小型无人机遥控器信号跳频参数估计方法_徐亚军.pdf

第 44 卷第 4 期兵 器 装 备 工 程 学 报2023 年 4月收稿日期:2022 06 09;修回日期:2022 07 24基金项目:四川省科技计划(2021YFG0192);中国民用航空飞行学院重点项目(ZJ2020-04);四川省大学生创新创业训练计划项目(S202110624146)作者简介:徐亚军(1970)，女，硕士，教授，E-mail:genius98126 com。doi:1011809/bqzbgcxb202304033小型无人机遥控器信号跳频参数估计方法徐亚军，唐文波，鲁合德，司成可(中国民用航空飞行学院，四川 广汉618307)摘要:小型无人机遥控器信号工作带宽约为 80 MHz，传统的无人机遥控器信号参数估计方法有效地完成参数估计工作的前提是采集完整频段的信号，这在加大了参数估计难度的同时提高了对信号采集设备的要求。针对这一问题，基于频域互相关运算获得相邻时隙采样信号的频域互相关特性，通过引入逻辑回归、门限自适应去噪算法估计无人机遥控器信号参数，该方法不仅避免了设定阈值，提高了参数估计性能，而且能够估计在采样频率有限场景下所采集的时域非连续无人机遥控器信号的跳频参数。基于仿真和实测数据对比分析了传统的 2 种跳频信号参数估计方法与所提方法的参数估计性能。实验结果表明:与传统参数估计方法相比，无论小型无人机遥控器信号能否被完整采集，所提方法在参数估计精度方面均具有较大优势。且当信噪比超过 3 dB 时，所提方法的参数估计性能达到饱和。关键词:跳频信号;小型无人机;参数估计;频域互相关;逻辑回归本文引用格式:徐亚军，唐文波，鲁合德，等 小型无人机遥控器信号跳频参数估计方法J 兵器装备工程学报，2023，44(4):233 238Citation format:XU Yajun，TANG Wenbo，LU Hede，et al Estimation methods of frequency hopping parameters of small-scale UAV remote controllers J Journal of Ordnance Equipment Engineering，2023，44(4):233 238中图分类号:TN914 41文献标识码:A文章编号:2096 2304(2023)04 0233 06Estimation methods of frequency hopping parameters ofsmall-scale UAV remote controllersXU Yajun，TANG Wenbo，LU Hede，SI Chengke(Civil Aviation Flight University of China，Guanghan 618307，China)Abstract:The working bandwidth of the signals of a remote controller for a small-scale unmanned aerialvehicle(UAV)is about 80 MHz The premise of the traditional UAV remote control signal parameterestimation method to effectively estimate the parameters lies in the acquisition of the complete frequencyband signals，which increases the difficulty of parameter estimation and enhances the requirements of thesignal acquisition equipment In this view，based on frequency domain cross-correlation operation to obtainfrequency domain cross-correlation characteristics of sampled signals between adjacent time intervals，thispaper proposes a parameter estimation method for the signals of a UAV remote controller by introducinglogical regression and the threshold self-adaption denoising algorithm This proposed method not onlyeliminates the fixed threshold to improve the performance of parameter estimation，but also estimates thefrequency hopping parameters of the discontinuous time-domain signals of the UAV remote controllercollected in scenarios with limited sampling frequency Based on the simulation and the measured data，performance of the frequency hopping signal parameters of the two traditional estimation methods iscompared with that of the proposed methodThe simulation and experimental results show that theparameter estimation accuracy of the proposed method outperforms that of its traditional counterparts，whether the signals of the UAV remote controller are completely collected or not In addition，when thesignal-to-noise ratio(SN)is over 3 dB，the performance of the parameter estimation of the proposedmethod reaches the saturation performanceKey words:frequency hopping(FH)signal;small-scale unmanned aerial vehicle(UAV);parameterestimation;frequency domain cross-correlation;logical regression0引言近年来，无人机滥用和黑飞现象时有发生，导致安全事故层出不穷1。雷达2、声学3、光电4 等检测技术成为了检测无人机目标的主流手段。但是上述检测技术均存在其不足，而无线电检测5 是利用无人机与遥控器之间的控制信号来检测无人机目标，具有监测距离远、受环境影响小等显著特点。跳频扩频信号是典型的非平稳信号，时频分析法6 凭借对非平稳信号的分析拥有强大的处理能力成为了无人机信号检测的主流方法。在该类方法中，线性时频分析法运算复杂度低、实时性高，但无法同时获得高时间、频率分辨力7。非线性时频分析法具有良好的时频聚集性，但存在运算量与时频聚集性无法兼得的问题8 10，这严重影响了参数估计的性能。近年来，许多组合时频估计参数算法被相继提出，如文献 11 将 STFT 和 SPWVD 相组合提出了一种新的时频分析方法，参数估计性能得到了提升，但是受噪声影响大。文献 12 在时频分析基础上引入门限降噪策略对噪声进行抑制，提高了信号时频参数估计性能，但是设置的静态门限难以应对复杂动态变化的信号检测场景。考虑当前各类跳频信号参数估计方法均存在各自不足，基于频域互相关运算获得相邻时隙采样信号的频域互相关特征，通过引入逻辑回归、门限自适应去噪算法完成对无人机遥控器信号参数的估计，提高了跳频信号特征参数的估计性能。1信号模型与算法介绍1 1跳频信号时域模型小型无人机遥控器信号普遍采用跳频通信技术，典型的跳频信号时域模型13 如下:s(t)=Kk=1ak(t)sk(t)(1)其中:sk(t)=exp j(2fkt+k)rect(t/TH)rect(t/TH)=1，0 t/TH 10，others(2)式(1)中的 K 为可观测到的跳频次数;ak(t)表示幅度;式(2)中，t=t (k 1)TH，sk(t)、fk、k分别表示第 k 个跳频信号分量及其瞬时载波中心频率和初始相位;TH为每跳驻留时长。在均值为 0 方差为 2的复高斯白噪声噪声场景中，经过对信号离散采样后的 N 点离散信号观测值建模为g(n)=s(n)+v(n)，n=1，2，N(3)1 2逻辑回归算法逻辑回归分类器本质上是一组权值，与支持向量机、神经网络等自主优化训练的学习算法相比，其在模型训练、预测耗时上都占有很大优势。逻辑回归模型14 的数学表达式为f(;x)=11+exp(Tx)(4)式中:为模型权值;x 为输入序列;f(;x)为模型预测的概率值，取值范围为(0，1)。根据实际需要设置阈值，通过判断 f(;x)是否超过阈值确定预测结果的所属类别。利用最大似然方法对 进行估算，它是一个高阶可导的凸函数求解问题，本文中采用梯度下降法求最优解。1 3门限自适应算法对离散信号 g(n)进行傅里叶变换后得到 G(n)，则去噪算法的门限值15 为th=wNNn=1G(n)(5)由于噪声能量较小且分布在整个频域范围内，而跳频信号的能量则相对比较集中，因此存在一个门限值能区分信号和噪声，但是在不同场景下信号和噪声的能量差异也不同，所以门限值是变化的，因此本文中引入门限自适应去噪算法去除噪声。具体步骤如下:1)设定 w 在区间 1，10)以 0 1 为步长取值，并根据式(5)计算出门限值 th(i)，其中 1i90。2)通过式(6)统计大于门限值 th(i)的点数:c(i)=c(i)+1，G(n)th(i)0，G(n)th(i)n=1，2，N(6)3)计算 c(i)二次差分结果中首次最接近零值的点，将其对应的权重 w 代入式(5)得到门限值。432兵 器 装 备 工 程 学 报http:/bzxb cqut edu cn/2小型无人机遥控器信号跳频参数估计方法同一架无人机遥控器信号的每跳信号具有相同带宽，利用频域互相关处理可在频域上获得高相似性的能量分布特征，因此基于该特性可以估计出无人机遥控器信号跳频参数。为展示该特性，基于前文所述的跳频信号模型生成仿真数据，设无人机遥控器信号的频率范围为 10 250 kHz，频率间隔为 50 kHz，每跳信号驻留时长为 10 ms，采样频率为900 kHz，采样时长为 500 ms，信号划分时隙为 1 ms，信噪比为 9 dB。计算了无人机遥控器信号与噪声的、相邻跳信号的以及同一跳信号不同时隙的频谱图及其频域互相关结果。如图1 所示，当相邻时隙信号的前一时隙和后一时隙分别为噪声、信号时，两者的频域互相关结果不会出现明显峰值，很显然此时相邻时隙信号不是同一跳无人机遥控器信号。图2 中，当相邻时隙信号的前一时隙为前一跳信号的末段信号，后一时隙为后一跳信号的首段信号时，两者的频域互相关结果的峰值位置处于非 0 偏移频点，虽然相邻时隙信号均是无人机遥控器信号，但不属于同一跳无人机遥控器信号。图 1跳频信号与噪声的计算结果Fig 1 The calculation results of freque