CN117111624B - 基于电磁反制技术的反无人机方法及系统 - Google Patents
基于电磁反制技术的反无人机方法及系统 Download PDFInfo
- Publication number
- CN117111624B CN117111624B CN202311368518.6A CN202311368518A CN117111624B CN 117111624 B CN117111624 B CN 117111624B CN 202311368518 A CN202311368518 A CN 202311368518A CN 117111624 B CN117111624 B CN 117111624B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- black
- target
- inter
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims description 67
- 238000004891 communication Methods 0.000 claims description 57
- 238000001914 filtration Methods 0.000 claims description 39
- 238000010586 diagram Methods 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及反无人机技术领域，尤其涉及基于电磁反制技术的反无人机方法及系统，本发明提出以下方案，首先摄像机按照时间间隔对目标空域进行拍摄，根据低空无人机目标检测策略识别目标空域的黑飞无人机，其次根据黑飞无人机检测图，对黑飞无人机进行跟踪，对黑飞无人机的飞行轨迹进行预测，最后判断黑飞无人机是否需要进行通信干扰，如果需要，通过电磁反制策略对黑飞无人机进行反制，实现对目标空域黑飞无人机的精准和快速反制。
Description
技术领域
本发明涉及反无人机技术领域，尤其涉及基于电磁反制技术的反无人机方法及系统。
背景技术
随着无人机的广泛普及，各种未经批准的违规飞行现象也越来越普遍。因此，对区域内的无人机监管和电磁反制，成为相关单位安全监管的重要内容。反无人机技术体系由探测跟踪和预警技术、毁伤技术、干扰技术和伪装欺骗技术。首先要对无人机进行探测跟踪和预警，然后再根据实际情况，选择对无人机实施火力打击的硬毁伤或者是对其进行干扰失效的软毁伤；另外，还要采取积极主动的伪装防护方法和手段，降低对方无人机的侦察效率和效果，现有反无人机探测技术通常采用探测雷达，对目标进行宽波束搜索，但成本较高，对无人机通信链路进行探测的识别准确率较低，无法较好的对无人机进行精确检测，对于复杂背景下的无人机出现的失去视野情况研究较少，无法做到精准的无人机定位，目前的无人机电磁反制技术不区分无人机的通信方式，没有一种具体的无人机电磁反制策略。
如公开号为CN113156417A的中国专利公开了一种反无人机探测系统、方法和雷达设备，该系统包括：频谱探测设备、雷达设备和光电设备，当频谱探测设备接收到无人机频段电磁信号时获取目标的第一方位信息；若目标与雷达设备之间的距离小于或者等于第一距离阈值，频谱探测设备将第一方位信息发送至雷达设备，雷达设备根据第一方位信息采用第一波束宽度对目标进行跟踪，获取目标的第二方位信息；若目标与光电设备之间的距离小于或者等于第二距离阈值，雷达设备将第二方位信息发送至光电设备，光电设备根据第二方位信息获取目标图像并识别，得到目标识别结果；若目标识别结果中目标为无人机，光电设备对目标进行跟踪得到第一目标航迹。该系统可提高对无人机探测过程的精确性。
如授权公告号为CN106154262B的中国专利公开了一种反无人机探测系统及其控制方法，包括具有光学镜头的摄像机、显示器、控制摄像机运动的自动跟踪伺服机构、雷达装置、主控制器、干扰器和存储有无人机图片信息的图像识别解码器。采用雷达装置和光学跟踪系统相结合的光电监视雷达装置，实现了雷达探测、光学图像识别和电磁干扰的一体化，对于提高无人机监控、光学系统与雷达装置的有机融合起到重要作用。
以上专利均存在本背景技术提出的问题：对无人机检测技术依赖于高成本的雷达，无人机检测是无人机反制的基础和前提，需要一种高效低成本的无人机检测技术，对于无人机在复杂背景下会丢失视野的问题缺乏考虑，出现无人机定位的误差，当前的电磁反制技术通过发射大功率噪声信号来实现干扰，大多没有具体分析干扰信号参数对无人机干扰效果的影响，而且，无人机反制设备往往需要同时干扰多个频段，传统的反无人机设备针对每个干扰频段单独设计末级功率放大器，不但增加了功耗和体积，还增加了反无人机设备的生产成本，为了解决这些问题，本申请设计了一种基于电磁反制技术的反无人机方法及系统。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供了基于电磁反制技术的反无人机方法，首先摄像机按照时间间隔对目标空域进行拍摄，根据低空无人机目标检测策略识别目标空域的黑飞无人机，其次根据黑飞无人机检测图，对黑飞无人机进行跟踪，对黑飞无人机的飞行轨迹进行预测，最后判断黑飞无人机是否需要进行通信干扰，如果需要，通过电磁反制策略对黑飞无人机进行反制。
为实现上述目的，本发明提供如下技术方案：：
基于电磁反制技术的反无人机方法，包括以下步骤；
S1：设定时间间隔和目标空域背景图像，摄像机按照时间间隔对目标空域进行拍摄，根据低空无人机目标检测策略识别目标空域的黑飞无人机，获得黑飞无人机检测图，向地面人员发出预警；
S2：根据黑飞无人机检测图，对黑飞无人机进行跟踪，对黑飞无人机的飞行轨迹进行预测；
S3：根据预测的黑飞无人机的飞行轨迹，判断黑飞无人机是否需要进行通信干扰，如果需要，通过电磁反制策略对黑飞无人机进行反制；
所述S1中所述低空无人机目标检测策略具体步骤如下：
S1.1：根据摄像机拍摄的目标空域帧间图像，通过对目标空域帧间图像进行差分，对目标空域帧间图像去噪处理；
S1.2：根据去噪后的目标空域帧间图像，增强目标空域帧间图像与目标空域背景图像的对比度，提取目标空域帧间图像特征图；
S1.3：通过元素点乘运算将目标空域帧间图像特征图进行融合，得到目标空域帧间图像时空特征融合图；
S1.4：根据局部自适应阈值分割将目标空域帧间图像时空特征融合图转化为时空融合二值化分割图，并通过连通度分析得到黑飞无人机检测图；
所述S1.1中所述目标空域帧间图像去噪具体步骤如下：
S1.1.1：根据高斯差分滤波对当前帧和后一帧的目标空域帧间图像进行特征信息提取，得到四层二维高斯差分滤波目标空域帧间图像；
S1.1.2：将四层二维高斯差分滤波目标空域帧间图像分割为四个方向，通过空域滤波对分割后的四层二维高斯差分滤波目标空域帧间图像滤除高频噪声，将四个方向去噪后的四层二维高斯差分滤波目标空域帧间图像进行融合，得到去高频噪声后的四层二维高斯差分滤波目标空域帧间图像；
S1.1.3：对各层去噪后的二维高斯差分滤波目标空域帧间图像进行融合，得到目标空域帧间去噪图像，二维高斯差分滤波目标空域帧间图像的融合计算公式为：
，
其中，表示目标空域帧间去噪图像，/>表示第i层二维高斯差分滤波目标空域帧间图像的权值，/>表示第i层二维高斯差分滤波目标空域帧间图像；
所述S1.2中所述目标空域帧间图像特征图包括目标空域帧间图像时间特征图和目标空域帧间图像空间特征图；
所述S2具体步骤如下：
S2.1：提取黑飞无人机检测图目标特征，根据预先训练好的分类神经网络进行黑飞无人机目标类型识别，输出黑飞无人机的类型，所述黑飞无人机类型包括固定翼无人机、多旋翼无人机、伞翼无人机、扑翼无人机和干扰目标，所述干扰目标包括热气球、飞鸟和风筝；
S2.2：根据黑飞无人机类型计算目标空域黑飞无人机的姿态，所述目标空域黑飞无人机的姿态包括偏航角、俯仰角和翻滚角，目标空域黑飞无人机的姿态的计算公式为：
，
其中，表示目标空域黑飞无人机当前偏航角，/>表示目标空域黑飞无人机当前俯仰角，/>表示目标空域黑飞无人机当前翻滚角，i表示目标空域黑飞无人机类型，T表示IMM滤波时间常数，r(i)表示目标空域黑飞无人机标准偏航角，p(i)表示目标空域黑飞无人机标准俯仰角，y(i)表示目标空域黑飞无人机标准翻滚角，/>表示高斯白噪声；
S2.3：以摄像机所在位置作为坐标原点，根据摄像机最后两帧目标空域黑飞无人机检测图计算目标空域黑飞无人机速度，所述目标空域黑飞无人机速度包括方位角速度、角加速度和惯性速度，目标空域黑飞无人机速度的计算公式为：
，
其中，表示目标空域黑飞无人机的方位角速度，/>表示目标空域黑飞无人机的角加速度，/>表示目标空域黑飞无人机的惯性速度，/>表示转弯速率，t表示摄像机最后两帧的间隔时间，/>、/>和/>表示摄像机最后一帧黑飞无人机所在位置，/>、/>和/>表示摄像机倒数第二帧黑飞无人机所在位置；
S2.4：将目标空域黑飞无人机速度和姿态作为预先设置的轨迹预测神经网络的输入参数，得到目标空域黑飞无人机的轨迹特征，对黑飞无人机的飞行轨迹进行预测；
所述S2.4中所述目标空域黑飞无人机的轨迹特征包括曲线运动幅值、频率范围和加减速范围；
所述S3中所述电磁反制策略具体步骤如下：
S3.1：对目标空域的黑飞无人机通信信号进行采集，获取黑飞无人机的频谱特征，通过信号分类确认黑飞无人机的通信方式和频段，所述黑飞无人机的通信方式包括跳频通信和WiFi通信；
S3.2：如果黑飞无人机采用WiFi通信方式，根据黑飞无人机的频段通过TCP协议执行洪水验证攻击和取消验证攻击，所述洪水验证攻击通过无线网卡伪造一个虚假客户端，根据需要攻击的黑飞无人机频段，向黑飞无人机发送身份验证请求，断开黑飞无人机与控制客户端之间的连接，所述取消验证攻击通过无线网卡监听黑飞无人机与控制客户端的信息，伪造包含黑飞无人机与客户端信息的取消验证消息，向黑飞无人机持续发送伪造的取消身份验证消息；
S3.3：如果黑飞无人机采用跳频通信方式，通过干扰跳频通信对黑飞无人机的频段内信道进行干扰，阻止黑飞无人机控制信号的传输，所述干扰跳频通信包括宽带噪声干扰和扫频干扰，所述宽带噪声干扰根据黑飞无人机的频段计算跳频带宽，通过干扰设备将噪声信号均匀散布在跳频带宽中，所述扫频干扰通过与黑飞无人机的跳频信号的碰撞实现干扰，扫频干扰速率范围的计算公式为：
，
其中，表示扫频干扰速率，/>表示黑飞无人机跳频信号带宽，/>表示黑飞无人机跳频序列信号周期，/>表示扫频干扰信号带宽，/>表示黑飞无人机跳频信号接收机带宽。
所述S3中所述通信干扰包括对黑飞无人机导航链路的干扰和黑飞无人机控制链路的干扰。
基于电磁反制技术的反无人机系统，所述系统包括黑飞无人机检测模块、黑飞无人机跟踪模块和黑飞无人机电磁反制模块；
所述黑飞无人机检测模块，用于通过摄像机获取的目标空域检测视频，经过目标空域帧间图像处理和分析，检测目标空域是否存在黑飞无人机，提取黑飞无人机检测图；
所述黑飞无人机跟踪模块，用于根据黑飞无人机检测图，获取黑飞无人机的运行轨迹数据，通过数据处理和分析，预测黑飞无人机的飞行轨迹；
所述黑飞无人机电磁反制模块，用于判断黑飞无人机的威胁程度，对黑飞无人机进行电磁反制；
所述黑飞无人机检测模块包括：
摄像机，用于对目标空域进行拍摄；
目标空域帧间图像预处理单元，用于对目标空域帧间图像进行差分和目标空域帧间图像去噪处理；
目标空域帧间图像处理单元，用于对去噪后的目标空域帧间图像进行分析和融合；
目标空域黑飞无人机检测单元，用于将目标空域帧间图像时空特征融合图转化为时空融合二值化分割图，并通过连通度分析得到黑飞无人机检测图；
所述黑飞无人机跟踪模块包括：
黑飞无人机分类单元，用于根据黑飞无人机检测图目标特征，根据预先训练好的分类神经网络进行黑飞无人机目标类型识别；
黑飞无人机姿态计算单元，用于根据黑飞无人机类型计算目标空域黑飞无人机的姿态；
黑飞无人机速度计算单元，用于根据摄像机最后两帧目标空域黑飞无人机检测图计算目标空域黑飞无人机速度；
黑飞无人机轨迹预测单元，用于根据预先设置的轨迹预测神经网络，得到目标空域黑飞无人机的轨迹特征，对黑飞无人机的飞行轨迹进行预测；
所述黑飞无人机电磁反制模块包括：
黑飞无人机通信信号采集单元，用于对目标空域的黑飞无人机通信信号进行采集，获取黑飞无人机的频谱特征，通过信号分类确认黑飞无人机的通信方式和频段；
黑飞无人机电磁反制单元，用于根据黑飞无人机不同的通信方式采取相对应的电磁反制方法。
一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行所述的基于电磁反制技术的反无人机方法。
一种电子设备，包括处理器和所述的存储介质，所述处理器执行所述存储介质中的指令。
与现有技术相比，本发明的有益效果是：
1.本发明综合无人机通信理论，将目标空域的无人机通信方式分为跳频通信和WiFi通信两种模式，针对不同的模式采取相对应的电磁反制技术，提高了无人机电磁反制的全面性和有效性；
2.本发明考虑无人机检测对于无人机反制的必要性，将图像分类技术应用于无人机检测中，对目标空域进行实时的无人机检测，提高了无人机反制技术的实时性和检测准确性；
3.本发明考虑无人机在复杂背景下会出现失去视野的情况，通过计算目标无人机的姿态和速度，对无人机的飞行轨迹进行预测，达到对无人机进行精准电磁反制的目的。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例1基于电磁反制技术的反无人机方法的流程示意图；
图2为本发明实施例1一种低空无人机目标检测策略流程图；
图3为本发明实施例1目标空域帧间图像去噪步骤图；
图4为本发明实施例1常见无人机的典型机动轨迹特性图；
图5为本发明实施例1黑飞无人机WiFi通信干扰流程图；
图6为本发明实施例1宽带噪声干扰频谱图；
图7为本发明实施例1扫频干扰原理图；
图8为本发明实施例2基于电磁反制技术的反无人机系统模块图；
图9为本发明实施例4基于电磁反制技术的反无人机电子设备图。
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
实施例1
请参阅图1，本发明提供的一种实施例：基于电磁反制技术的反无人机方法，具体步骤包括：
S1：设定时间间隔和目标空域背景图像，摄像机按照时间间隔对目标空域进行拍摄，根据低空无人机目标检测策略识别目标空域的黑飞无人机，获得黑飞无人机检测图，向地面人员发出预警；
S2：根据黑飞无人机检测图，对黑飞无人机进行跟踪，对黑飞无人机的飞行轨迹进行预测；
S3：根据预测的黑飞无人机的飞行轨迹，判断黑飞无人机是否需要进行通信干扰，如果需要，通过电磁反制策略对黑飞无人机进行反制；
请参阅图2，本发明实施例一种低空无人机目标检测策略，所述S1中所述低空无人机目标检测策略具体步骤如下：
S1.1：根据摄像机拍摄的目标空域帧间图像，通过对目标空域帧间图像进行差分，对目标空域帧间图像去噪处理；
S1.2：根据去噪后的目标空域帧间图像，增强目标空域帧间图像与目标空域背景图像的对比度，提取目标空域帧间图像特征图；
S1.3：通过元素点乘运算将目标空域帧间图像特征图进行融合，得到目标空域帧间图像时空特征融合图；
S1.4：根据局部自适应阈值分割将目标空域帧间图像时空特征融合图转化为时空融合二值化分割图，并通过连通度分析得到黑飞无人机检测图；
请参阅图3，所述S1.1中所述目标空域帧间图像去噪具体步骤如下：
S1.1.1：根据高斯差分滤波对当前帧和后一帧的目标空域帧间图像进行特征信息提取，得到四层二维高斯差分滤波目标空域帧间图像；
S1.1.2：将四层二维高斯差分滤波目标空域帧间图像分割为四个方向，通过空域滤波对分割后的四层二维高斯差分滤波目标空域帧间图像滤除高频噪声，将四个方向去噪后的四层二维高斯差分滤波目标空域帧间图像进行融合，得到去高频噪声后的四层二维高斯差分滤波目标空域帧间图像；
S1.1.3：对各层去噪后的二维高斯差分滤波目标空域帧间图像进行融合，得到目标空域帧间去噪图像，二维高斯差分滤波目标空域帧间图像的融合计算公式为：
，
其中，表示目标空域帧间去噪图像，/>表示第i层二维高斯差分滤波目标空域帧间图像的权值，/>表示第i层二维高斯差分滤波目标空域帧间图像；
所述S1.2中所述目标空域帧间图像特征图包括目标空域帧间图像时间特征图和目标空域帧间图像空间特征图；
所述S2具体步骤如下：
S2.1：提取黑飞无人机检测图目标特征，根据预先训练好的分类神经网络进行黑飞无人机目标类型识别，输出黑飞无人机的类型，所述黑飞无人机类型包括固定翼无人机、多旋翼无人机、伞翼无人机、扑翼无人机和干扰目标，所述干扰目标包括热气球、飞鸟和风筝；
S2.2：根据黑飞无人机类型计算目标空域黑飞无人机的姿态，所述目标空域黑飞无人机的姿态包括偏航角、俯仰角和翻滚角，目标空域黑飞无人机的姿态的计算公式为：
，
其中，表示目标空域黑飞无人机当前偏航角，/>表示目标空域黑飞无人机当前俯仰角，/>表示目标空域黑飞无人机当前翻滚角，i表示目标空域黑飞无人机类型，T表示IMM滤波时间常数，r(i)表示目标空域黑飞无人机标准偏航角，p(i)表示目标空域黑飞无人机标准俯仰角，y(i)表示目标空域黑飞无人机标准翻滚角，/>表示高斯白噪声；
S2.3：以摄像机所在位置作为坐标原点，根据摄像机最后两帧目标空域黑飞无人机检测图计算目标空域黑飞无人机速度，所述目标空域黑飞无人机速度包括方位角速度、角加速度和惯性速度，目标空域黑飞无人机速度的计算公式为：
，
其中，表示目标空域黑飞无人机的方位角速度，/>表示目标空域黑飞无人机的角加速度，/>表示目标空域黑飞无人机的惯性速度，/>表示转弯速率，t表示摄像机最后两帧的间隔时间，/>、/>和/>表示摄像机最后一帧黑飞无人机所在位置，/>、/>和/>表示摄像机倒数第二帧黑飞无人机所在位置；
S2.4：将目标空域黑飞无人机速度和姿态作为预先设置的轨迹预测神经网络的输入参数，得到目标空域黑飞无人机的轨迹特征，对黑飞无人机的飞行轨迹进行预测；
请参阅图4，对于不同类型的目标，其典型机动轨迹特性不同，如四旋翼无人机，飞行速度慢，转弯半径小，其典型机动轨迹对应幅值小、频率高的正弦轨迹；固定翼无人机，飞行速度快、转弯半径大，其典型机动轨迹对应幅值大、频率低的正弦轨迹，伞翼无人机，负载荷比高，飞行速度慢，转弯半径大，其典型机动轨迹对应幅值小、频率低的椭圆轨迹，扑翼无人机，重量轻，体积小，飞行速度快，转弯半径小，其典型机动轨迹对应幅值大、频率高的椭圆轨迹；
所述S2.4中所述目标空域黑飞无人机的轨迹特征包括曲线运动幅值、频率范围和加减速范围；
所述S3中所述通信干扰包括对黑飞无人机导航链路的干扰和黑飞无人机控制链路的干扰；
所述S3中所述电磁反制策略具体步骤如下：
S3.1：对目标空域的黑飞无人机通信信号进行采集，获取黑飞无人机的频谱特征，通过信号分类确认黑飞无人机的通信方式和频段，所述黑飞无人机的通信方式包括跳频通信和WiFi通信；
目前市面上销量较高的消费级无人机主要采用了WiFi、跳频等通信方式，工作频段分为2.4GHz和5GHz两个频段，带宽从几十MHz到上百MHz不等，如表所示，为常见的几款无人机的通信方式及工作频段，
S3.2：如果黑飞无人机采用WiFi通信方式，根据黑飞无人机的频段通过TCP协议执行洪水验证攻击和取消验证攻击，所述洪水验证攻击通过无线网卡伪造一个虚假客户端，根据需要攻击的黑飞无人机频段，向黑飞无人机发送身份验证请求，断开黑飞无人机与控制客户端之间的连接，所述取消验证攻击通过无线网卡监听黑飞无人机与控制客户端的信息，伪造包含黑飞无人机与客户端信息的取消验证消息，向黑飞无人机持续发送伪造的取消身份验证消息；
S3.3：如果黑飞无人机采用跳频通信方式，通过干扰跳频通信对黑飞无人机的频段内信道进行干扰，阻止黑飞无人机控制信号的传输，所述干扰跳频通信包括宽带噪声干扰和扫频干扰，所述宽带噪声干扰根据黑飞无人机的频段计算跳频带宽，通过干扰设备将噪声信号均匀散布在跳频带宽中，所述扫频干扰通过与黑飞无人机的跳频信号的碰撞实现干扰，扫频干扰速率范围的计算公式为：
，
其中，表示扫频干扰速率，/>表示黑飞无人机跳频信号带宽，/>表示黑飞无人机跳频序列信号周期，/>表示扫频干扰信号带宽，/>表示黑飞无人机跳频信号接收机带宽；
请参阅图5，本发明实施例黑飞无人机WiFi通信干扰流程图，当没有识别到无人机时，不执行任何操作，当检测到黑飞无人机时，通过信号分类确认黑飞无人机的通信方式和频段，通过TCP通信发送所识别到的无人机型号，根据储存已知无人机型号及对应干扰方式的库，如果需要采取WiFi干扰，则执行洪水验证攻击及取消验证攻击；
请参阅图6，本发明实施例宽带噪声干扰频谱图，宽带噪声干扰是通过干扰信号驻留在通信的整个频谱或一部分频谱来实现的，无人机的跳频通信多采用2.4GHz频段，其跳频带宽为80MHz，宽带噪声干扰将噪声信号均匀的散布在干扰频谱上，使用固定大功率设备对跳频信号的频段进行时频域上连续不间断的干扰，这种方法对干扰设备的功率有较大的要求；
请参阅图7，本发明实施例扫频干扰原理图，扫频干扰是指在信号工作的全部带宽或部分带宽发送周期性的干扰信号，通过增加扫频干扰信号与通信信号的碰撞几率来实现有效的干扰，对于直接序列扩频通信系统，只需对其载波频率有限的一段进行快速扫频干扰，所用的带宽不用很宽，就可以达到比白噪声干扰效果更强的干扰，扫频干扰按照扫频频段产生扫频干扰信号，以引信载频为中心频率，通过扫频频段覆盖整个直接序列扩频信号带宽，通过干扰信号能量集中在每个扫频频点来干扰直括信号。
实施例2
请参阅图8，本发明提供一种实施例：基于电磁反制技术的反无人机系统，其包括：
黑飞无人机检测模块、黑飞无人机跟踪模块和黑飞无人机电磁反制模块；
所述黑飞无人机检测模块，用于通过摄像机获取的目标空域检测视频，经过目标空域帧间图像处理和分析，检测目标空域是否存在黑飞无人机，提取黑飞无人机检测图；
所述黑飞无人机跟踪模块，用于根据黑飞无人机检测图，获取黑飞无人机的运行轨迹数据，通过数据处理和分析，预测黑飞无人机的飞行轨迹；
所述黑飞无人机电磁反制模块，用于判断黑飞无人机的威胁程度，对黑飞无人机进行电磁反制；
具体的，所述黑飞无人机检测模块包括：
摄像机，用于对目标空域进行拍摄；
目标空域帧间图像预处理单元，用于对目标空域帧间图像进行差分和目标空域帧间图像去噪处理；
目标空域帧间图像处理单元，用于对去噪后的目标空域帧间图像进行分析和融合；
目标空域黑飞无人机检测单元，用于将目标空域帧间图像时空特征融合图转化为时空融合二值化分割图，并通过连通度分析得到黑飞无人机检测图；
具体的，所述黑飞无人机跟踪模块包括：
黑飞无人机分类单元，用于根据黑飞无人机检测图目标特征，根据预先训练好的分类神经网络进行黑飞无人机目标类型识别；
黑飞无人机姿态计算单元，用于根据黑飞无人机类型计算目标空域黑飞无人机的姿态；
黑飞无人机速度计算单元，用于根据摄像机最后两帧目标空域黑飞无人机检测图计算目标空域黑飞无人机速度；
黑飞无人机轨迹预测单元，用于根据预先设置的轨迹预测神经网络，得到目标空域黑飞无人机的轨迹特征，对黑飞无人机的飞行轨迹进行预测；
具体的，所述黑飞无人机电磁反制模块包括：
黑飞无人机通信信号采集单元，用于对目标空域的黑飞无人机通信信号进行采集，获取黑飞无人机的频谱特征，通过信号分类确认黑飞无人机的通信方式和频段；
黑飞无人机电磁反制单元，用于根据黑飞无人机不同的通信方式采取相对应的电磁反制方法。
实施例3：
本发明实施例的一种存储介质，存储介质中存储有指令，当计算机读取指令时，使计算机执行上述任一项的基于电磁反制技术的反无人机方法。
实施例4：
请参阅图9，本发明实施例的一种电子设备，包括摄像机410、处理器420、存储介质430、黑飞无人机跟踪器440和电磁干扰设备450，其中，电子设备可以选用电脑、手机等。
摄像机410用于根据时间间隔获取目标空域帧间图像，处理器420可以与电子设备中的原件电连接，并执行存储介质430中的各项指令，黑飞无人机跟踪器440用于在检测到目标空域存在黑飞无人机后对黑飞无人机进行跟踪，确定黑飞无人机的位置，电磁干扰设备450用于对存在恶意的黑飞无人机进行电磁反制。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。
以上所述仅为本申请的较佳实例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (5)
1.基于电磁反制技术的反无人机方法，其特征在于，包括以下步骤；
S1：设定时间间隔和目标空域背景图像，摄像机按照时间间隔对目标空域进行拍摄，根据低空无人机目标检测策略识别目标空域的黑飞无人机，获得黑飞无人机检测图，向地面人员发出预警；
S2：根据黑飞无人机检测图，对黑飞无人机进行跟踪，对黑飞无人机的飞行轨迹进行预测；
S3：根据预测的黑飞无人机的飞行轨迹，判断黑飞无人机是否需要进行通信干扰，如果需要，通过电磁反制策略对黑飞无人机进行反制；
所述S1中所述低空无人机目标检测策略具体步骤如下：
S1.1：根据摄像机拍摄的目标空域帧间图像，通过对目标空域帧间图像进行差分，对目标空域帧间图像去噪处理；
S1.2：根据去噪后的目标空域帧间图像，增强目标空域帧间图像与目标空域背景图像的对比度，提取目标空域帧间图像特征图；
S1.3：通过元素点乘运算将目标空域帧间图像特征图进行融合，得到目标空域帧间图像时空特征融合图；
S1.4：根据局部自适应阈值分割将目标空域帧间图像时空特征融合图转化为时空融合二值化分割图，并通过连通度分析得到黑飞无人机检测图；
所述S1.1中所述目标空域帧间图像去噪具体步骤如下：
S1.1.1：根据高斯差分滤波对当前帧和后一帧的目标空域帧间图像进行特征信息提取，得到四层二维高斯差分滤波目标空域帧间图像；
S1.1.2：将四层二维高斯差分滤波目标空域帧间图像分割为四个方向，通过空域滤波对分割后的四层二维高斯差分滤波目标空域帧间图像滤除高频噪声，将四个方向去噪后的四层二维高斯差分滤波目标空域帧间图像进行融合，得到去高频噪声后的四层二维高斯差分滤波目标空域帧间图像；
S1.1.3：对各层去噪后的二维高斯差分滤波目标空域帧间图像进行融合，得到目标空域帧间去噪图像，二维高斯差分滤波目标空域帧间图像的融合计算公式为：
，
其中，表示目标空域帧间去噪图像，/>表示第i层二维高斯差分滤波目标空域帧间图像的权值，/>表示第i层二维高斯差分滤波目标空域帧间图像；
所述S1.2中所述目标空域帧间图像特征图包括目标空域帧间图像时间特征图和目标空域帧间图像空间特征图；
所述S2具体步骤如下：
S2.1：提取黑飞无人机检测图目标特征，根据预先训练好的分类神经网络进行黑飞无人机目标类型识别，输出黑飞无人机的类型，所述黑飞无人机类型包括固定翼无人机、多旋翼无人机、伞翼无人机、扑翼无人机和干扰目标，所述干扰目标包括热气球、飞鸟和风筝；
S2.2：根据黑飞无人机类型计算目标空域黑飞无人机的姿态，所述目标空域黑飞无人机的姿态包括偏航角、俯仰角和翻滚角，目标空域黑飞无人机的姿态的计算公式为：
，
其中，表示目标空域黑飞无人机当前偏航角，/>表示目标空域黑飞无人机当前俯仰角，/>表示目标空域黑飞无人机当前翻滚角，i表示目标空域黑飞无人机类型，T表示IMM滤波时间常数，r(i)表示目标空域黑飞无人机标准偏航角，p(i)表示目标空域黑飞无人机标准俯仰角，y(i)表示目标空域黑飞无人机标准翻滚角，/>表示高斯白噪声；
S2.3：以摄像机所在位置作为坐标原点，根据摄像机最后两帧目标空域黑飞无人机检测图计算目标空域黑飞无人机速度，所述目标空域黑飞无人机速度包括方位角速度、角加速度和惯性速度，目标空域黑飞无人机速度的计算公式为：
，
其中，表示目标空域黑飞无人机的方位角速度，/>表示目标空域黑飞无人机的角加速度，/>表示目标空域黑飞无人机的惯性速度，/>表示转弯速率，t表示摄像机最后两帧的间隔时间，/>、/>和/>表示摄像机最后一帧黑飞无人机所在位置，/>、/>和/>表示摄像机倒数第二帧黑飞无人机所在位置；
S2.4：将目标空域黑飞无人机速度和姿态作为预先设置的轨迹预测神经网络的输入参数，得到目标空域黑飞无人机的轨迹特征，对黑飞无人机的飞行轨迹进行预测；
所述S2.4中所述目标空域黑飞无人机的轨迹特征包括曲线运动幅值、频率范围和加减速范围；
所述S3中所述电磁反制策略具体步骤如下：
S3.1：对目标空域的黑飞无人机通信信号进行采集，获取黑飞无人机的频谱特征，通过信号分类确认黑飞无人机的通信方式和频段，所述黑飞无人机的通信方式包括跳频通信和WiFi通信；
S3.2：如果黑飞无人机采用WiFi通信方式，根据黑飞无人机的频段通过TCP协议执行洪水验证攻击和取消验证攻击，所述洪水验证攻击通过无线网卡伪造一个虚假客户端，根据需要攻击的黑飞无人机频段，向黑飞无人机发送身份验证请求，断开黑飞无人机与控制客户端之间的连接，所述取消验证攻击通过无线网卡监听黑飞无人机与控制客户端的信息，伪造包含黑飞无人机与客户端信息的取消验证消息，向黑飞无人机持续发送伪造的取消身份验证消息；
S3.3：如果黑飞无人机采用跳频通信方式，通过干扰跳频通信对黑飞无人机的频段内信道进行干扰，阻止黑飞无人机控制信号的传输，所述干扰跳频通信包括宽带噪声干扰和扫频干扰，所述宽带噪声干扰根据黑飞无人机的频段计算跳频带宽，通过干扰设备将噪声信号均匀散布在跳频带宽中，所述扫频干扰通过与黑飞无人机的跳频信号的碰撞实现干扰，扫频干扰速率范围的计算公式为：
，
其中，表示扫频干扰速率，/>表示黑飞无人机跳频信号带宽，/>表示黑飞无人机跳频序列信号周期，/>表示扫频干扰信号带宽，/>表示黑飞无人机跳频信号接收机带宽。
2.根据权利要求1所述基于电磁反制技术的反无人机方法，其特征在于，所述S3中所述通信干扰包括对黑飞无人机导航链路的干扰和黑飞无人机控制链路的干扰。
3.基于电磁反制技术的反无人机系统，其基于如权利要求1-2中任一项所述的基于电磁反制技术的反无人机方法实现，其特征在于，所述系统包括黑飞无人机检测模块、黑飞无人机跟踪模块和黑飞无人机电磁反制模块；
所述黑飞无人机检测模块，用于通过摄像机获取的目标空域检测视频，经过目标空域帧间图像处理和分析，检测目标空域是否存在黑飞无人机，提取黑飞无人机检测图；
所述黑飞无人机跟踪模块，用于根据黑飞无人机检测图，获取黑飞无人机的运行轨迹数据，通过数据处理和分析，预测黑飞无人机的飞行轨迹；
所述黑飞无人机电磁反制模块，用于判断黑飞无人机的威胁程度，对黑飞无人机进行电磁反制。
4.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1-2中任一项所述的基于电磁反制技术的反无人机方法。
5.一种电子设备，其特征在于，包括处理器和权利要求4所述的存储介质，所述处理器执行所述存储介质中的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311368518.6A CN117111624B (zh) | 2023-10-23 | 2023-10-23 | 基于电磁反制技术的反无人机方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311368518.6A CN117111624B (zh) | 2023-10-23 | 2023-10-23 | 基于电磁反制技术的反无人机方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117111624A CN117111624A (zh) | 2023-11-24 |
| CN117111624B true CN117111624B (zh) | 2024-02-02 |
Family
ID=88793464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311368518.6A Active CN117111624B (zh) | 2023-10-23 | 2023-10-23 | 基于电磁反制技术的反无人机方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117111624B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133484A (zh) * | 2017-12-22 | 2018-06-08 | 北京奇虎科技有限公司 | 基于场景分割的自动驾驶处理方法及装置、计算设备 |
| DE202019106253U1 (de) * | 2019-11-11 | 2019-11-27 | Neijiang Normal University | Tragbare Drohnengegensteuervorrichtung |
| KR20210123076A (ko) * | 2020-04-02 | 2021-10-13 | 함영국 | 이진화된 3차원 공간맵 기반의 자율 이동체 운영 방법 |
| WO2022022023A1 (zh) * | 2020-07-28 | 2022-02-03 | 北京理工大学 | 激光末制导飞行器组网控制方法 |
| CN116109950A (zh) * | 2023-01-03 | 2023-05-12 | 中国船舶集团有限公司第七〇九研究所 | 一种低空域反无人机视觉检测、识别与跟踪方法 |
| CN219247855U (zh) * | 2022-08-25 | 2023-06-23 | 杰能科世智能安全科技(杭州)有限公司 | 一种黑飞无人机智能抓捕装置 |
-
2023
- 2023-10-23 CN CN202311368518.6A patent/CN117111624B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133484A (zh) * | 2017-12-22 | 2018-06-08 | 北京奇虎科技有限公司 | 基于场景分割的自动驾驶处理方法及装置、计算设备 |
| DE202019106253U1 (de) * | 2019-11-11 | 2019-11-27 | Neijiang Normal University | Tragbare Drohnengegensteuervorrichtung |
| KR20210123076A (ko) * | 2020-04-02 | 2021-10-13 | 함영국 | 이진화된 3차원 공간맵 기반의 자율 이동체 운영 방법 |
| WO2022022023A1 (zh) * | 2020-07-28 | 2022-02-03 | 北京理工大学 | 激光末制导飞行器组网控制方法 |
| CN219247855U (zh) * | 2022-08-25 | 2023-06-23 | 杰能科世智能安全科技(杭州)有限公司 | 一种黑飞无人机智能抓捕装置 |
| CN116109950A (zh) * | 2023-01-03 | 2023-05-12 | 中国船舶集团有限公司第七〇九研究所 | 一种低空域反无人机视觉检测、识别与跟踪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117111624A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12072705B2 (en) | Intelligent decision-making method and system for unmanned surface vehicle | |
| CN100565244C (zh) | 多模多目标精密跟踪装置和方法 | |
| CN101676744B (zh) | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 | |
| CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
| GB2619196A (en) | Multi-target vehicle detection and re-identification method based on radar and video fusion | |
| CN206087337U (zh) | 一种干扰式反无人机系统 | |
| Sheu et al. | Dual-axis rotary platform with UAV image recognition and tracking | |
| Swinney et al. | A review of security incidents and defence techniques relating to the malicious use of small unmanned aerial systems | |
| CN106839881B (zh) | 一种基于动态图像识别的反无人机方法 | |
| CN201114551Y (zh) | 多模多目标精密跟踪装置 | |
| CN105810023B (zh) | 机场起落架收放自动监测方法 | |
| Briese et al. | Vision-based detection of non-cooperative UAVs using frame differencing and temporal filter | |
| CN115902786A (zh) | 用于入侵无人机的声学追踪与反制拦截装置、系统及方法 | |
| CN115932834A (zh) | 一种基于多源异构数据融合的反无人机系统目标检测方法 | |
| CN115291219A (zh) | 利用单目摄像头实现无人机动态避障方法、装置及无人机 | |
| Yan et al. | Moving targets detection for video SAR surveillance using multilevel attention network based on shallow feature module | |
| Tulpan et al. | Experimental evaluation of four feature detection methods for close range and distant airborne targets for Unmanned Aircraft Systems applications | |
| CN117622421B (zh) | 一种水面障碍物识别的船舶辅助驾驶系统 | |
| Sadovskis et al. | Modern methods for UAV detection, classification, and tracking | |
| CN117111624B (zh) | 基于电磁反制技术的反无人机方法及系统 | |
| CN110827257B (zh) | 一种嵌入式机载红外图像视觉导航定位方法 | |
| Zhao et al. | Nighttime pedestrian detection based on a fusion of visual information and Millimeter-Wave radar | |
| González et al. | Vision-based UAV detection for air-to-air neutralization | |
| CN111311640B (zh) | 一种基于运动估计的无人机识别跟踪方法 | |
| CN110287957B (zh) | 一种低慢小目标的定位方法及定位装置 |
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 |