一种无人机信号频段检测方法及装置

1.本发明涉及无人机信号检测技术领域，尤其涉及一种无人机信号频段检测方法及装置。


背景技术：

2.为了应对无人机发展带来的负面影响，保证飞行安全和公共安全，加强对无人机飞行的监管成为行业热点和社会共识，对无人机进行主动探测成为了重要的监管手段。其中，无人机信号的检测是无人机探测的前提和重要环节，能有效防止“黑飞”现象，减少不必要的危险，具有重要的意义和应用价值。
3.在无人机信号检测中，信号频段是需要检测的关键参数。对于信号的频段检测，传统的方法是基于信号一维频谱的幅度对信号出现的频段进行检测。然而，对于非合作接收方，其接收信号的传播信道可能不理想，例如存在突发干扰、噪声不平稳等因素，使得信号一维幅度谱难以正确反映目标信号的特点，从而导致传统方法出现检测准确率低的问题。
4.为了解决传统方法存在的问题，基于时频图的信号频段检测方法应运而生。通过将接收信号转化为时频图，可通过图像处理方法提取信号在时域上的连续性特征，在此基础上检测信号频段。该类方法相比于传统方法利用了额外的时域信息，从而提高了信号频段检测的准确性。目前常用的基于时频图的信号频段检测方法是深度学习方法，该类方法通过将大量时频图数据集输入到构建的神经网络中进行训练，得到适用于检测对应类型信号频段的神经网络模型。
5.虽然深度学习类方法能够检测信号的频段，但此类方法需要较大的时频图数据集才能将神经网络模型训练到性能较好的程度，而获取大规模的数据集一般需要较大的成本，在实际场景中往往并不适用。考虑到传统图像处理方法不需要大量的时频图训练数据集，且具备较好识别时频图中信号的能力，本发明研究基于传统图像处理方法的改进时频图信号检测方案。


技术实现要素：

6.本发明所要解决的技术问题在于，提供一种无人机信号频段检测方法及装置，针对存在以wifi信号为主的干扰信号的无人机信号接收场景，根据wifi信号频域过渡带较平缓而无人机信号频域过渡带较陡峭的特征进行设计，能够在已知无人机信号大致带宽的情况下检测无人机信号的频段。
7.为了解决上述技术问题，本发明实施例第一方面公开了一种无人机信号频段检测方法，所述方法包括：
8.s1，获取无人机信号；
9.s2，对所述无人机信号进行处理，得到所述无人机信号的时频图；
10.s3，对所述无人机信号的时频图进行处理，得到横向平滑时频图；
11.s4，对所述横向平滑时频图进行锐化处理，得到锐化时频图；
12.s5，对所述锐化时频图进行处理，得到边缘时频图；
13.s6，对所述边缘时频图进行处理，得到纵向边缘时频图；
14.s7，对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；
15.s8，对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。
16.作为一种可选的实施方式，本发明实施例第一方面中，所述对所述无人机信号进行处理，得到所述无人机信号的时频图，包括：
17.s21，对所述无人机信号进行过采样，得到过采样信号；
18.s22，将所述过采样信号进行频谱搬移，得到基带信号；
19.s23，对所述基带信号进行重采样，得到重采样信号；
20.s24，对所述重采样信号进行分割，得到n个时间片段信号，n为整数；
21.s25，对每个时间片段信号进行傅里叶变换，得到每个时间片段信号的频谱；
22.s26，对所述每个时间片段信号的频谱进行处理，得到所述无人机信号的时频图。
23.作为一种可选的实施方式，本发明实施例第一方面中，所述对所述无人机信号的时频图进行处理，得到横向平滑时频图，包括：
24.s31，对所述无人机信号的时频图进行开运算，去除所述无人机信号的时频图纵向的亮细线，得到开运算处理时频图；
25.s32，对所述开运算处理时频图进行闭运算，去除所述开运算处理时频图纵向的暗细线，得到横向平滑时频图。
26.作为一种可选的实施方式，本发明实施例第一方面中，所述对所述横向平滑时频图进行锐化处理，得到锐化时频图，包括：
27.s41，利用二维高斯卷积核与所述横向平滑时频图进行卷积，得到高斯模糊时频图；
28.s42，将所述高斯模糊时频图与所述横向平滑时频图进行相减，得到差分时频图；
29.s43，利用校正模型，对所述差分时频图进行处理，得到锐化时频图；
30.所述校正模型为：
[0031][0032]
其中，x为像素点值，y为校正后的输出，γ》1为校正系数，为向下取整函数。
[0033]
作为一种可选的实施方式，本发明实施例第一方面中，所述对所述锐化时频图进行处理，得到边缘时频图，包括：
[0034]
s51，对所述锐化时频图进行高斯滤波，得到滤波时频图；
[0035]
s52，对所述滤波时频图进行非极大值梯度抑制，得到所述锐化时频图的粗选边缘点信息；
[0036]
s53，对所述粗选边缘点信息进行双阈值筛选，得到边缘时频图。
[0037]
作为一种可选的实施方式，本发明实施例第一方面中，所述对所述边缘时频图进行处理，得到纵向边缘时频图，包括：
[0038]
s61，对所述边缘时频图进行开运算，去除横向亮条纹，得到开运算边缘时频图；
[0039]
s62，对所述开运算边缘时频图进行闭运算，得到纵向边缘时频图。
[0040]
作为一种可选的实施方式，本发明实施例第一方面中，所述对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息，包括：
[0041]
s71，对所述纵向边缘时频图进行检测，将所述纵向边缘时频图时域采样点持续长度大于预设阈值t1的边缘作为有效边缘，舍弃其他边缘；
[0042]
s72，对所述有效边缘进行处理，检测同一时间出现且时间重叠范围大于预设阈值t2的上升沿与下降沿组合，同时所述上升沿与下降沿组合之间的带宽符合预设的无人机信号的带宽，则记为有效组合；
[0043]
s73，若所述有效边缘中存在某一频点下总长度大于预设阈值t3的上升沿或下降沿，则分别以所述上升沿或下降沿作为信号频段的左端或右端，寻找符合预设无人机信号带宽且边缘像素点最多的一列，将该列近似作为下降沿或上升沿，组成一对近似的上升沿与下降沿组合；
[0044]
所述有效组合和近似的上升沿与下降沿组合构成无人机信号的粗选频段信息。
[0045]
作为一种可选的实施方式，本发明实施例第一方面中，所述对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息，包括：
[0046]
s81，对所述无人机信号的粗选频段信息进行筛选，取上升沿和下降沿时间重合部分的平均，得到平均值数组；
[0047]
s82，对所述平均值数组求平均值；
[0048]
s83，对所述平均值数组中低于平均值的部分进行处理，如果其占用的带宽超过预设的阈值t4，且其梯度超过预设的阈值t5，则所述无人机信号为干扰信号；如果其占用的带宽超过预设的阈值t4，且梯度未超过预设的阈值t5，所述无人机信号为近似实心信号；如果其占用的带宽未超过预设的阈值t4，且梯度超过预设的阈值t5，所述无人机信号为近似实心信号；
[0049]
s84，所有近似实心信号对应的上升沿与下降沿组合的频段为无人机信号的频段信息。
[0050]
本发明实施例第二方面公开了一种无人机信号频段检测装置，所述装置包括：
[0051]
信号获取模块，用于获取无人机信号；
[0052]
时频图计算模块，用于对所述无人机信号进行处理，得到所述无人机信号的时频图；
[0053]
横向平滑模块，用于对所述无人机信号的时频图进行处理，得到横向平滑时频图；
[0054]
锐化模块，用于对所述横向平滑时频图进行锐化处理，得到锐化时频图；
[0055]
边缘检测模块，用于对所述锐化时频图进行处理，得到边缘时频图；
[0056]
纵向平滑模块，用于对所述边缘时频图进行处理，得到纵向边缘时频图；
[0057]
频段粗选模块，用于对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；
[0058]
频段筛选模块，用于对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。
[0059]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述无人机信号进行处理，得到所述无人机信号的时频图，包括：
[0060]
s21，对所述无人机信号进行过采样，得到过采样信号；
[0061]
s22，将所述过采样信号进行频谱搬移，得到基带信号；
[0062]
s23，对所述基带信号进行重采样，得到重采样信号；
[0063]
s24，对所述重采样信号进行分割，得到n个时间片段信号，n为整数；
[0064]
s25，对每个时间片段信号进行傅里叶变换，得到每个时间片段信号的频谱；
[0065]
s26，对所述每个时间片段信号的频谱进行处理，得到所述无人机信号的时频图。
[0066]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述无人机信号的时频图进行处理，得到横向平滑时频图，包括：
[0067]
s31，对所述无人机信号的时频图进行开运算，去除所述无人机信号的时频图纵向的亮细线，得到开运算处理时频图；
[0068]
s32，对所述开运算处理时频图进行闭运算，去除所述开运算处理时频图纵向的暗细线，得到横向平滑时频图。
[0069]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述横向平滑时频图进行锐化处理，得到锐化时频图，包括：
[0070]
s41，利用二维高斯卷积核与所述横向平滑时频图进行卷积，得到高斯模糊时频图；
[0071]
s42，将所述高斯模糊时频图与所述横向平滑时频图进行相减，得到差分时频图；
[0072]
s43，利用校正模型，对所述差分时频图进行处理，得到锐化时频图；
[0073]
所述校正模型为：
[0074][0075]
其中，x为像素点值，y为校正后的输出，γ》1为校正系数，为向下取整函数。
[0076]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述锐化时频图进行处理，得到边缘时频图，包括：
[0077]
s51，对所述锐化时频图进行高斯滤波，得到滤波时频图；
[0078]
s52，对所述滤波时频图进行非极大值梯度抑制，得到所述锐化时频图的粗选边缘点信息；
[0079]
s53，对所述粗选边缘点信息进行双阈值筛选，得到边缘时频图。
[0080]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述边缘时频图进行处理，得到纵向边缘时频图，包括：
[0081]
s61，对所述边缘时频图进行开运算，去除横向亮条纹，得到开运算边缘时频图；
[0082]
s62，对所述开运算边缘时频图进行闭运算，得到纵向边缘时频图。
[0083]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息，包括：
[0084]
s71，对所述纵向边缘时频图进行检测，将所述纵向边缘时频图时域采样点持续长度大于预设阈值t1的边缘作为有效边缘，舍弃其他边缘；
[0085]
s72，对所述有效边缘进行处理，检测同一时间出现且时间重叠范围大于预设阈值t2的上升沿与下降沿组合，同时所述上升沿与下降沿组合之间的带宽符合预设的无人机信号的带宽，则记为有效组合；
[0086]
s73，若所述有效边缘中存在某一频点下总长度大于预设阈值t3的上升沿或下降沿，则分别以所述上升沿或下降沿作为信号频段的左端或右端，寻找符合预设无人机信号带宽且边缘像素点最多的一列，将该列近似作为下降沿或上升沿，组成一对近似的上升沿与下降沿组合；
[0087]
所述有效组合和近似的上升沿与下降沿组合构成无人机信号的粗选频段信息。
[0088]
作为一种可选的实施方式，本发明实施例第二方面中，所述对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息，包括：
[0089]
s81，对所述无人机信号的粗选频段信息进行筛选，取上升沿和下降沿时间重合部分的平均，得到平均值数组；
[0090]
s82，对所述平均值数组求平均值；
[0091]
s83，对所述平均值数组中低于平均值的部分进行处理，如果其占用的带宽超过预设的阈值t4，且其梯度超过预设的阈值t5，则所述无人机信号为干扰信号；如果其占用的带宽超过预设的阈值t4，且梯度未超过预设的阈值t5，所述无人机信号为近似实心信号；如果其占用的带宽未超过预设的阈值t4，且梯度超过预设的阈值t5，所述无人机信号为近似实心信号；
[0092]
s84，所有近似实心信号对应的上升沿与下降沿组合的频段为无人机信号的频段信息。
[0093]
本发明第三方面公开了另一种无人机信号频段检测装置，所述装置包括：
[0094]
存储有可执行程序代码的存储器；
[0095]
与所述存储器耦合的处理器；
[0096]
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的无人机信号频段检测方法中的部分或全部步骤。
[0097]
与现有技术相比，本发明实施例具有以下有益效果：
[0098]
本发明提出了一种基于时频图的无人机信号频段检测方法，该方法针对存在以wifi信号为主的干扰信号的无人机信号接收场景，根据wifi信号频域过渡带较平缓而无人机信号频域过渡带较陡峭的特征进行设计，能够在已知无人机信号大致带宽的情况下检测无人机信号的频段。本发明方法具备较好的识别时频图中信号的能力和较高的无人机信号频段准确识别率。
附图说明
[0099]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0100]
图1是本发明实施例公开的一种无人机信号频段检测方法的流程示意图；
[0101]
图2是本发明实施例公开的另一种无人机信号频段检测方法的流程示意图；
[0102]
图3是本发明实施例公开的仿真测试的时频图；
[0103]
图4是本发明实施例公开的时频图的检测结果；
[0104]
图5是本发明实施例公开的一种无人机信号频段检测装置的结构示意图；
[0105]
图6是本发明实施例公开的另一种无人机信号频段检测装置的结构示意图。
具体实施方式
[0106]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0107]
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0108]
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0109]
本发明公开了一种无人机信号频段检测方法及装置，该方法包括：获取无人机信号；对所述无人机信号进行处理，得到所述无人机信号的时频图；对所述无人机信号的时频图进行处理，得到横向平滑时频图；对所述横向平滑时频图进行锐化处理，得到锐化时频图；对所述锐化时频图进行处理，得到边缘时频图；对所述边缘时频图进行处理，得到纵向边缘时频图；对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。本发明方法具有较高的无人机信号频段准确识别率。以下分别进行详细说明。
[0110]
实施例一
[0111]
请参阅图1，图1是本发明实施例公开的一种无人机信号频段检测方法的流程示意图。其中，图1所描述的无人机信号频段检测方法应用于无人机信号频段检测领域，本发明实施例不做限定。如图1所示，该无人机信号频段检测方法可以包括以下操作：
[0112]
s1，获取无人机信号；
[0113]
s2，对所述无人机信号进行处理，得到所述无人机信号的时频图；
[0114]
s3，对所述无人机信号的时频图进行处理，得到横向平滑时频图；
[0115]
s4，对所述横向平滑时频图进行锐化处理，得到锐化时频图；
[0116]
s5，对所述锐化时频图进行处理，得到边缘时频图；
[0117]
s6，对所述边缘时频图进行处理，得到纵向边缘时频图；
[0118]
s7，对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；
[0119]
s8，对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。
[0120]
可选的，所述对所述无人机信号进行处理，得到所述无人机信号的时频图，包括：
[0121]
s21，对所述无人机信号进行过采样，得到过采样信号；
[0122]
s22，将所述过采样信号进行频谱搬移，得到基带信号；
[0123]
s23，对所述基带信号进行重采样，得到重采样信号；
[0124]
s24，对所述重采样信号进行分割，得到n个时间片段信号，n为整数；
[0125]
s25，对每个时间片段信号进行傅里叶变换，得到每个时间片段信号的频谱；
[0126]
s26，对所述每个时间片段信号的频谱进行处理，得到所述无人机信号的时频图。
[0127]
可选的，所述对所述无人机信号的时频图进行处理，得到横向平滑时频图，包括：
[0128]
s31，对所述无人机信号的时频图进行开运算，去除所述无人机信号的时频图纵向的亮细线，得到开运算处理时频图；
[0129]
s32，对所述开运算处理时频图进行闭运算，去除所述开运算处理时频图纵向的暗细线，得到横向平滑时频图。
[0130]
可选的，所述对所述横向平滑时频图进行锐化处理，得到锐化时频图，包括：
[0131]
s41，利用二维高斯卷积核与所述横向平滑时频图进行卷积，得到高斯模糊时频图；
[0132]
s42，将所述高斯模糊时频图与所述横向平滑时频图进行相减，得到差分时频图；
[0133]
s43，利用校正模型，对所述差分时频图进行处理，得到锐化时频图；
[0134]
所述校正模型为：
[0135][0136]
其中，x为像素点值，y为校正后的输出，γ》1为校正系数，为向下取整函数。
[0137]
可选的，所述对所述锐化时频图进行处理，得到边缘时频图，包括：
[0138]
s51，对所述锐化时频图进行高斯滤波，得到滤波时频图；
[0139]
s52，对所述滤波时频图进行非极大值梯度抑制，得到所述锐化时频图的粗选边缘点信息；
[0140]
s53，对所述粗选边缘点信息进行双阈值筛选，得到边缘时频图。
[0141]
可选的，所述对所述边缘时频图进行处理，得到纵向边缘时频图，包括：
[0142]
s61，对所述边缘时频图进行开运算，去除横向亮条纹，得到开运算边缘时频图；
[0143]
s62，对所述开运算边缘时频图进行闭运算，得到纵向边缘时频图。
[0144]
可选的，所述对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息，包括：
[0145]
s71，对所述纵向边缘时频图进行检测，将所述纵向边缘时频图时域采样点持续长度大于预设阈值t1的边缘作为有效边缘，舍弃其他边缘；
[0146]
s72，对所述有效边缘进行处理，检测同一时间出现且时间重叠范围大于预设阈值t2的上升沿与下降沿组合，同时所述上升沿与下降沿组合之间的带宽符合预设的无人机信号的带宽，则记为有效组合；
[0147]
s73，若所述有效边缘中存在某一频点下总长度大于预设阈值t3的上升沿或下降沿，则分别以所述上升沿或下降沿作为信号频段的左端或右端，寻找符合预设无人机信号带宽且边缘像素点最多的一列，将该列近似作为下降沿或上升沿，组成一对近似的上升沿与下降沿组合；
[0148]
所述有效组合和近似的上升沿与下降沿组合构成无人机信号的粗选频段信息。
[0149]
可选的，所述对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频
段信息，包括：
[0150]
s81，对所述无人机信号的粗选频段信息进行筛选，取上升沿和下降沿时间重合部分的平均，得到平均值数组；
[0151]
s82，对所述平均值数组求平均值；
[0152]
s83，对所述平均值数组中低于平均值的部分进行处理，如果其占用的带宽超过预设的阈值t4，且其梯度超过预设的阈值t5，则所述无人机信号为干扰信号；如果其占用的带宽超过预设的阈值t4，且梯度未超过预设的阈值t5，所述无人机信号为近似实心信号；如果其占用的带宽未超过预设的阈值t4，且梯度超过预设的阈值t5，所述无人机信号为近似实心信号；
[0153]
s84，所有近似实心信号对应的上升沿与下降沿组合的频段为无人机信号的频段信息。
[0154]
实施例二
[0155]
请参阅图2，图2是本发明实施例公开的另一种无人机信号频段检测方法的流程示意图。其中，图2所描述的无人机信号频段检测方法应用于无人机信号频段检测领域，本发明实施例不做限定。如图2所示，该无人机信号频段检测方法可以包括以下操作：
[0156]
1.时频图构建。首先对接收信号进行过采样并搬移到基带，然后进行重采样，并分割为多个时间片段。接着，分别对每个时间片段内的全部采样点进行快速傅里叶变换，将所有结果的幅值归一化到[0,255]区间内并通过四舍五入取整。最后，将各个时间片段按时间顺序纵向排列，并将每个时间片段内取整后的结果横向排列，形成接收信号的灰度时频图。
[0157]
可选的，可以利用如下公式进行时频图的获取：
[0158][0159]cs
(t,f)是时频分析的结果，f和t代表频率与时间，f(ξ,τ)表示内核函数。s(t)为输入信号，本发明中
[0160]
对cs(t,f)进行预处理，从图像坐标边框进行裁剪，保留图像中心有信息量的部分，将图像的大小进行调整，减少了之后冗长繁琐的计算量，之后对图像进行灰度化处理，在一定程度上减少噪声，并且不会丢失信号主要的信息量，灰度化之后，再对图像进行降维处理。
[0161]
设n维向量w为映射向量，则映射后低维空间数据的最大化方差为：
[0162][0163]
其中m为数据个数，xi为向量，为平均向量，可变换为：
[0164][0165]
其中tr为矩阵的迹，u为协方差矩阵。
[0166]
如此，即得到了一组降维的数据。
[0167]
可选的，可以对时频图像进行对比度增强，改善图像的对比度，方法为：
[0168]
先计算时频图像的二维灰度直方图，每一个灰度级可计算出一个空间熵值和一组空间互信息值。运用空间熵值来寻求输入图像到输出图像的映射关系，在空域实现全局对比度增强。再通过二维离散余弦变换并在频域进行系数均衡实现局部对比度增强。
[0169]
图像空间熵值公式为：
[0170][0171]
每个网格的长记为r，宽记为c：
[0172][0173]hk
(m,n)
←hk
(m,n)/(r
×
c)
[0174]hk
(m,n)为第k个网格的灰度直方图，输入图像x由m行n列小网格构成。
[0175]
对熵做归一化处理，处理过程为：
[0176][0177]
使用归一化后的熵值，计算离散函数为：
[0178][0179]
计算用于形成最终映射关系的积累分布函数为：
[0180][0181][0182]
[yd,yu]表示为输出图像的灰度动态范围，在进行图像处理的过程中常令yd、yu分别取值为yd＝0,yu＝2
8-1＝255。将输入图像映射到输出图像。
[0183]
对yk进行二维离散余弦变换，得到的结果进行加权均衡，再进行二维离散反余弦变换，得到输出结果。
[0184]
加权均衡公式为：
[0185][0186]
w(k,l)∈r
[0187]
α定义为局部对比度增强系数，d(k,l)为二维离散余弦变换的频域系数；γ的取值反应了局部对比度增强的程度，当γ的取值为零时，将只存在局部而不存在全局的对比度加强，1≤k≤h-1，1≤l≤w-1。
[0188][0189][0190]
2.信号频段检测方案
[0191]
步骤1：通过形态学运算横向平滑图像，去除部分干扰。
[0192]
形态学运算是一种高效的图像处理方法，包括腐蚀操作、膨胀操作、开运算和闭运算，其中开运算和闭运算均基于腐蚀操作和膨胀操作。腐蚀和膨胀都是对亮部的描述：腐蚀操作为以原图像为基础，图像中每一点都在预设的范围内取最小值，从而使图像暗部增多，亮部看似被“腐蚀”掉了；膨胀操作为以原图像为基础，图像中每一点都在预设的范围内取最大值，从而使图像亮部增多，亮部看似在“膨胀”。
[0193]
根据以上对腐蚀和膨胀的描述，开运算是对图像先腐蚀后膨胀，则经过开运算后暗部增多，主要用于对暗部补缺，去除亮部的毛刺和零碎噪声。闭运算是对图像先膨胀后腐蚀，则经过开运算后亮部增多，主要用于对亮部补缺，去除暗部的毛刺和零碎噪声。
[0194]
在本步骤中，上述腐蚀操作和膨胀操作的预设范围规定为1
×
k，k为大于1的整数，即一个横向的范围。本步骤首先经过开运算去除纵向的亮细线，然后使用闭运算去除纵向的暗细线，从而对时频图进行横向平滑。
[0195]
步骤2：通过usm锐化增强图像边缘，便于后续边缘提取。
[0196]
usm(unsharp mask，反锐化掩膜)锐化的原理为先提取图像中的边缘，然后将得到的边缘与原图像相加，得到锐化后的图像。
[0197]
usm锐化利用二维高斯卷积核与图像卷积，得到高斯模糊后的图像，其中高斯核的标准差可自行定义，标准差越大则图像越模糊。高斯模糊过程消除了图像中一些原本的边缘，因此令原图像减去模糊后的图像可得到图像中的边缘。接下来，令边缘与原图像相加，则可得到边缘经强化后的图像，从而达到锐化效果。
[0198]
在本步骤中，usm锐化后还添加了gamma校正过程，作用为调整对比度。gamma校正过程具体为：对图像中各像素做非线性变换，设像素点值为x，输出为y，变换函数为：
[0199][0200]
其中，γ》1为校正系数，为向下取整函数。该函数在接近0处导数较大，能够拓宽高低像素值的区分度，从而提升对比度。
[0201]
步骤3：通过canny边缘检测提取图像边缘。
[0202]
canny边缘检测包含以下过程：
[0203]
(1)高斯滤波：对灰度时频图进行二维高斯滤波，高斯核为5
×
5大小，标准差为1.5左右，以此去除一些噪声，避免对后续边缘检测造成干扰。
[0204]
(2)非极大值梯度抑制：使用两类sobel核分别在水平和垂直方向上对图像进行卷积，则可近似得到水平和垂直方向的梯度，其中水平sobel核和竖直sobel核分别为：
[0205][0206]
根据得到的水平和竖直梯度可合成每一点的二维梯度，通过幅值和方向来表示。梯度的幅值为水平和竖直梯度矢量和的幅值，二维梯度的方向一般情况下将近似为8个米字方向，以便于后续筛选极大值边缘点。对于近似后的二维梯度，选择除边缘外的每一点方向对应直线上的相邻两点，若选择的两点均与中心点梯度方向相同或相反，且中心点梯度
值最大，则该中心点为一个极大值，记为边缘点。
[0207]
(3)双阈值筛选：首先设定两个大小不同的阈值maxval和minval。对于上一步得到的各个边缘点，若边缘点的梯度幅值大于maxval，则保留该点，该点称为“强边缘”；若边缘点的梯度幅值小于minval，则删除该点；若边缘点的梯度幅值大于minval但小于maxval，则将该类边缘点相连的部分视为一组“虚边缘”。如果“虚边缘”与“强边缘”存在相连的部分，则保留该部分边缘点，否则删除该部分边缘点。
[0208]
步骤4：通过形态学运算纵向平滑图像，去除横向边缘。
[0209]
在本步骤中，将运算范围设置为k
×
1，即一个纵向的范围，先进行开运算去除横向亮条纹，然后进行闭运算连接细碎的亮竖条纹，实现纵向边缘的提取。
[0210]
步骤5：检测合适的“上升沿与下降沿”组合
[0211]
对于上一步骤得到的各个纵向边缘，将其在时域上采样点持续长度不小于阈值t1的边缘作为有效边缘，舍弃其它边缘。假设实际已知所有无人机信号各自的大致带宽。若存在同一时间出现且时间重叠范围大于阈值t2的“上升沿与下降沿”组合，同时上升沿和下降沿之间的带宽符合无人机信号的大致带宽，则记为有效组合；若不存在该类“上升沿与下降沿”组合，但存在某一频点下总长度大于阈值t3的上升沿或下降沿，则在canny边缘检测结果中此边缘出现的时间范围内，分别以上升沿或下降沿作为信号频段的左端或右端，寻找符合无人机信号大致带宽且边缘像素点最多的一列，将该列近似作为下降沿或上升沿，进而组成一对近似的“上升沿与下降沿”组合。
[0212]
步骤6：筛选时频图中近似实心的信号
[0213]
上一步骤能够得到所有带宽大致与无人机信号相同的频段，然而，并不能保证上述频段内一定包含无人机信号。一方面，由于时频图中存在多个上升沿和下降沿，可能存在不是由无人机信号的边缘构成的“上升沿与下降沿”组合，例如一些带宽较窄且边缘陡峭的干扰信号排列在一起，有可能其中某个“上升沿与下降沿”组合的带宽符合无人机信号的大致带宽。另一方面，由于干扰信号中的wifi信号存在部分未使用的频率，因此在时频图中的干扰信号内部存在明显的深色竖线，该深色竖线也会被计为边缘。由此，上一步骤识别的“上升沿与下降沿”组合不一定对应无人机信号，可通过筛选近似实心信号来排除上述漏洞，筛选步骤如下：
[0214]
(1)对于每个“上升沿与下降沿”组合，取上升沿和下降沿时间重合部分的平均，可得到一个一维数组。然后，对该一维数组求平均值，统计一维数组中低于平均值的部分。
[0215]
(2)考虑到无人机信号的中心频率可能未使用，因此时频图中相应位置可能存在深色窄细竖线。由非无人机信号的边缘构成的“上升沿与下降沿”组合内一般存在明显未使用的频段，并且wifi信号内部的深色竖线比无人机信号中的深色竖线也明显更宽，可通过判断上述低于平均值部分占用的带宽是否超过阈值t4，同时判断上述低于平均值的部分中各位置的梯度是否超过阈值t5。若存在上述带宽超过阈值t4且梯度超过阈值t5的情况，则判断该信号为干扰信号。
[0216]
(3)若低于平均值的部分带宽超过阈值t4而梯度未超过阈值t5，则可视为信号频段内部幅值变化不大，近似为实心信号；若低于平均值的部分带宽未超过阈值t4而梯度超过阈值t5，则可视为信号块中存在深色窄细竖线，其占用带宽较小，且为无人机信号特征，近似为实心信号。
[0217]
最后，将所有近似实心信号对应的“上升沿与下降沿”组合的频段作为无人机信号频段的检测结果。
[0218]
本实施例中，阈值t1，t2，t3，t4，t5需要通过大量的实验设置，本发明不做限制。
[0219]
用于仿真测试的时频图共27张，包括不同场景下的接收信号，如图3所示。其中，时频图中形状近似为矩形的部分为无人机信号出现的位置。使用本文所提出方案对上述信号时频图进行检测，时频图的检测结果如图4所示。其中，时频图中黑色矩形框的位置为无人机信号频段的检测结果。由图4可知，27张时频图中有26张的无人机信号频段都能被准确识别，准确识别的概率达到了96％，由此本文所提方案的有效性得以证实。
[0220]
实施例三
[0221]
请参阅图5，图5是本发明实施例公开的一种无人机信号频段检测装置的结构示意图。其中，图5所描述的无人机信号频段检测装置应用于无人机信号频段检测领域，本发明实施例不做限定。如图5所示，该无人机信号频段检测装置可以包括以下操作：
[0222]
s301，信号获取模块，用于获取无人机信号；
[0223]
s302，时频图计算模块，用于对所述无人机信号进行处理，得到所述无人机信号的时频图；
[0224]
s303，横向平滑模块，用于对所述无人机信号的时频图进行处理，得到横向平滑时频图；
[0225]
s304，锐化模块，用于对所述横向平滑时频图进行锐化处理，得到锐化时频图；
[0226]
s305，边缘检测模块，用于对所述锐化时频图进行处理，得到边缘时频图；
[0227]
s306，纵向平滑模块，用于对所述边缘时频图进行处理，得到纵向边缘时频图；
[0228]
s307，频段粗选模块，用于对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；
[0229]
s308，频段筛选模块，用于对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。
[0230]
实施例四
[0231]
请参阅图6，图6是本发明实施例公开的另一种无人机信号频段检测装置的结构示意图。其中，图6所描述的无人机信号频段检测装置应用于无人机信号频段检测领域，本发明实施例不做限定。如图6所示，该无人机信号频段检测装置可以包括以下操作：
[0232]
存储有可执行程序代码的存储器401；
[0233]
与存储器401耦合的处理器402；
[0234]
处理器402调用存储器401中存储的可执行程序代码，用于执行实施例一、实施例二所描述的无人机信号频段检测方法中的步骤。
[0235]
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0236]
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，
上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0237]
最后应说明的是：本发明实施例公开的一种无人机信号频段检测方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

技术特征：
1.一种无人机信号频段检测方法，其特征在于，所述方法包括：s1，获取无人机信号；s2，对所述无人机信号进行处理，得到所述无人机信号的时频图；s3，对所述无人机信号的时频图进行处理，得到横向平滑时频图；s4，对所述横向平滑时频图进行锐化处理，得到锐化时频图；s5，对所述锐化时频图进行处理，得到边缘时频图；s6，对所述边缘时频图进行处理，得到纵向边缘时频图；s7，对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；s8，对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。2.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述无人机信号进行处理，得到所述无人机信号的时频图，包括：s21，对所述无人机信号进行过采样，得到过采样信号；s22，将所述过采样信号进行频谱搬移，得到基带信号；s23，对所述基带信号进行重采样，得到重采样信号；s24，对所述重采样信号进行分割，得到n个时间片段信号，n为整数；s25，对每个时间片段信号进行傅里叶变换，得到每个时间片段信号的频谱；s26，对所述每个时间片段信号的频谱进行处理，得到所述无人机信号的时频图。3.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述无人机信号的时频图进行处理，得到横向平滑时频图，包括：s31，对所述无人机信号的时频图进行开运算，去除所述无人机信号的时频图纵向的亮细线，得到开运算处理时频图；s32，对所述开运算处理时频图进行闭运算，去除所述开运算处理时频图纵向的暗细线，得到横向平滑时频图。4.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述横向平滑时频图进行锐化处理，得到锐化时频图，包括：s41，利用二维高斯卷积核与所述横向平滑时频图进行卷积，得到高斯模糊时频图；s42，将所述高斯模糊时频图与所述横向平滑时频图进行相减，得到差分时频图；s43，利用校正模型，对所述差分时频图进行处理，得到锐化时频图；所述校正模型为：其中，x为像素点值，y为校正后的输出，γ>1为校正系数，为向下取整函数。5.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述锐化时频图进行处理，得到边缘时频图，包括：s51，对所述锐化时频图进行高斯滤波，得到滤波时频图；s52，对所述滤波时频图进行非极大值梯度抑制，得到所述锐化时频图的粗选边缘点信息；
s53，对所述粗选边缘点信息进行双阈值筛选，得到边缘时频图。6.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述边缘时频图进行处理，得到纵向边缘时频图，包括：s61，对所述边缘时频图进行开运算，去除横向亮条纹，得到开运算边缘时频图；s62，对所述开运算边缘时频图进行闭运算，得到纵向边缘时频图。7.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息，包括：s71，对所述纵向边缘时频图进行检测，将所述纵向边缘时频图时域采样点持续长度大于预设阈值t1的边缘作为有效边缘，舍弃其他边缘；s72，对所述有效边缘进行处理，检测同一时间出现且时间重叠范围大于预设阈值t2的上升沿与下降沿组合，同时所述上升沿与下降沿组合之间的带宽符合预设的无人机信号的带宽，则记为有效组合；s73，若所述有效边缘中存在某一频点下总长度大于预设阈值t3的上升沿或下降沿，则分别以所述上升沿或下降沿作为信号频段的左端或右端，寻找符合预设无人机信号带宽且边缘像素点最多的一列，将该列近似作为下降沿或上升沿，组成一对近似的上升沿与下降沿组合；所述有效组合和近似的上升沿与下降沿组合构成无人机信号的粗选频段信息。8.根据权利要求1所述的无人机信号频段检测方法，其特征在于，所述对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息，包括：s81，对所述无人机信号的粗选频段信息进行筛选，取上升沿和下降沿时间重合部分的平均，得到平均值数组；s82，对所述平均值数组求平均值；s83，对所述平均值数组中低于平均值的部分进行处理，如果其占用的带宽超过预设的阈值t4，且其梯度超过预设的阈值t5，则所述无人机信号为干扰信号；如果其占用的带宽超过预设的阈值t4，且梯度未超过预设的阈值t5，所述无人机信号为近似实心信号；如果其占用的带宽未超过预设的阈值t4，且梯度超过预设的阈值t5，所述无人机信号为近似实心信号；s84，所有近似实心信号对应的上升沿与下降沿组合的频段为无人机信号的频段信息。9.一种无人机信号频段检测装置，其特征在于，所述装置包括：信号获取模块，用于获取无人机信号；时频图计算模块，用于对所述无人机信号进行处理，得到所述无人机信号的时频图；横向平滑模块，用于对所述无人机信号的时频图进行处理，得到横向平滑时频图；锐化模块，用于对所述横向平滑时频图进行锐化处理，得到锐化时频图；边缘检测模块，用于对所述锐化时频图进行处理，得到边缘时频图；纵向平滑模块，用于对所述边缘时频图进行处理，得到纵向边缘时频图；频段粗选模块，用于对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；频段筛选模块，用于对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。
10.一种无人机信号频段检测装置，其特征在于，所述装置包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-8任一项所述的无人机信号频段检测方法。

技术总结
本发明公开了一种无人机信号频段检测方法及装置，该方法包括：获取无人机信号；对所述无人机信号进行处理，得到所述无人机信号的时频图；对所述无人机信号的时频图进行处理，得到横向平滑时频图；对所述横向平滑时频图进行锐化处理，得到锐化时频图；对所述锐化时频图进行处理，得到边缘时频图；对所述边缘时频图进行处理，得到纵向边缘时频图；对所述纵向边缘时频图进行检测，得到无人机信号的粗选频段信息；对所述无人机信号的粗选频段信息进行筛选，得到无人机信号的频段信息。本发明方法具有较高的无人机信号频段准确识别率。有较高的无人机信号频段准确识别率。有较高的无人机信号频段准确识别率。


技术研发人员：李晋徽 刘阳 孙鹏 晋晓曦 范娜娜 赵岸 丁珊珊
受保护的技术使用者：中国人民解放军军事科学院系统工程研究院
技术研发日：2023.06.27
技术公布日：2023/9/25