摘要
随着无人机技术的逐渐成熟，无人机在军事、工业和社会生活等领域的应用不断扩展。民用无人机在搜索救援和航空拍摄等应用领域提供便利的同时也带来了各种各样问题，在部队驻地、政府部门、机场、化工等重大工业机构、大型活动现场等敏感或人员密集情景下“黑飞”的无人机无疑存在安全隐患，需要加强对民用无人飞行器的管控。 无线电探测和对抗是低慢小民用无人机管控的重要手段，在行业发挥着至关重要的作用，但从周围复杂的无线电环境中发现“黑飞”的无人机信号还存在很多技术问题需要攻关。要从复杂的无线电环境中发现“黑飞”的无人机，需要对复杂电磁环境中的无线电信号进行分析、识别，本文提出了对复杂电磁环境中的无线电信号进行分类，分类后的信号筛选出样本用于无人机信号分类识别的流程，主要研究内容如下： （1）选用不需要预先确定信号类型数目等先验知识的狄利克雷混合模型对未知复杂无线电环境中的信号进行分类：先对复杂电磁环境中的无线电信号进行预处理以便于后续提取特征向量，形成无线电信号特征向量数据库；使用狄利克雷混合模型处理特征向量库数据，完成无线电信号分类并形成分类数据库；依据分层随机抽样法从分类库中按类抽样，抽样得到的信号绘出信号瀑布图和信号双谱分析图生成待处理样本数据库。 （2）开发无人机信号分类识别程序并处理分类后的样本数据：使用图像分类常用的残差神经网络模型结合自校准卷积和注意力机制开发无人机识别程序；采集标准无人机无线电信号并绘出无线电信号的瀑布图和双谱分析图建立样本库作为训练集和验证集并用于训练识别程序；训练后程序用于无人机无线电信号识别，并在识别过程中持续训练和学习。
NETL