基于模糊聚类和高阶累积量的无人机图传信号识别方法与流程

本发明涉及一种基于模糊聚类和高阶累积量的无人机图传信号识别方法。

背景技术：

目前，基于无线电的无人机图传信号的识别方法很少且存在一定的问题。有的方案只是解决了如何检测宽带信号，导致了诸如wifi等众多非常驻信号被检测到，误警率高，增加了后续的工作量；有的方案只是解决了无人机图传信号(ofdm信号)的识别，没有解决如何检测到可疑的无人机图传信号；因此目前没有一套完整且计算量小的无人机图传信号识别方案。

技术实现要素：

本发明的目的在于针对现有技术的不足，提供基于模糊聚类和高阶累积量的无人机图传信号识别方法，识别出自由空间中可能存在的无人机图传信号，为无人机反制系统提供参考。

为了解决上述技术问题，采用如下技术方案：

基于模糊聚类和高阶累积量的无人机图传信号识别方法，其特征在于包括以下步骤：

a)通过宽带数字接收机接收自由空间中的电磁波信号；

b)对接收到的电磁波信号进行数据平滑，降低噪声对有效信号的影响；

c)基于模糊聚类检测出数据中的跳变信号；

d)设定门限，筛选出可疑的无人机图传信号；

e)基于高阶累积量对可以信号进行识别，确定无人机图传信号；

f)将无人机图传信号的详细信息进行上报。

进一步，在所述步骤b)中，对接收到的电磁波信号进行数据平滑的具体步骤如下：

首先在宽带数字接收机进行一级数据平滑，宽带数字接收机采集到的多帧数据进行几何平均，一级数据平滑的定义为：

式1-1中，si是原始采集数据，n为数据帧数，spre为数据平滑后的信号。

然后对经过一级数据平滑后的数据spre进行二级平滑，二级平滑的定义为：

式1-2中，sampi代表spre的第i个样本点，num代表平滑点数，len代表spre的长度，由sampi得到待处理的信号spro。

进一步，在所述步骤c)中，基于模糊聚类检测出数据中的跳变信号的具体步骤如下：

对步骤b)处理后的信号spro进行基于模糊聚类的跳变信号检测：首先选择统计量进行直方图分析，所述统计量为局部幅度最大值，定义为：

spromax＝max{spro(n)n＝i，...，i+num}(1-3)

然后对spromax做等间隔的直方图分析，并对直方图分析后的结果进行分析，检测spro中是否存在跳变信号。

进一步，所述检测spro中是否存在跳变信号的方法如下：

如果直方图分析结果为平顶型或偏态型图，则spro信号中不存在跳变信号；

如果直方图分析结果为双峰型图，则spro信号中存在一个幅度等级的跳变信号；

如果直方图分析结果为多峰型图，则spro信号存在多个幅度等级的跳变信号。

进一步，在所述步骤(d)中，所述设定门限，筛选出可疑的无人机图传信号的具体步骤如下：

通过设置带宽阈值筛选出可疑的无人机信号，若跳变信号的带宽10≤sigbw≤20，则认定为可疑的无人机图传信号；否则，此信号不是无人机图传信号。

进一步，在所述步骤(e)中，所述基于高阶累积量对可以信号进行识别的具体步骤如下：无人机图传信号为ofdm信号，可表示为：

式1-4中，{cn，k}为符号序列，并且假设它是独立同分布和中心化的；n为载波数；δf为子载波间的频率间隔；g(t)为脉冲函数；p为信号功率；

{x(t)}为平稳随机过程，则其k阶累积量的定义为：

ckx(f1，f2，...，fk)＝cum(x(t)，x(t+f1)，...，x(t+fk))(1-5)

式1-5中，cum(·)的含义是对.求累积量，它的p阶混合矩定义方式为：

mpq＝e{[x(t)^p-qx^*(t)^q]}(1-6)

因此，对于平稳复随机过程x(t)，四阶累积量为：

ofdm信号高于二阶的累积量都是0，因此利用四阶累积量|c42|将ofdm信号与其他信号进行区别。

进一步，在所述步骤(f)中，将识别出的无人机图传信号的中心频率和带宽等有效信息通过网络传递给后续处理模块。

由于采用上述技术方案，具有以下有益效果：

本发明为基于模糊聚类和高阶累积量的无人机图传信号识别方法，该方法可以识别出自由空间中存在的无人机图传信号，为无人机反制系统的工作提供了重要的指导作用。

首先宽带信号的检测做了数据平滑，可以消除像wifi这种非常驻信号对无人机图传信号这种常驻信号的影响，降低误警率和计算量；其次采用基于直方图的信号检测算法，可以直观、准确地显示出信号的突变程度；基于这两个方面，从而保证了信号检测的准确性。

附图说明

下面结合附图对本发明作进一步说明：

图1为本发明无人机图传信号识别方法的整体流程框图；

图2为本发明二级平滑后效果图；

图3为本发明图传信号及其直方图分布；

图4为本发明跳频信号及其直方图分布；

图5为本发明跳频信号检测图；

图6为本发明ofdm和其他调制信号的四阶累积量对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1至图6所示，基于模糊聚类和高阶累积量的无人机图传信号识别方法，其特征在于包括以下步骤：

a)通过宽带数字接收机接收自由空间中的电磁波信号。

b)对接收到的电磁波信号进行数据平滑，降低噪声对有效信号的影响。

首先在宽带数字接收机部分进行一级数据平滑，此级平滑又称作二维的数据平滑，即宽带数字接收机采集到的多帧数据进行几何平均，以消除非常驻信号(wifi等)的影响，确保采集到的信号只包含无人机图传等常驻信号，一级数据平滑的定义为：

式1-1中，si是原始采集数据，n为数据帧数，在本实施例中，n取20。

spre为数据平滑后的信号，消除了非常驻信号，并提高了数据的信噪比(signal-noiseratio，snr)。

然后对经过一级数据平滑后的数据spre进行二级平滑，此级平滑又称作一维的数据平滑，以增强突变信号在边沿位置的陡峭性，更利于跳变信号的检测，二级平滑的定义为：

式1-2中，sampi代表spre的第i个样本点，num代表平滑点数，len代表spre的长度，在本实施例中，spre的长度为400，相邻两个样本的间隔为20khz，故spre代表80mhz带宽的信号，由sampi得到待处理的信号spro。

c)基于模糊聚类检测出数据中的跳变信号。

对步骤b)处理后的信号spro进行基于模糊聚类的跳变信号检测：首先选择统计量进行直方图分析，本实施例选取的统计量为局部幅度最大值，定义为：

spromax＝max{spro(n)n＝i,...,i+num}(1-3)

然后对spromax做10等间隔的直方图分析，并对直方图分析后的结果进行分析，检测spro中是否存在跳变信号，即可疑的无人机信号。

进一步，所述检测spro中是否存在跳变信号的方法如下：大致分为三种情况。

如果直方图分析结果为平顶型或偏态型图，则spro信号中不存在跳变信号；

如果直方图分析结果为双峰型图，则spro信号中存在一个幅度等级的跳变信号；

如果直方图分析结果为多峰型图，则spro信号存在多个幅度等级的跳变信号。(若跳变信号为无人机信号，则空域中存在多架距离不同的无人机)。

d)设定门限，筛选出可疑的无人机图传信号。

目前市面上的无人机的图传信号的带宽几乎都是处在10mhz～20mhz的范围内，所以通过设置带宽阈值筛选出可疑的无人机信号，若跳变信号的带宽10≤sigbw≤20则认定为可疑的无人机图传信号；否则，此信号不是无人机图传信号。

e)基于高阶累积量对可以信号进行识别，确定无人机图传信号；

无人机图传信号为ofdm信号，可表示为：

式1-4中，{cn，k}为符号序列，并且假设它是独立同分布和中心化的；n为载波数；δf为子载波间的频率间隔；g(t)为脉冲函数；p为信号功率；

{x(t)}为平稳随机过程，则其k阶累积量的定义为：

ckx(f1，f2，...，fk)＝cum(x(t)，x(t+f1)，...，x(t+fk))(1-5)

式1-5中，cum(·)的含义是对.求累积量，它的p阶混合矩定义方式为：

mpq＝e{[x(t)^p-qx^*(t)^q]}(1-6)

因此，对于平稳复随机过程x(t)，四阶累积量为：

ofdm信号高于二阶的累积量都是0，因此利用四阶累积量|c42|将ofdm信号与其他信号进行区别。

f)将无人机图传信号的详细信息进行上报。

进一步，在所述步骤(f)中，将识别出的无人机图传信号的中心频率和带宽等有效信息通过网络传递给后续处理模块。

以上仅为本发明的具体实施例，但本发明的技术特征并不局限于此。任何以本发明为基础，为解决基本相同的技术问题，实现基本相同的技术效果，所作出地简单变化、等同替换或者修饰等，皆涵盖于本发明的保护范围之中。