基于残差神经网络的无人机射频信号识别

TN971; 针对民用小型无人机对低空领域安全造成威胁及无人机视觉上识别难的问题,提出了一种无人机射频信号识别的方法,使用深度学习技术学习无人机与控制器之间的射频信号特征来识别无人机.首先将射频信号数据集中的无人机信号进行预处理操作,接着使用残差神经网络进行模型训练,最后使用训练好的网络模型对无人机信号进行识别验证.实验结果表明,该方法识别无人机是否存在的准确率达到99.8％,识别无人机型号的准确率达到91.1％,识别无人机运行模式的准确率达到70.3％,且该方法具备较强的鲁棒性和环境抗干扰能力,性能明显优于基准方法....

Full description

Saved in:
Bibliographic Details
Published in电讯技术 Vol. 63; no. 1; pp. 101 - 106
Main Authors 杨小伟, 王泽跃, 杨鹤猛, 杨雪, 张莉莉, 陈艳芳
Format Journal Article
LanguageChinese
Published 国网天津市电力公司城西供电分公司,天津 300301%天津航天中为数据系统科技有限公司,天津 300301 2023
Subjects
射频信号识别
深度学习
遥控信号
小型无人机
残差网络
Online AccessGet full text
ISSN1001-893X
DOI10.20079/j.issn.1001-893x.210902003

Cover

More Information
Summary:TN971; 针对民用小型无人机对低空领域安全造成威胁及无人机视觉上识别难的问题,提出了一种无人机射频信号识别的方法,使用深度学习技术学习无人机与控制器之间的射频信号特征来识别无人机.首先将射频信号数据集中的无人机信号进行预处理操作,接着使用残差神经网络进行模型训练,最后使用训练好的网络模型对无人机信号进行识别验证.实验结果表明,该方法识别无人机是否存在的准确率达到99.8％,识别无人机型号的准确率达到91.1％,识别无人机运行模式的准确率达到70.3％,且该方法具备较强的鲁棒性和环境抗干扰能力,性能明显优于基准方法.
ISSN:1001-893X
DOI:10.20079/j.issn.1001-893x.210902003