信号识别方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116778758A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237833A (zh) * | 2023-11-16 | 2023-12-15 | 浙江凡双科技股份有限公司 | 基于自动门限提取的快速无人机图传信号识别方法及装置 |
-
2023
- 2023-06-08 CN CN202310680167.6A patent/CN116778758A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237833A (zh) * | 2023-11-16 | 2023-12-15 | 浙江凡双科技股份有限公司 | 基于自动门限提取的快速无人机图传信号识别方法及装置 |
| CN117237833B (zh) * | 2023-11-16 | 2024-01-30 | 浙江凡双科技股份有限公司 | 基于自动门限提取的快速无人机图传信号识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9930541B2 (en) | Maintaining the integrity of configuration information of a network of access points for use in positioning an apparatus | |
| CN116778758A (zh) | 基于时频图的无人机遥控信号识别方法、装置、设备及介质 | |
| US11741591B2 (en) | Method and apparatus for detecting thickness of paper and storage medium | |
| CN108229675B (zh) | 神经网络的训练方法、物体检测方法、装置和电子设备 | |
| US9450688B1 (en) | Autonomous spectral harvesting system | |
| CN110856178B (zh) | 一种基于无线网络物理层iq信号的行为识别方法 | |
| CN114002658B (zh) | 基于点迹曲线关联曲线分离的雷达目标微动特征提取方法 | |
| CN108399391B (zh) | 一种基于信号带宽特征的无人机信号识别的方法及装置 | |
| CN114168586A (zh) | 一种异常点检测的方法和装置 | |
| CN114637001B (zh) | 雷达的目标检测方法、装置、设备及存储介质 | |
| CN117054998A (zh) | 一种基于信息熵背景平稳度的集群目标检测方法和系统 | |
| WO2017118111A1 (zh) | 信号检测的方法及装置 | |
| CN109507645B (zh) | 一种脉冲描述字的提取方法及装置 | |
| CN113514796B (zh) | 一种无源定位方法、系统和介质 | |
| CN113011376B (zh) | 海上船舶遥感分类方法、装置、计算机设备及存储介质 | |
| JP5252430B2 (ja) | 信号検出方法，プログラム，情報記憶媒体，及びセンサー | |
| JP7173369B2 (ja) | 送信装置照合装置、送信装置照合システム、および送信装置照合方法 | |
| JP5809663B2 (ja) | 分類精度推定装置、分類精度推定方法、およびプログラム | |
| CN112016539A (zh) | 信号识别方法、装置、电子设备与存储介质 | |
| CN112363859A (zh) | 异常判定阈值的确定方法及装置 | |
| CN111199537A (zh) | 基于图像处理的vts系统雷达目标点迹提取方法、终端设备及计算机可读存储介质 | |
| WO2020070792A1 (ja) | 船舶検出システム、方法およびプログラム | |
| CN113271161B (zh) | 一种电磁信号的筛选方法及装置 | |
| CN115881304B (zh) | 基于智能检测的风险评估方法、装置、设备及介质 | |
| CN118133001A (zh) | 一种基于北斗卫星信号的目标特征提取方法及系统 |
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 |