CN113066249A - 基于无线电特征信息提取的无人机监测*** - Google Patents
基于无线电特征信息提取的无人机监测*** Download PDFInfo
- Publication number
- CN113066249A CN113066249A CN202110285172.8A CN202110285172A CN113066249A CN 113066249 A CN113066249 A CN 113066249A CN 202110285172 A CN202110285172 A CN 202110285172A CN 113066249 A CN113066249 A CN 113066249A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- data
- aerial vehicle
- module
- signal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 230000001133 acceleration Effects 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 2
- 230000007480 spreading Effects 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000007123 defense Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect 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
- 238000012827 research and development Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
- G01S19/18—Military applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于无线电特征信息提取的无人机监测***,包括:硬件平台:用于空口信号数据收集、预选滤波、增益控制、AD采样、多路DDC、GPS定位以及授时;服务器端:用于底层数据交互、硬件平台配置和控制、无人机遥控、图传信号识别算法处理、GPU加速、上层人机交互、本机状态信息保存、故障检查以及***的版本管理;客户端:用于对工作信息进行收集、对用户的信息进行集中展示以及对***的参数进行配置;本发明不仅可以监测空域中是否有无人机存在,也可用于区分友方和敌方无人机,将有效的延展无人机监测***的工作能力。
Description
技术领域
本发明涉及信号处理技术领域,特别是一种基于无线电特征信息提取的无人机监测***。
背景技术
随着无人机市场的蓬勃兴起,无人机“黑飞”时间也被不断曝光,甚至一些国家总统府、首相府、重要设施这些戒备森严的“禁飞区”,也屡屡遭到无人机的威胁。无人机虽然给人们的生活带了的便利,但同时对社会治安造成的危害也不容忽视。我国民用无人机产业发展日益蓬勃,各无人机研发生产企业都在积极寻求更大的发展机遇,无人机产业已成为我国经济发展新的增长点。但针对我国各地不断出现的无人机“黑飞”事件,在为民用无人机产业发展创造有利条件的同时,也必须加大管理力度。在此背景之下,政府从下面几个方面加强了对无人机使用的监管。一是进一步完善法律法规,二是加强法制宣传,三是建立健全民用无人机飞行管制队伍,四是建立从研制生产到销售使用全程注册制,五是发展建立技术防控手段。而其中第五条使用技术防控是人防的重要补充,可以预见,在较长的一段时间内,技术防控将作为各大无线电监测领域企业发展的重要方向。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种基于无线电特征信息提取的无人机监测***,本发明不仅可以监测空域中是否有无人机存在,也可用于区分友方和敌方无人机,将有效的延展无人机监测***的工作能力。
为实现上述目的,本发明采用的技术方案是:一种基于无线电特征信息提取的无人机监测***,包括:
硬件平台:用于空口信号数据收集、预选滤波、增益控制、AD采样、多路DDC、GPS定位以及授时;
服务器端:用于底层数据交互、硬件平台配置和控制、无人机遥控、图传信号识别算法处理、GPU加速、上层人机交互、本机状态信息保存、故障检查以及***的版本管理;
客户端:用于对工作信息进行收集、对用户的信息进行集中展示以及对***的参数进行配置。
作为本发明的进一步改进,所述硬件平台具体包括:
滤波器及低噪放:用于对信号进行预选滤波,并控制***增益;
射频板:带自动增益控制,近距离时避免模拟信号超ADC量程,远距离时避免模拟信号小于ADC的1个LSB;
中频板:用于中频数据采集;
数据处理板:用于完成对中频数据的FFT计算以及多路下变频;
供电模块:多路电压输出,用于对射频板,中频板及数据处理板供电。
GPS模块:用于标准时间获取,设备位置获取,为硬件平台提供精准时钟,提高采样准确度,及频率稳定性。
作为本发明的进一步改进,所述服务器端具体包括:
底层数据交互模块:用于实现与底层的硬件平台的信息交互;
硬件平台配置及控制模块:用于配置下载、版本更新、参数配置和故障修复;
故障检测模块:用于实时检测硬件平台工作情况,服务器端工作情况,并对检测结果进行分析,对工作状态进行修复及上报;
历史日志模块:用于存储***工作状态、历史数据查询、数据库记录和问题定位;
信号特征解析模块:用于采用FIR低通滤波器对当前通道的信号进行低通滤波,并完成滤波后信号的特征分析,包括频谱特征识别,调制模式识别,调制参数识别,跳频信号识别及参数估计,扩频信号识别及参数估计,基于特征库的无人机信号特征识别;
主控软件模块:用于对服务器端进行参数配置,功能调度,信息上报,日志存储和查询;
GPU模块:用于对算法进行加速处理,以及实现低采样率的多路下变频;
上层软件接口:用于数据规整后,对上层软件汇报信息,响应上层软件命令。
作为本发明的进一步改进,所述信号特征解析模块中基于特征库的无人机信号特征识别依靠3层算法进行实现,其中,第1层为信号识别及参数估计,第2层为调制参数的库特征匹配,第3层为特征库的库特征匹配。
作为本发明的进一步改进,所述信号特征解析模块中采用FIR低通滤波器对当前通道的信号进行低通滤波时,将读取数据和保存数据过程在CPU端执行,将耗时的滤波运算放入GPU,利用CUDA多线程能力加速运算,减少总体耗时,具体包括以下步骤:
步骤一、确定FIR低通滤波器频率响应系数,将响应系数传给GPU,并保存在GPU内存中,保存时,第一个字节的地址为存储器位宽的整数倍;
步骤二、将待处理输入数据传送给GPU;
步骤三、滤波计算处理:启动多线程时域卷积FIR滤波运算核函数,将采样点数和频率响应系数进行时域卷积操作,在进行卷积操作时,启动N个线程同时工作,线程Ti完成第i个数据与频率系数中的第i系数卷积,并将结果保存在第i个位置上;
步骤四、将结果数据传回客户端:等所有线程同步后,将运算结果从GPU传回客户端,释放GPU内存;
步骤五、结果数据保存,释放内存:将GPU传回主机端的结果数据保存至指定文件地址,保存方式是dat文件格式,释放CPU内存空间,完成滤波器时域并行处理。
作为本发明的进一步改进,所述客户端具体包括:
历史数据库:用于保存历史获取数据,无人机历史检测结果和结果统计;
数据显示后端:为客户端显示做数据准备,数据组装;
配置和信息查询模块:用于配置当前***、工作频点和工作模式,以及查询当前***版本和历史故障;
远程管理和控制模块:用于远程控制***、配置参数、更新***版本、中频数据采集留盘和留盘数据远程传输。
本发明的有益效果是:
本发明不仅可以监测空域中是否有无人机存在,也可用于区分友方和敌方无人机,将有效的延展无人机监测***的工作能力。
附图说明
图1为本发明实施例的整体结构示意图;
图2为本发明实施例中基于特征库的无人机信号特征识别的流程图;
图3为本发明实施例中GPU实现FIR低通滤波器流程图;
图4为本发明实施例中硬件平台的架构图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例
经过对民用无人机信号进行了分析,主要有三种主要制式:调频信号(模拟跳频,数字调频,协议未知),正交频分复用信号(Orthogonal Frequency DivisionMultiplexing,OFDM,协议未知),WIFI信号(Wireless Fidelity,协议已知)。而对WIFI信号又分为802.11a/b/g/n等多种协议,物理层传输方式有直接序列扩频(Direct SequenceSpread Spectrum,DSSS),OFDM调制。而针对军事领域直接序列扩频,跳频技术(Frequency-Hopping Spread Spectrum,FHSS)使用也较为普遍,所以在本实施例中也考虑了对这两种信号制式的无人机的监测。
如图1所示,一种基于无线电特征信息提取的无人机监测***,整个***主要由三大部分组成:
(1)硬件平台:主要负责空口信号数据收集,预选滤波,增益控制,AD采样,以及多路DDC等,GPS定位和授时。
1)工作频段:支持2.4G频段,5.8G频段,1.5G频段,900M,400M频段可选。
2)滤波器及低噪放:主要对信号进行预选滤波,并控制***增益。
3)射频板:带自动增益控制,避免模拟信号超ADC量程(近距离),避免远距离模拟信号小于ADC的1个LSB,解决远近效应问题。
4)中频板:可以是一套软件无线电,也可以是自研设备,支持高速率数据采集,能根据CPU配置,可选为多类软件无线电平台。
5)数据处理板:完成对中频数据的FFT计算,多路下变频等。
6)供电模块:多路电压输出,负责对射频板,中频板及数据处理板供电。
7)GPS模块:用于标准时间获取,设备位置获取,为硬件平台提供精准时钟,提高采样准确度,及频率稳定性。
(2)服务器端:主要负责底层数据交互,硬件平台配置和控制,无人机遥控、图传信号识别算法处理,GPU加速,上层人机交互,本机状态信息保存,故障检查,版本管理等。
1)底层数据交互:实现与底层硬件平台的信息交互。
2)硬件平台配置及控制:主要为配置下载,版本更新,参数配置,故障修复。
3)故障检测:用于实时检测硬件平台工作情况,服务器端工作情况。对检测结果进行分析,对工作状态修复,上报。
4)历史日志:用于存储***工作状态,用于历史数据查询,数据库记录,问题定位。
5)信号特征解析:机型特征识别之前进行低通滤波,因为计算量比较高,所以需要本实施例在GPU上进行,并完成对当前通道的信号特征分析,包括频谱特征,调制模式识别,调制参数识别,跳频信号识别及参数估计,扩频信号识别及参数估计,基于特征库的无人机信号特征识别等,是本***的核心模块。
6)主控软件:主要负责对整个服务器端***的参数配置,功能调度,信息上报,日志存储和查询等。
7)GPU模块:主要负责对核心算法进行加速处理,实现低采样率的多路下变频等。
8)上层软件接口:主要用于数据规整后,对上层软件汇报信息,响应上层软件命令。
(3)客户端:主要负责本机工作信息收集,对使用者的信息集中展示,对本机参数配置。
1)历史数据库:用于保存历史获取数据,无人机历史检测结果,结果统计等。
2)数据显示后端:为客户端显示做数据准备,数据组装等。
3)配置和信息查询:配置当前***,工作频点,工作模式(如闲时周期休眠,或者战时高速状态),查询当前***版本,历史故障等。
4)远程管理和控制:远程控制***,配置参数,更新***版本,中频数据采集留盘功能,留盘数据远程传输等。
下面对本实施例作进一步说明:
(1)信号特征解析模块:
如图2所示,对无人机信号的特征提取主要依靠3层算法进行实现,第1层为信号识别及参数估计,第2层为调制参数的库特征匹配,第3层为特征库的库特征匹配,使用逐级加强的方式,当获得的当前无人机有效信息越多,则上报的告警等级也相应增加。
为了表述该思路,本实施例以一个场景举例,当1款未知无人机从本监测***10公里以外飞入我方防区时,本***最先能够感知到的是某频点出现1未知信号,但具体情况不详。此时,调用多类信号识别及参数估计模块,进行分类判断。如果判定为OFDM信号,进行I级告警,为弱疑似无人机进入防区。则再通过识别参数与多种参数库进行比对,如果判定为疑似DIJ无人机信号制式(带宽,频率,周期等),则进行II级告警。使用DJI无人机特征库信息,尝试对该信号进行解析和特征抓取,弱抓取特征与特征库匹配,则可明确判定为DJI无人机。再进行下一步,获取该无人机机型,特征指纹,并持续锁定和跟踪无人机信号。
如果上述场景中,在进行调制识别时,发现为直接序列扩频信号,再进行参数库比对时,发现与WIFI信号制式匹配。则启用WIFI 802.11b协议进行解析,能够局部解析成功时,上报II级告警。当能解析到该WIFI Host地址为明确厂家时,可触发III级告警,并持续锁定和跟踪该无人机信号。
当然上述思路,还可以用于对军用无人机信号的解析。为了使得本***具有较强的适应能力,本实施例***中还预留了神经网络训练接口,以及未知信号手动/智能采集功能。
如图3所示,信号特征解析模块中采用FIR低通滤波器对当前通道的信号进行低通滤波时,将读取数据和保存数据过程在CPU端执行,将耗时的滤波运算放入GPU,利用CUDA多线程能力加速运算,减少总体耗时。
具体实施步骤如下:
步骤一、确定FIR滤波器频率响应系数:使用在Matlab上设计好的滤波器系数,使用的方法是blaclman窗函数法设计FIR滤波器,采样率Fs为25MHz,通带带宽Fc为4Mhz。将响应系数传给GPU,并保存在GPU内存中,保存时,第一个字节的地址为存储器位宽的整数倍。
步骤二、将待处理输入数据传送给GPU:将输入数据分为一块块长度为2500000的待滤波样点数据从主机内存中传入GPU的内存中。
步骤三、滤波计算处理:启动多线程时域卷积FIR滤波运算核函数,将采样点数和频率响应系数进行时域卷积操作,在进行卷积操作时,启动N个线程同时工作,线程Ti完成第i个数据与频率系数中的第i系数卷积,并将结果保存在第i个位置上。
步骤四、将结果数据传回主机端:等所有线程同步后,将运算结果从GPU传回主机端,释放GPU内存。
步骤五、结果数据保存,释放内存:将GPU传回主机端的结果数据保存至指定文件地址,保存方式是dat文件格式,释放CPU内存空间,完成滤波器时域并行处理。
(2)***底层硬件模块:
如图4所示,在对底层硬件设计时,为了充分考虑后续的扩展性,支持多个工作频点,且支持自动增益软件控制。***总体设计思路为:在***中设置了多个射频前端模块集成,配合中频板及数字处理板,实现对无人机遥控和图传信号的远距离侦收。GPS模块选择业界较成熟三模多频点模块,授时精度控制在60ns以内,定位精度在10米以内。主要模块包括:滤波器,低噪声放大器,衰减器,可选放大器。
1)预选滤波器:
主要用于滤波带外杂波,通过多只滤波器,配合射频开关,工作频段可以覆盖支持2.4G频段,5.8G频段,1.5G频段,900M,400M频段可选。
2)低噪声放大器/可选放大器:
此处使用了两级低噪声放大器,用于提高前端信号增益,增加信号接收距离,且避免近距离时ADC出现饱和。目前以7公里作为检测目标距离,设计时考虑接收距离在空旷场景可达9km。
3)数字衰减器:
主要负责将前端射频信号控制在中频板ADC饱和输入信号功率范围内,避免***饱和,其所处的位置在第1级低噪放之后。
(3)***软件层:
从功能上来讲,***软件层主要功能包括参数配置、任务参数配置和***启停、无人机信息显示和无人机信息统计等。
1)参数配置:用于配置数据流盘功能所需参数(自动,手动),设置***工作模式(低功耗,高速)。
2)任务的启停:主要有下发无人机信号识别开始命令、下发无人机信号数据自动/手动流盘开始命令和下发任务停止命令。
3)无人机信息显示:当接收到服务端上传上来的无人机数据后,先进行帧格式解析,再显示到对应表格中,并在标记图中,分颜色显示告警类型,无人机详细信息。
无人机信息统计:把此次任务侦测到的无人机数据进行统计,按无人机型号进行统计,关键信息为无人机类型、型号、厂家、总跟踪次数和总成功跟踪次数。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (6)
1.一种基于无线电特征信息提取的无人机监测***,其特征在于,包括:
硬件平台:用于空口信号数据收集、预选滤波、增益控制、AD采样、多路DDC、GPS定位以及授时;
服务器端:用于底层数据交互、硬件平台配置和控制、无人机遥控、图传信号识别算法处理、GPU加速、上层人机交互、本机状态信息保存、故障检查以及***的版本管理;
客户端:用于对工作信息进行收集、对用户的信息进行集中展示以及对***的参数进行配置。
2.根据权利要求1所述的基于无线电特征信息提取的无人机监测***,其特征在于,所述硬件平台具体包括:
滤波器及低噪放:用于对信号进行预选滤波,并控制***增益;
射频板:带自动增益控制,近距离时避免模拟信号超ADC量程,远距离时避免模拟信号小于ADC的1个LSB;
中频板:用于中频数据采集;
数据处理板:用于完成对中频数据的FFT计算以及多路下变频;
供电模块:多路电压输出,用于对射频板,中频板及数据处理板供电。
GPS模块:用于标准时间获取,设备位置获取,为硬件平台提供精准时钟,提高采样准确度,及频率稳定性。
3.根据权利要求1所述的基于无线电特征信息提取的无人机监测***,其特征在于,所述服务器端具体包括:
底层数据交互模块:用于实现与底层的硬件平台的信息交互;
硬件平台配置及控制模块:用于配置下载、版本更新、参数配置和故障修复;
故障检测模块:用于实时检测硬件平台工作情况,服务器端工作情况,并对检测结果进行分析,对工作状态进行修复及上报;
历史日志模块:用于存储***工作状态、历史数据查询、数据库记录和问题定位;
信号特征解析模块:用于采用FIR低通滤波器对当前通道的信号进行低通滤波,并完成滤波后信号的特征分析,包括频谱特征识别,调制模式识别,调制参数识别,跳频信号识别及参数估计,扩频信号识别及参数估计,基于特征库的无人机信号特征识别;
主控软件模块:用于对服务器端进行参数配置,功能调度,信息上报,日志存储和查询;
GPU模块:用于对算法进行加速处理,以及实现低采样率的多路下变频;
上层软件接口:用于数据规整后,对上层软件汇报信息,响应上层软件命令。
4.根据权利要求3所述的基于无线电特征信息提取的无人机监测***,其特征在于,所述信号特征解析模块中基于特征库的无人机信号特征识别依靠3层算法进行实现,其中,第1层为信号识别及参数估计,第2层为调制参数的库特征匹配,第3层为特征库的库特征匹配。
5.根据权利要求3所述的基于无线电特征信息提取的无人机监测***,其特征在于,所述信号特征解析模块中采用FIR低通滤波器对当前通道的信号进行低通滤波时,将读取数据和保存数据过程在CPU端执行,将耗时的滤波运算放入GPU,利用CUDA多线程能力加速运算,减少总体耗时,具体包括以下步骤:
步骤一、确定FIR低通滤波器频率响应系数,将响应系数传给GPU,并保存在GPU内存中,保存时,第一个字节的地址为存储器位宽的整数倍;
步骤二、将待处理输入数据传送给GPU;
步骤三、滤波计算处理:启动多线程时域卷积FIR滤波运算核函数,将采样点数和频率响应系数进行时域卷积操作,在进行卷积操作时,启动N个线程同时工作,线程Ti完成第i个数据与频率系数中的第i系数卷积,并将结果保存在第i个位置上;
步骤四、将结果数据传回客户端:等所有线程同步后,将运算结果从GPU传回客户端,释放GPU内存;
步骤五、结果数据保存,释放内存:将GPU传回主机端的结果数据保存至指定文件地址,保存方式是dat文件格式,释放CPU内存空间,完成滤波器时域并行处理。
6.根据权利要求1所述的基于无线电特征信息提取的无人机监测***,其特征在于,所述客户端具体包括:
历史数据库:用于保存历史获取数据,无人机历史检测结果和结果统计;
数据显示后端:为客户端显示做数据准备,数据组装;
配置和信息查询模块:用于配置当前***、工作频点和工作模式,以及查询当前***版本和历史故障;
远程管理和控制模块:用于远程控制***、配置参数、更新***版本、中频数据采集留盘和留盘数据远程传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285172.8A CN113066249A (zh) | 2021-03-17 | 2021-03-17 | 基于无线电特征信息提取的无人机监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285172.8A CN113066249A (zh) | 2021-03-17 | 2021-03-17 | 基于无线电特征信息提取的无人机监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113066249A true CN113066249A (zh) | 2021-07-02 |
Family
ID=76560880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285172.8A Pending CN113066249A (zh) | 2021-03-17 | 2021-03-17 | 基于无线电特征信息提取的无人机监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066249A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340296A (zh) * | 2011-07-21 | 2012-02-01 | 东北大学秦皇岛分校 | 一种基于gpu的高阶数字fir滤波器频域并行处理实现方法 |
CN107331213A (zh) * | 2017-05-27 | 2017-11-07 | 空网科技(北京)有限公司 | 一种无人机监管方法、*** |
EP3358754A1 (en) * | 2017-02-02 | 2018-08-08 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Antenna array codebook with beamforming coefficients adapted to an arbitrary antenna response of the antenna array |
CN108737318A (zh) * | 2018-07-19 | 2018-11-02 | 中国人民解放军战略支援部队信息工程大学 | 基于信号结构特性的ofdm信号识别方法及*** |
CN109709512A (zh) * | 2019-01-02 | 2019-05-03 | 成都华日通讯技术有限公司 | 一种无人机侦测单站及无人机侦测*** |
CN110166477A (zh) * | 2019-05-30 | 2019-08-23 | 桂林电子科技大学 | 一种基于UDP协议的无人机Wi-Fi图传信号检测方法 |
CN111652183A (zh) * | 2020-06-19 | 2020-09-11 | 桂林电子科技大学 | 基于图传信号多特征融合的无人机检测与识别方法 |
-
2021
- 2021-03-17 CN CN202110285172.8A patent/CN113066249A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340296A (zh) * | 2011-07-21 | 2012-02-01 | 东北大学秦皇岛分校 | 一种基于gpu的高阶数字fir滤波器频域并行处理实现方法 |
EP3358754A1 (en) * | 2017-02-02 | 2018-08-08 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Antenna array codebook with beamforming coefficients adapted to an arbitrary antenna response of the antenna array |
CN107331213A (zh) * | 2017-05-27 | 2017-11-07 | 空网科技(北京)有限公司 | 一种无人机监管方法、*** |
CN108737318A (zh) * | 2018-07-19 | 2018-11-02 | 中国人民解放军战略支援部队信息工程大学 | 基于信号结构特性的ofdm信号识别方法及*** |
CN109709512A (zh) * | 2019-01-02 | 2019-05-03 | 成都华日通讯技术有限公司 | 一种无人机侦测单站及无人机侦测*** |
CN110166477A (zh) * | 2019-05-30 | 2019-08-23 | 桂林电子科技大学 | 一种基于UDP协议的无人机Wi-Fi图传信号检测方法 |
CN111652183A (zh) * | 2020-06-19 | 2020-09-11 | 桂林电子科技大学 | 基于图传信号多特征融合的无人机检测与识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106932753B (zh) | 反无人机被动探测和测向定位*** | |
US11570060B2 (en) | Artificial intelligence real-time microseism monitoring node | |
DE202017106905U1 (de) | Aufwecken von drahtlosen Sensorknoten | |
CN105788355B (zh) | 一种基于Beacon技术的停车位监测***与方法 | |
CN105158255A (zh) | 一种农作物成熟度识别方法 | |
CN110161463B (zh) | 无线通信***中雷达信号检测的方法、***及介质 | |
CN106971474A (zh) | 基于wifi无线信号的入侵监测方法和*** | |
CN108826155A (zh) | 街道照明装置及*** | |
CN110213010B (zh) | 一种基于多通道射频信号的无人机检测***和方法 | |
CN109738724B (zh) | 一种设备的故障诊断方法、装置、存储介质及电子装置 | |
CN114154545A (zh) | 强互干扰条件下无人机测控信号智能识别方法 | |
CN105825705A (zh) | 车位检测与引导***及方法 | |
CN108089071B (zh) | 一种环境门限干扰检测方法 | |
CN104535575A (zh) | 基于无人机检测的农作物成熟度识别平台 | |
CN109581910A (zh) | 一种精准遥控无人机的装置及方法 | |
CN110764152B (zh) | 一种无人机快速检测与识别的装置及方法 | |
CN111474955A (zh) | 无人机图传信号制式的识别方法、装置、设备及存储介质 | |
CN109766821A (zh) | 车辆行车规律分析方法、***、计算机设备及存储介质 | |
CN209486190U (zh) | 一种用于反无人机***的敌我识别装置 | |
CN113066249A (zh) | 基于无线电特征信息提取的无人机监测*** | |
CN109039524B (zh) | 全频段全自动反无人机*** | |
CN114023076B (zh) | 一种基于多源异构数据的特定车辆追踪方法 | |
CN109669170B (zh) | 一种降低无人机信号探测***误警率的方法 | |
CN219018801U (zh) | 一种aisads-b接收机设备 | |
US10419885B2 (en) | Communication device and method, and computer program product for associating a mobile telephony identifier and a computer network identifier |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
RJ01 | Rejection of invention patent application after publication |