← 返回列表
基于深度学习的无人机通信干扰任务生成方法
摘要文本
本发明涉及通信信号处理技术领域，提出了基于深度学习的无人机通信干扰任务生成方法，包括：获取通信混合信号；根据通信混合信号频谱图获取成分特征匹配向量；根据每个频率处的斜率信息获取局部振幅序列；根据局部振幅序列获取成分特征匹配度；利用阈值分割算法得到频率特征折线图中的分割区域；根据分割区域的数量利用独立成分分析算法获取子信号分解结果；根据子信号分解结果利用波形匹配算法获取弱项干扰信号；根据弱项干扰信号利用深度学习模型生成干扰反制信号，基于干扰反制信号完成对无人机通信的干扰。本发明利用通信混合信号频谱图的分布特征得到独立成分分析算法中的成分数，提高了独立成分分析算法对通信混合信号的分离精度。
申请人信息
- 申请人:郑州佛光发电设备股份有限公司
- 申请人地址:450001 河南省郑州市高新开发区冬青街50号
- 发明人: 郑州佛光发电设备股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习的无人机通信干扰任务生成方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311537262.7 |
| 申请日 | 2023/11/17 |
| 公告号 | CN117579216A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | H04K3/00 |
| 权利人 | 郑州佛光发电设备股份有限公司 |
| 发明人 | 费薇; 翟兆岩; 陈姚伟; 周少帅; 张静; 汪望勤; 张建伟; 李强 |
| 地址 | 河南省郑州市高新开发区冬青街50号 |
专利主权项内容
1.基于深度学习的无人机通信干扰任务生成方法，其特征在于，该方法包括以下步骤：获取无人机通信系统产生的通信混合信号；根据通信混合信号的时域信息获取通信混合信号频谱图中每个频率的成分特征匹配向量；根据通信混合信号频谱图中每个频率处的斜率信息获取每个频率的局部振幅序列；根据每个频率的局部振幅序列获取每个频率的成分特征匹配度；利用阈值分割算法得到所有频率的成分特征匹配度构建的频率特征折线图中的分割区域；基于所述分割区域的数量利用独立成分分析算法获取通信混合信号的子信号分解结果；根据通信混合信号的子信号分解结果利用波形匹配算法获取无人机通信的弱项干扰信号；根据无人机通信的弱项干扰信号利用深度学习模型生成作用于无人机通信的干扰反制信号，根据干扰反制信号实现对无人机通信的干扰。