CN106452716A - 基于Hash指纹的无人机信号识别检测算法 - Google Patents

Abstract

本发明公开了基于Hash指纹的无人机信号识别检测算法，包括以下步骤：S1、采集无线信号(包括无人机)物理层前导码的射频信号，进行起点检测、提取无线信号前导码射频信号的包络；S2、采用改进的峰值检测算法得到无线信号的前导码特征波形信息，包括包络峰值幅度和位置信息；S3、根据前导码特征波形信息构建无人机信号的Hash指纹，并进行指纹识别。本发明的算法能够根据无线信号前导码射频信号特征波形的不同，提取无线信号的特征波形信息，并进行Hash指纹识别，无人机信号识别率高。

Description

基于Hash指纹的无人机信号识别检测算法

技术领域

本发明涉及本发明涉及通信技术领域，特别涉及到IEEE 802.11b及IEEE 802.11n无线通信协议的前导码相关的调制、解调方式，具体涉及基于Hash指纹的无人机信号识别检测算法。

背景技术

随着科学技术的发展，无人机不再仅仅应用于军事，民用市场也进一步扩大。根据有关研究报告显示，预计2018年，市场规模将达到110.9亿元人民币。但是无人机可能造成国家机密、军事机密泄露等风险，也可能危害公众安全，存在侵犯隐私权等问题。

现有的无人机发现技术包括有基于WiFi信号的数据链路层的信号特征识别；基于联合多传感的开发技术；基于TTCP AG-6的声波检测技术；基于低成本的声阵列技术等。其他的也包括电子扫描雷达目标检测、电光(EO)跟踪与分类、红外摄像机、测向仪、电子监视传感器、热成像摄像机、陀螺稳定向器、声学检测技术、三维监视雷达和C3的的功能、轻型激光指示器测距仪、空中监视雷达、电子战系统、小型雷达检测民用无人机信号等。但目前还没有针对无人机物理层前导码的射频信号波形特征信息的区别来识别无人机信号。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于Hash指纹的无人机信号识别检测算法。

为实现上述目的，本发明采用以下技术方案：

基于Hash指纹的无人机信号识别检测算法，包括以下步骤：

S1、采集无线信号(包括无人机)物理层前导码的射频信号，进行起点检测、提取无线信号前导码射频信号的包络；

S2、采用改进的峰值检测算法得到无线信号的前导码特征波形信息，包括包络峰值幅度和位置信息；

S3、根据前导码特征波形信息构建无人机信号的Hash指纹，并进行指纹识别。

进一步地，所述步骤S1中的采集无线信号(包括无人机)物理层前导码的射频信号，具体为：首先用接收天线、示波器等设备采集无线信号波形，并对信号进行起点检测，对相关无线信号进行包络提取。

进一步地，所述步骤S2中的改进的峰值检测算法具体为：

S21、输入无线信号前导码射频信号包络及相关的峰值信息，包括峰值幅度和位置；

S22、找出原始波形相邻峰值间的所有幅度值；

S23、将波形的幅度与两个峰值中的最小值做对比，并判断是否有幅度小于较小峰值的点：若有，则去掉较小的峰值；若无，则进行下一组相邻峰值间幅值的比较，直到所有的相邻峰值都比较完成；

S24、输出并保存重新组成峰值幅度、位置的数组信息。

进一步地，所述步骤S3的具体操作步骤为：

S31、输入无线信号的峰值幅度和位置信息，并计算出相邻峰值间的距离，组成数组，图5为无线信号前导码峰值前后相对位置分布统计图；

S32、计算出所有相对位置的均值，并判断均值与相对位置的大小：设定权值的范围为0到1，并设定一个初始权值0.5；若相对位置大于均值*权值，则记为1；若相对位置小于均值*权值，则记为-1；其他的则记为0；由此得到一组由1、-1、0组成一维数组，即为无线信号Hash指纹；选择不同的权值做处理，并根据无人机训练样本的识别率，选择Hash指纹识别率较高的权值作为最终权值；

S33、得到所有无人机信号的Hash指纹，并根据不同无人机的Hash指纹对无人机训练样本的识别率得到一组普遍性较大，识别率较高的无人机信号的Hash指纹作为最终的无人机Hash指纹样本；

S34、将得到的无人机Hash指纹与未知信号做对比：

若未知信号的Hash指纹与无人机信号Hash指纹维数相同，则将两组Hash指纹逐一进行对比；若未知信号的Hash指纹比无人机信号Hash指纹维数多，则对未知信号的Hash指纹末尾进行裁切，使得指纹维数与无人机Hash指纹维数一致；若未知信号的Hash指纹比无人机信号Hash指纹维数少，则对未知信号的Hash指纹进行末尾补零，使得未知信号的Hash指纹维数与无人机Hash指纹维数一致；

S35、得到未知信号与无人机信号的Hash指纹相同数：

若Hash指纹相同数大于较小指纹维数*权值，则判断两组Hash指纹为同一信号；若Hash指纹相同数小于指纹维数*权值，则判断两组Hash指纹为不同信号。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

本发明创新地利用无线信号前导码射频信号特征波形的不同，提取无线信号的特征波形信息，并进行Hash指纹识别；本发明提出了基于Hash指纹的无人机信号识别的改进的峰值检测算法，能够较好的减少原始峰值检测算法对信号峰值的误判，提高了峰值提取的正确率，从而提高无人机信号识别率；实测的识别结果表明，采用合适的无人机Hash指纹识别率可达到90％以上，而采用改进的峰值检测算法后，无人机信号的识别率可达到95％以上

附图说明

图1为Hash指纹无人机信号识别检测算法总流程图；

图2为无人机前导码包络提取示意图；

图3为改进的峰值检测算法统计示意图；

图4为无线信号前导码峰值位置分布统计图；

图5为无线信号前导码峰值前后相对位置分布统计图；

图6为Hash指纹识别算法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

无人机无线信号在2.4G频段中，而在这个频段中还包括IEEE 802.11b和IEEE802.11n两种无线信号。我们通过利用这3种信号前导码波形特征信息的不同，对无人机的无线信号进行分类识别。

图1为Hash指纹无人机信号识别检测算法的总流程图，本发明基于Hash指纹的无线信号检测算法，通过无线信号物理层前导码射频信号包络Hash指纹的不同识别检测无线信号，能够有效的识别出不同的无线信号，达到识别无人机信号的目的。

基于Hash指纹的无人机信号识别检测算法，主要包含以下三个步骤：

S1、首先，利用接收天线、示波器等设备采集无线信号(包括无人机)物理层前导码的射频信号特征波形，进行起点检测、提取无线信号前导码射频信号的包络。

图2为无人机前导码包络提取示意图。

S2、其次，采用改进的峰值检测算法得到无线信号前导码射频信号包络的峰值信息，包括峰值幅度和位置。

其中，改进的峰值检测算法是基于原有的峰值检测算法之上的。

改进的峰值检测算法过程如下：

S21、输入无线信号前导码射频信号包络及相关的峰值信息，包括峰值幅度和位置；

S22、找出原始波形相邻峰值间的所有幅度值；

S23、将波形的幅度与两个峰值中的最小值做对比，并判断是否有幅度小于较小峰值的点：若有，则去掉较小的峰值；若无，则进行下一组相邻峰值间幅值的比较，直到所有的相邻峰值都比较完成；

S24、输出并保存重新组成峰值幅度、位置的数组信息。

图3为采用改进的峰值检测算法和原始峰值检测算法对无线信号前导码射频信号包络峰值检测的对比图。

图4为采用改进的峰值检测算法得到的无线信号前导码峰值位置分布统计图。

S3、最后，根据峰值幅度和位置构建无人机信号的Hash指纹，并进行指纹识别。

其中，无人机信号的Hash指纹的构建和识别的具体步骤如下：

S31、输入无线信号的峰值幅度和位置信息，并计算出相邻峰值间的距离，组成数组，图5为无线信号前导码峰值前后相对位置分布统计图；

S32、计算出所有相对位置的均值，并判断均值与相对位置的大小：若相对位置大于均值*权值，则记为1；若相对位置小于均值*权值，则记为-1；其他的则记为0；由此得到一组由1、-1、0组成一维数组，即为无线信号Hash指纹；

S33、得到所有无人机信号的Hash指纹，并得到一组相同概率较大的无人机信号的Hash指纹；

S34、得到一组较为合适的无人机信号Hash指纹，并与未知信号做对比：

若未知信号的Hash指纹与无人机信号Hash指纹维数相同，则将两组Hash指纹逐一进行对比；若未知信号的Hash指纹与无人机信号Hash指纹维数不同，则只比较较少维数的部分；

S35、得到未知信号与无人机信号的Hash指纹相同数：

若Hash指纹相同数大于较小指纹维数*权值，则判断两组Hash指纹为同一信号；若Hash指纹相同数小于指纹维数*权值，则判断两组Hash指纹为不同信号。

图6为Hash指纹的无线信号前导码射频信号识别检测算法具体流程图。

本发明提出的基于Hash指纹的无人机信号识别检测算法，实测的识别结果表明，采用合适的无人机Hash指纹识别率可达到90％以上；而采用改进的峰值检测算法后，无人机信号的识别率可达到95％以上。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.基于Hash指纹的无人机信号识别检测算法，其特征在于：包括以下步骤：

S1、采集无线信号(包括无人机)物理层前导码的射频信号，进行起点检测、提取无线信号前导码射频信号的包络；

S2、采用改进的峰值检测算法得到无线信号的前导码特征波形信息，包括包络峰值幅度和位置信息；

S3、根据前导码特征波形信息构建无人机信号的Hash指纹，并进行指纹识别。

2.根据权利要求1所述的基于Hash指纹的无人机信号识别检测算法，其特征在于：所述步骤S2中的改进的峰值检测算法具体为：

S21、输入无线信号前导码射频信号包络及相关的峰值信息，包括峰值幅度和位置；

S22、找出原始波形相邻峰值间的所有幅度值；

S23、将波形的幅度与两个峰值中的最小值做对比，并判断是否有幅度小于较小峰值的点：若有，则去掉较小的峰值；若无，则进行下一组相邻峰值间幅值的比较，直到所有的相邻峰值都比较完成；

S24、输出并保存重新组成峰值幅度、位置的数组信息。

3.根据权利要求1所述的基于Hash指纹的无人机信号识别检测算法，其特征在于：所述步骤S3的具体操作步骤为：

S31、输入无线信号的峰值幅度和位置信息，并计算出相邻峰值间的距离，组成数组，图5为无线信号峰值前后相对位置分布统计图；

S32、计算出所有相对位置的均值，并判断均值与相对位置的大小：设定权值的范围为0到1，并设定一个初始权值0.5；若相对位置大于均值*权值，则记为1；若相对位置小于均值*权值，则记为-1；其他的则记为0；由此得到一组由1、-1、0组成一维数组，即为无线信号Hash指纹；选择不同的权值做处理，并根据无人机训练样本的识别率，选择Hash指纹识别率较高的权值作为最终权值；

S33、得到所有无人机信号的Hash指纹，并根据不同无人机的Hash指纹对无人机训练样本的识别率得到一组普遍性较大，识别率较高的无人机信号的Hash指纹作为最终的无人机Hash指纹样本；

S34、将得到的无人机Hash指纹与未知信号做对比：

若未知信号的Hash指纹与无人机信号Hash指纹维数相同，则将两组Hash指纹逐一进行对比；若未知信号的Hash指纹比无人机信号Hash指纹维数多，则对未知信号的Hash指纹末尾进行裁切，使得指纹维数与无人机Hash指纹维数一致；若未知信号的Hash指纹比无人机信号Hash指纹维数少，则对未知信号的Hash指纹进行末尾补零，使得未知信号的Hash指纹维数与无人机Hash指纹维数一致；

S35、得到未知信号与无人机信号的Hash指纹相同数：

若Hash指纹相同数大于较小指纹维数*权值，则判断两组Hash指纹为同一信号；若Hash指纹相同数小于指纹维数*权值，则判断两组Hash指纹为不同信号。