本發(fā)明涉及無人機(jī)型號檢測，特別是涉及一種輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法。

背景技術(shù)：

1、在無人機(jī)獲得井噴式發(fā)展的同時(shí)，非合作無人機(jī)“黑飛”現(xiàn)象時(shí)常發(fā)生，對公共安全和個(gè)人隱私造成嚴(yán)重威脅。為了防止無人機(jī)“黑飛”行為對社會造成重大損失，建立一套完善的無人機(jī)檢測系統(tǒng)成為一個(gè)研究熱點(diǎn)。

2、此前常用的無人機(jī)型號檢測方法主要有兩種，第一種檢測方法旨在識別圖像或視頻中的無人機(jī)對象并確定其方位，它的核心思想是通過深度學(xué)習(xí)對無人機(jī)在圖像中的特征進(jìn)行學(xué)習(xí)和提取。這些算法首先進(jìn)行大規(guī)模數(shù)據(jù)集采集形成數(shù)據(jù)庫，并基于數(shù)據(jù)庫進(jìn)行分類訓(xùn)練，使模型能夠較為準(zhǔn)確地區(qū)分無人機(jī)與其他物體或背景，即尋找檢測對象的位置以得到建議框。再進(jìn)一步對建議框內(nèi)的無人機(jī)進(jìn)行分類。近年來，隨著計(jì)算能力的提升和數(shù)據(jù)集的擴(kuò)展，研究者們不斷開發(fā)出更復(fù)雜和精確的神經(jīng)網(wǎng)絡(luò)模型，這種兩段式的無人機(jī)檢測方法準(zhǔn)確率不斷提高，但還是存在以下兩點(diǎn)問題：

3、復(fù)雜的背景：無人機(jī)常出現(xiàn)于低空，周圍可能有天空、建筑物和樹木等與無人機(jī)相似或易造成誤判的物體。這些因素可能會干擾目標(biāo)識別過程，尤其是當(dāng)無人機(jī)與背景混合融為一體時(shí)，其識別變得更加困難。

4、無人機(jī)的尺寸小：無人機(jī)存在多種型號，目前廣泛使用的大部分無人機(jī)都具有較小的尺寸，這會限制它們在圖像中的可視性和識別能力。

5、第二種檢測方法主要針對無人機(jī)的遙控信號和圖傳信號，其核心思想是無線電檢測技術(shù)與深度學(xué)習(xí)技術(shù)相結(jié)合。相比于傳統(tǒng)的無線電檢測技術(shù)，深度學(xué)習(xí)技術(shù)采取一種端到端的方式自動學(xué)習(xí)、提取輸入數(shù)據(jù)的特征，進(jìn)而完成對無人機(jī)信號的分類任務(wù)。通過深度學(xué)習(xí)技術(shù)對無人機(jī)信號進(jìn)行分類，一方面可以在實(shí)時(shí)環(huán)境中快速處理和識別信號，提高無人機(jī)檢測系統(tǒng)的響應(yīng)速度；另一方面深度學(xué)習(xí)模型可以通過增加數(shù)據(jù)和計(jì)算資源來擴(kuò)展其能力，隨著更多的訓(xùn)練數(shù)據(jù)和更強(qiáng)大的計(jì)算硬件的投入，模型的性能可以進(jìn)一步提升。但是，通過無線電檢測無人機(jī)信號也有一定的局限和缺點(diǎn)：

6、模型參數(shù)量大：采用端到端的方式識別無人機(jī)型號提前訓(xùn)練好模型參，當(dāng)需要補(bǔ)充新機(jī)型時(shí)，需要重新將整個(gè)網(wǎng)絡(luò)重新訓(xùn)練，這勢必會產(chǎn)生巨大的訓(xùn)練開銷。當(dāng)無人機(jī)型號增至一定量級時(shí)，所需的網(wǎng)絡(luò)規(guī)模也相當(dāng)巨大，故此類方法的可擴(kuò)展性存在不足。

7、部署條件高：高精度的無人機(jī)型號識別模型結(jié)構(gòu)比較復(fù)雜，對于設(shè)備的計(jì)算能力有一定要求。而在現(xiàn)實(shí)場景中，如移動設(shè)備、嵌入式設(shè)備等計(jì)算能力受限的環(huán)境下，算法部署難度非常高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提出一種輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，算法可以應(yīng)對更多復(fù)雜的現(xiàn)實(shí)場景，并能夠有效識別環(huán)境中出現(xiàn)的未知無人機(jī)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，包括：

4、采集待識別無人機(jī)信息；

5、將所述待識別無人機(jī)信息，輸入無人機(jī)型號智能識別模型，獲取無人機(jī)型號；其中，所述無人機(jī)型號智能識別模型基于moblienetv3網(wǎng)絡(luò)構(gòu)建，并利用數(shù)據(jù)集訓(xùn)練獲得；所述數(shù)據(jù)集包括：真實(shí)的無人機(jī)信號和沒有無人機(jī)的背景信號。

6、可選地，采集待識別無人機(jī)信息包括：

7、學(xué)習(xí)背景環(huán)境的信息，識別實(shí)時(shí)背景并剔除預(yù)設(shè)背景信號；

8、結(jié)合信號再處理方法對提取出的潛在無人機(jī)弱信號進(jìn)行處理，實(shí)現(xiàn)對信號的分選，最終輸出待識別無人機(jī)信息。

9、可選地，構(gòu)建所述數(shù)據(jù)集包括：

10、對不同型號無人機(jī)的i/q雙路數(shù)據(jù)進(jìn)行預(yù)處理；

11、將預(yù)處理后的數(shù)據(jù)劃分為訓(xùn)練集和測試集。

12、可選地，對不同型號無人機(jī)的i/q雙路數(shù)據(jù)進(jìn)行預(yù)處理包括：

13、提取不同型號無人機(jī)的i/q雙路數(shù)據(jù)中的i數(shù)據(jù)和q數(shù)據(jù)；

14、基于所述i數(shù)據(jù)和q數(shù)據(jù)，構(gòu)建預(yù)設(shè)深度的三維矩陣；

15、對所述三維矩陣進(jìn)行標(biāo)準(zhǔn)化處理。

16、可選地，所述moblienetv3網(wǎng)絡(luò)包括：擴(kuò)展層、深度可分離卷積層和線性投影層；

17、所述擴(kuò)展層，用于使用輕量級非線性函數(shù)，擴(kuò)展輸入的通道數(shù)；

18、所述深度可分離卷積層，用于使用深度可分離卷積來進(jìn)行特征提??；

19、所述線性投影層，用于將輸出的通道數(shù)降低。

20、可選地，使用深度可分離卷積來進(jìn)行特征提取包括：

21、首先對每個(gè)輸入通道進(jìn)行空間卷積處理，然后應(yīng)用1x1卷積來組合通道。

22、可選地，利用數(shù)據(jù)集訓(xùn)練moblienetv3網(wǎng)絡(luò)包括：

23、基于構(gòu)建好的訓(xùn)練集和測試集，使用隨機(jī)梯度下降優(yōu)化器對模型參數(shù)進(jìn)行調(diào)整和優(yōu)化。

24、本發(fā)明的有益效果為：

25、本發(fā)明中采集待識別無人機(jī)信息，即檢測潛在無人機(jī)信號，這一步驟中，模型結(jié)合環(huán)境特征、調(diào)制特征、頻譜特征等信息進(jìn)行判斷，檢測出不同于背景信號的“異常信號”。每個(gè)部分獨(dú)立運(yùn)行，便于在實(shí)際應(yīng)用中根據(jù)需求進(jìn)行靈活配置和擴(kuò)展；

26、本發(fā)明中使用的無人機(jī)型號識別模型結(jié)構(gòu)簡單，優(yōu)化速度快，能夠有效識別環(huán)境中出現(xiàn)的未知無人機(jī)。

技術(shù)特征：

1.一種輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，其特征在于，采集待識別無人機(jī)信息包括：

3.根據(jù)權(quán)利要求1所述的輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，其特征在于，構(gòu)建所述數(shù)據(jù)集包括：

4.根據(jù)權(quán)利要求3所述的輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，其特征在于，對不同型號無人機(jī)的i/q雙路數(shù)據(jù)進(jìn)行預(yù)處理包括：

5.根據(jù)權(quán)利要求1所述的輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，其特征在于，所述moblienetv3網(wǎng)絡(luò)包括：擴(kuò)展層、深度可分離卷積層和線性投影層；

6.根據(jù)權(quán)利要求5所述的輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，其特征在于，使用深度可分離卷積來進(jìn)行特征提取包括：

7.根據(jù)權(quán)利要求3所述的輕量化、高擴(kuò)展性無人機(jī)型號識別方法，其特征在于，利用數(shù)據(jù)集訓(xùn)練moblienetv3網(wǎng)絡(luò)包括：

技術(shù)總結(jié)
本發(fā)明涉及一種輕量化、高擴(kuò)展性無人機(jī)型號智能識別方法，包括：采集待識別無人機(jī)信息；將所述待識別無人機(jī)信息，輸入無人機(jī)型號智能識別模型，獲取無人機(jī)型號；其中，所述無人機(jī)型號智能識別模型基于MoblieNetv3網(wǎng)絡(luò)構(gòu)建，并利用數(shù)據(jù)集訓(xùn)練獲得；所述數(shù)據(jù)集包括：真實(shí)的無人機(jī)信號和沒有無人機(jī)的背景信號。本發(fā)明中方法簡單，優(yōu)化速度快，能夠有效識別環(huán)境中出現(xiàn)的未知無人機(jī)。

技術(shù)研發(fā)人員：陳竹梅,楊志濠,李章平,周子安,劉尚麟,張鵬偉
受保護(hù)的技術(shù)使用者：成都諾思特安科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9