本申請涉及信號處理領域，且更為具體地，涉及一種偵察無人機的信號處理方法及系統。

背景技術：

1、隨著無人機技術的飛速發展，無人機在軍事偵察、環境監測、災害救援等多個領域得到了廣泛應用。無人機信號處理作為保障其功能實現的關鍵技術之一，尤其在偵察任務中發揮著至關重要的作用。在偵察任務中，信號的質量直接影響到數據的準確性和可靠性，進而影響到決策的有效性。高質量的信號處理能夠確保實時傳輸的圖像和數據清晰無誤，為指揮決策提供可靠依據。

2、在傳統偵察無人機信號處理方法中，通常采用固定參數的濾波器或預設的閾值來去除噪聲和不必要的頻率成分。然而，在復雜多變的信號環境中，這些濾波器難以適應動態變化，導致信號處理效果不佳。一旦信號環境發生變化，如出現新的干擾源或信號特性發生改變，濾波器就無法有效去除噪聲，反而可能導致有用信號的損失。此外，依賴預設的特征模板或閾值使得它們在面對多樣化的信號特征時表現得不夠靈活，無法捕捉信號中的細微變化，特別是在非線性或非平穩信號中，這些細微變化往往包含重要信息。

3、因此，需要一種優化的偵察無人機的信號處理方案。

技術實現思路

1、本申請針對現有技術中的缺點，提供了一種偵察無人機的信號處理方法及系統。

2、根據本申請的一個方面，提供了一種偵察無人機的信號處理方法，其包括：

3、獲取由天線采集的無人機信號；

4、將所述無人機信號通過帶通濾波器進行預選，并將預選后的無人機信號輸入低噪聲放大器以得到放大的無人機信號；

5、將所述放大的無人機信號與由第一鎖相環產生的本振信號進行第一次混頻以得到第一中頻信號；

6、對所述第一中頻信號進行濾波處理和放大處理以得到增強的第一中頻信號；

7、將所述增強的第一中頻信號與由第二鎖相環產生的本振信號進行第二次混頻以得到第二中頻信號；

8、對所述第二中頻信號進行濾波處理和放大處理以得到增強的第二中頻信號；

9、將所述增強的第二中頻信號與由直接數字合成器產生的本振信號進行第三次混頻以得到第三中頻信號；

10、將所述第三中頻信號輸入模擬-數字轉換器以得到數字信號。

11、根據本申請的另一個方面，提供了一種偵察無人機的信號處理系統，其包括：

12、無人機信號數據收集模塊，用于獲取由天線采集的無人機信號；

13、無人機信號預選放大模塊，用于將所述無人機信號通過帶通濾波器進行預選，并將預選后的無人機信號輸入低噪聲放大器以得到放大的無人機信號；

14、無人機信號初混頻模塊，用于將所述放大的無人機信號與由第一鎖相環產生的本振信號進行第一次混頻以得到第一中頻信號；

15、第一中頻信號增強模塊，用于對所述第一中頻信號進行濾波處理和放大處理以得到增強的第一中頻信號；

16、第一增強中頻信號混頻模塊，用于將所述增強的第一中頻信號與由第二鎖相環產生的本振信號進行第二次混頻以得到第二中頻信號；

17、第二中頻信號增強模塊，用于對所述第二中頻信號進行濾波處理和放大處理以得到增強的第二中頻信號；

18、第三中頻信號構建模塊，用于將所述增強的第二中頻信號與由直接數字合成器產生的本振信號進行第三次混頻以得到第三中頻信號；

19、第三中頻信號模數轉換模塊，用于將所述第三中頻信號輸入模擬-數字轉換器以得到數字信號。

20、本申請由于采用了以上的技術方案，具有顯著的技術效果：

21、與現有技術相比，本申請提供的偵察無人機的信號處理方法及系統，其通過對無人機信號混頻得到的第一中頻信號進行信號分解以得到信號分量固有模態函數的集合，并采用基于深度學習的信號分析和處理算法來對各個信號分量固有模態函數進行波形語義特征提取，以此基于各個信號分量波形語義特征在全域內的顯著動態聚合表示來自動地生成濾波后的第一中頻信號，能夠動態適應信號環境的變化并提取出更具代表性的特征以此提高信號處理的靈活性。并且相較于傳統的固定參數濾波器，能夠更好地應對復雜環境中的干擾和噪聲，使得最終的信號更加清晰，從而提高了偵察無人機信號處理的質量和自動化水平。

技術特征：

1.一種偵察無人機的信號處理方法，其特征在于，包括：

2.根據權利要求1所述的偵察無人機的信號處理方法，其特征在于，對所述第一中頻信號進行濾波處理和放大處理以得到增強的第一中頻信號，包括：

3.根據權利要求2所述的偵察無人機的信號處理方法，其特征在于，對所述第一中頻信號進行濾波處理以得到濾波后的第一中頻信號，包括：

4.根據權利要求3所述的偵察無人機的信號處理方法，其特征在于，對所述信號分量固有模態函數的集合中的各個信號分量固有模態函數進行信號分量波形特征提取以得到信號分量波形語義特征向量的集合，包括：將所述信號分量固有模態函數的集合中的各個信號分量固有模態函數輸入基于1d-cnn模型的信號分量波形特征提取器以得到所述信號分量波形語義特征向量的集合。

5.根據權利要求4所述的偵察無人機的信號處理方法，其特征在于，計算所述信號分量波形語義特征向量的集合中的各個信號分量波形語義特征向量的靜態能量因子以得到信號分量波形語義靜態能量因子的集合，包括：

6.根據權利要求5所述的偵察無人機的信號處理方法，其特征在于，基于所述信號分量波形語義靜態能量因子的集合，對所述信號分量波形語義特征向量的集合進行力場引導的特征動態聚合以得到所述信號分量波形全域顯著聚合表示，包括：

7.根據權利要求6所述的偵察無人機的信號處理方法，其特征在于，基于所述信號分量波形語義特征向量的集合中的各個信號分量波形語義特征向量與所述信號分量波形語義聚類初始中心向量之間的空間跨度以及所述各個信號分量波形語義特征向量的靜態能量因子和所述信號分量波形語義聚類初始中心向量的靜態能量因子，計算所述信號分量波形語義特征向量的集合中的各個信號分量波形語義特征向量的動態聚合能量因子以得到信號分量波形語義動態聚合能量因子的集合，包括：

8.根據權利要求7所述的偵察無人機的信號處理方法，其特征在于，將所述信號分量波形語義動態聚合能量因子的集合輸入門控掩碼單元以得到信號分量波形語義動態聚合權重因子的集合，包括：

9.根據權利要求8所述的偵察無人機的信號處理方法，其特征在于，基于所述信號分量波形全域顯著聚合表示，得到所述濾波后的第一中頻信號，包括：將所述信號分量波形全域顯著聚合表示向量輸入基于解碼器的信號還原器以得到所述濾波后的第一中頻信號。

10.一種偵察無人機的信號處理系統，其特征在于，包括：

技術總結
本申請涉及信號處理領域，提供了一種偵察無人機的信號處理方法及系統，其通過對無人機信號混頻得到的第一中頻信號進行信號分解以得到信號分量固有模態函數的集合，并采用基于深度學習的信號分析和處理算法來對各個信號分量固有模態函數進行波形語義特征提取，以此基于各個信號分量波形語義特征在全域內的顯著動態聚合表示來自動地生成濾波后的第一中頻信號，能夠動態適應信號環境的變化并提取出更具代表性的特征以此提高信號處理的靈活性。并且相較于傳統的固定參數濾波器，能夠更好地應對復雜環境中的干擾和噪聲，使得最終的信號更加清晰，從而提高了偵察無人機信號處理的質量和自動化水平。

技術研發人員：李越一,郝趁義,趙智淵,趙擁軍,李世偉
受保護的技術使用者：河南宏泰控飛信息技術有限公司
技術研發日：
技術公布日：2025/4/24