本發(fā)明涉及人工智能，具體地說(shuō)，涉及一種基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)。

背景技術(shù)：

1、基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)是一種先進(jìn)的技術(shù)解決方案，旨在通過(guò)智能識(shí)別和精確干擾無(wú)人機(jī)的遙控信號(hào)，有效應(yīng)對(duì)未經(jīng)授權(quán)的無(wú)人機(jī)活動(dòng)。該系統(tǒng)的核心在于結(jié)合了現(xiàn)代人工智能算法與無(wú)線通信技術(shù)，能夠自動(dòng)檢測(cè)、分類(lèi)無(wú)人機(jī)信號(hào)，并快速生成針對(duì)性的干擾信號(hào)，以此中斷無(wú)人機(jī)與地面控制站之間的通信鏈接，迫使無(wú)人機(jī)進(jìn)入預(yù)設(shè)的安全模式，例如返航或降落。

2、在現(xiàn)有的基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)中，依賴(lài)于人工智能算法的系統(tǒng)需要大量的數(shù)據(jù)訓(xùn)練來(lái)提高其準(zhǔn)確性和可靠性，而在無(wú)人機(jī)領(lǐng)域，獲取高質(zhì)量的訓(xùn)練數(shù)據(jù)既困難又昂貴。由于無(wú)人機(jī)遙控器信號(hào)的多樣性和復(fù)雜性，現(xiàn)有的干擾控制系統(tǒng)可能難以全面覆蓋所有類(lèi)型的信號(hào)，特別是在面對(duì)新型或未知的干擾手段時(shí)，系統(tǒng)的防御能力會(huì)大大降低。因此，設(shè)計(jì)一種基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)，以解決上述背景技術(shù)中提出的在現(xiàn)有的基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)中，依賴(lài)于人工智能算法的系統(tǒng)需要大量的數(shù)據(jù)訓(xùn)練來(lái)提高其準(zhǔn)確性和可靠性，而在無(wú)人機(jī)領(lǐng)域，獲取高質(zhì)量的訓(xùn)練數(shù)據(jù)既困難又昂貴。由于無(wú)人機(jī)遙控器信號(hào)的多樣性和復(fù)雜性，現(xiàn)有的干擾控制系統(tǒng)可能難以全面覆蓋所有類(lèi)型的信號(hào)，特別是在面對(duì)新型或未知的干擾手段時(shí)，系統(tǒng)的防御能力會(huì)大大降低的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明目的在于提供了一種基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)，包括信號(hào)采集單元，所述信號(hào)采集單元通過(guò)無(wú)線電接收模塊捕獲無(wú)人機(jī)遙控器發(fā)出的無(wú)線電信號(hào)；

3、信號(hào)處理單元，所述信號(hào)處理單元根據(jù)信號(hào)采集單元捕獲到的無(wú)線電信號(hào)，通過(guò)特征提取算法對(duì)無(wú)線電信號(hào)進(jìn)行數(shù)據(jù)處理；

4、識(shí)別分類(lèi)單元，所述識(shí)別分類(lèi)單元根據(jù)信號(hào)處理單元處理后的無(wú)線電信號(hào)，通過(guò)識(shí)別分類(lèi)模型對(duì)無(wú)線電信號(hào)進(jìn)行分類(lèi)；

5、干擾控制單元，所述干擾控制單元根據(jù)識(shí)別分類(lèi)單元的分類(lèi)結(jié)果，設(shè)計(jì)干擾控制決策規(guī)則。

6、作為本技術(shù)方案的進(jìn)一步改進(jìn)：所述信號(hào)采集單元包括無(wú)線電接收模塊、功率識(shí)別模塊和頻率識(shí)別模塊；

7、其中，所述無(wú)線電接收模塊通過(guò)sdr設(shè)備采集無(wú)線電信號(hào)；

8、；

9、其中，表示接收到的信號(hào)；表示接收設(shè)備的沖激響應(yīng)；表示實(shí)際傳輸?shù)男盘?hào)；表示信號(hào)在時(shí)間軸上的變化；表示信號(hào)在不同時(shí)間點(diǎn)之間的關(guān)系；

10、所述功率識(shí)別模塊用于測(cè)量接收到的無(wú)線電信號(hào)的功率水平；

11、所述頻率識(shí)別模塊用于識(shí)別無(wú)線電信號(hào)所使用的頻率。

12、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述信號(hào)處理單元基于特征提取算法對(duì)信號(hào)采集單元捕獲到的無(wú)線電信號(hào)進(jìn)行數(shù)據(jù)處理的具體步驟為：

13、s2.1、對(duì)捕獲到的無(wú)線電信號(hào)進(jìn)行去噪和歸一化的預(yù)處理；

14、s2.2、從預(yù)處理后的信號(hào)中提取特征；

15、s2.3、將提取的特征組合成一個(gè)特征向量，用于后續(xù)的信號(hào)分類(lèi)和識(shí)別。

16、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述s2.1中，對(duì)捕獲到的無(wú)線電信號(hào)進(jìn)行去噪和歸一化的預(yù)處理具體過(guò)程為：

17、使用低通濾波器去除高頻噪聲；

18、；

19、其中，表示濾波后的信號(hào)；表示原始信號(hào)；表示低通濾波器的沖激響應(yīng)；表示卷積運(yùn)算；

20、卷積運(yùn)算表示為：

21、；

22、其中，表示卷積運(yùn)算中的索引；表示無(wú)窮值；表示輸入信號(hào)在時(shí)刻的取值；表示系統(tǒng)的沖激響應(yīng)，即在時(shí)刻處相對(duì)于的位移值；

23、將信號(hào)歸一化到一個(gè)固定的范圍；

24、；

25、其中，表示歸一化后的信號(hào)；表示原始信號(hào)的最小值；表示原始信號(hào)的最大值。

26、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述s2.2中，從預(yù)處理后的信號(hào)中提取特征具體過(guò)程為：

27、將特征分為三類(lèi)提?。?/p>

28、時(shí)域特征：

29、計(jì)算信號(hào)的平均值：

30、；

31、其中，表示信號(hào)的平均值；表示信號(hào)的長(zhǎng)度；表示索引變量；

32、計(jì)算信號(hào)的方差：

33、；

34、其中，表示信號(hào)的方差；

35、計(jì)算信號(hào)的最大值與最小值之差：

36、；

37、其中，表示信號(hào)的最大值與最小值之差；

38、計(jì)算信號(hào)過(guò)零的次數(shù)：

39、；

40、其中，表示信號(hào)過(guò)零的次數(shù)；表示符號(hào)函數(shù)；表示的下一個(gè)信號(hào)數(shù)據(jù)點(diǎn)；

41、頻域特征：

42、將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)：

43、；

44、其中，表示頻域信號(hào)；表示頻率索引；表示尺度系數(shù)；

45、計(jì)算頻譜的總能量：

46、；

47、其中，表示頻譜的總能量；

48、計(jì)算頻譜的熵：

49、；

50、其中，表示頻譜的熵；第個(gè)頻率分量的歸一化能量；

51、小波變換特征：

52、將信號(hào)分解為不同尺度的小波系數(shù)：

53、；

54、其中，表示小波變換后的系數(shù)；表示小波基函數(shù)；

55、計(jì)算每個(gè)尺度的小波系數(shù)能量：

56、；

57、其中，表示第尺度的小波系數(shù)能量。

58、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述識(shí)別分類(lèi)單元基于svm算法構(gòu)建識(shí)別分類(lèi)模型，則識(shí)別分類(lèi)模型構(gòu)建過(guò)程為：

59、s3.1、根據(jù)信號(hào)處理單元的特征向量創(chuàng)建數(shù)據(jù)集；

60、s3.2、將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

61、s3.3、通過(guò)svm算法訓(xùn)練識(shí)別分類(lèi)模型；

62、s3.4、使用測(cè)試集測(cè)試評(píng)估模型的性能。

63、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述s3.3中，通過(guò)svm算法訓(xùn)練識(shí)別分類(lèi)模型的具體訓(xùn)練步驟為：

64、s3.31、使用高斯核函數(shù)處理非線性分類(lèi)問(wèn)題；

65、其中，高斯核函數(shù)具體表達(dá)式為：

66、；

67、其中，表示高斯核函數(shù)；表示第個(gè)樣本的特征向量；表示第個(gè)樣本的特征向量；表示核函數(shù)的參數(shù)，控制高斯核的寬度；表示自然指數(shù)函數(shù)；

68、s3.32、構(gòu)建優(yōu)化問(wèn)題，用于讓兩類(lèi)數(shù)據(jù)之間的間隔最大化；

69、其中，優(yōu)化問(wèn)題表示為：

70、；

71、；

72、；

73、其中，表示權(quán)重向量；表示偏置項(xiàng)；表示松弛變量；表示正則化參數(shù)；表示樣本總數(shù)；表示第個(gè)樣本的標(biāo)簽；

74、s3.33、將優(yōu)化問(wèn)題轉(zhuǎn)換為對(duì)偶問(wèn)題；

75、其中，對(duì)偶問(wèn)題表示為：

76、；

77、；

78、；

79、其中，表示第個(gè)樣本的拉格朗日乘子；表示第個(gè)樣本的拉格朗日乘子；表示第個(gè)樣本的標(biāo)簽；

80、s3.34、使用smo算法求解對(duì)偶問(wèn)題，得到最優(yōu)的拉格朗日乘子。

81、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述s3.34中，使用smo算法求解對(duì)偶問(wèn)題，得到最優(yōu)的拉格朗日乘子的具體步驟為：

82、初始化所有拉格朗日乘子，選擇兩個(gè)拉格朗日乘子和進(jìn)行優(yōu)化；

83、在優(yōu)化過(guò)程中，添加隨機(jī)擾動(dòng)：

84、；

85、；

86、其中，和；表示標(biāo)準(zhǔn)差，用于控制擾動(dòng)的強(qiáng)度；

87、計(jì)算的邊界和：

88、；

89、；

90、計(jì)算兩個(gè)樣本的誤差和：

91、；

92、；

93、更新：

94、；

95、其中，表示新的拉格朗日乘子；表示核函數(shù)的二階導(dǎo)數(shù)；

96、將調(diào)整到邊界和之間：

97、；

98、更新：

99、；

100、其中，表示新的拉格朗日乘子；

101、更新閾值：

102、；

103、；

104、其中，表示拉格朗日乘子的閾值；表示拉格朗日乘子的閾值；表示原始閾值；

105、選擇新的閾值：

106、；

107、其中，表示拉格朗日乘子的新閾值；

108、檢查是否滿足收斂條件，通過(guò)檢查拉格朗日乘子的變化是否小于閾值來(lái)判斷，不滿足收斂條件，重復(fù)上述步驟；

109、滿足收斂條件后，通過(guò)代入求解對(duì)偶問(wèn)題得到最優(yōu)的拉格朗日乘子。

110、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述s3.4中，使用測(cè)試集測(cè)試評(píng)估模型的性能的具體步驟為：

111、s3.41、根據(jù)最優(yōu)的拉格朗日乘子，計(jì)算權(quán)重向量和偏置項(xiàng)；

112、其中，計(jì)算權(quán)重向量和偏置項(xiàng)具體的表達(dá)式為：

113、；

114、；

115、其中，表示支持向量；表示支持向量的標(biāo)簽；

116、s3.42、預(yù)測(cè)新樣本；

117、其中，預(yù)測(cè)新樣本的具體表達(dá)式為：

118、；

119、；

120、其中，表示新的樣本特征向量；表示決策函數(shù)；表示新樣本的預(yù)測(cè)標(biāo)簽；

121、s3.43、使用測(cè)試集評(píng)估模型的性能，得出評(píng)估指標(biāo)。

122、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述干擾控制單元根據(jù)識(shí)別分類(lèi)單元的分類(lèi)結(jié)果，設(shè)計(jì)干擾控制決策規(guī)則，即干擾控制決策規(guī)則具體為：

123、s4.1、根據(jù)無(wú)人機(jī)發(fā)射功率調(diào)整干擾信號(hào)的發(fā)射功率；

124、其中，根據(jù)無(wú)人機(jī)發(fā)射功率調(diào)整干擾信號(hào)的發(fā)射功率的調(diào)整依據(jù)為：

125、；

126、其中，表示干擾信號(hào)的發(fā)射功率；表示最大發(fā)射功率；表示最小發(fā)生功率；表示無(wú)人機(jī)發(fā)射功率；表示高無(wú)人機(jī)發(fā)射功率；表示中低無(wú)人機(jī)發(fā)射功率；

127、s4.2、根據(jù)無(wú)人機(jī)無(wú)線電波頻率調(diào)整干擾信號(hào)的頻率；

128、其中，根據(jù)無(wú)人機(jī)無(wú)線電波頻率調(diào)整干擾信號(hào)的頻率的調(diào)整依據(jù)為：

129、；

130、其中，表示干擾信號(hào)的頻率；表示新的頻率；表示當(dāng)前頻率；表示無(wú)線電波頻率；表示中高無(wú)人機(jī)無(wú)線電波頻率；表示低無(wú)人機(jī)無(wú)線電波頻率；

131、s4.3、通過(guò)lfsr生成偽隨機(jī)序列作為干擾信號(hào)；

132、；

133、其中，表示干擾信號(hào)序列；表示反饋系數(shù)；表示寄存器的長(zhǎng)度；表示模運(yùn)算。

134、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

135、1、該一種基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)中，通過(guò)配備有高性能的無(wú)線電接收設(shè)備，能夠適應(yīng)不同的頻段和調(diào)制方式，確保信號(hào)的完整性和準(zhǔn)確性。通過(guò)對(duì)捕獲到的無(wú)線電信號(hào)進(jìn)行預(yù)處理和特征提取，可以去除噪聲和冗余信息，突出信號(hào)的關(guān)鍵特征。

136、2、該一種基于人工智能的無(wú)人機(jī)遙控器信號(hào)源干擾控制系統(tǒng)中，通過(guò)識(shí)別分類(lèi)模型，能夠?qū)μ幚磉^(guò)的無(wú)線電信號(hào)進(jìn)行精確分類(lèi)，區(qū)分正?？刂菩盘?hào)與潛在的干擾信號(hào)。根據(jù)識(shí)別分類(lèi)單元的結(jié)果，制定并執(zhí)行干擾控制策略，以保護(hù)無(wú)人機(jī)不受惡意干擾的影響。