低空智联网中基于多质心OpenMax的无人机开集识别方法OA北大核心CSTPCD

随着网络化、智能化的发展,无人机(Unmanned aerial vehicles, UAVs)逐渐成为低空智联网(Low-altitude intelligent network, LAIN)的重要组成部分,但如何对低空智联网中的无人机平台进行有效的管理仍面临严峻挑战。基于无人机信号中的细微特征可对无人机进行个体识别,并检测是否为非法无人机,从而实现低空智联网中无人机的身份识别和管理。针对低空领域信道环境复杂且无法提前获取非法无人机信号样本的问题,本文提出了基于差值时频和多质心OpenMax的无人机开集识别方法。首先,提出了与信道无关的差值时频特征来降低多径信道环境对射频指纹(Radio frequency fingerprinting, RFF)特征的影响,并利用数据增强提高了识别模型的准确率和鲁棒性。其次,利用多质心OpenMax替代神经网络Softmax层,以实现无人机个体的开集识别。最后,对神经网络的损失函数进行了改进,提高了开集识别准确率。本文利用真实环境采集的数据对所提算法进行了验证,在多径信道环境中开放度为0.087时,开集识别准确率达到了93.23%,与基准算法相比,准确率分别提高了7.61%和13.4%。本文提出的算法可在复杂信道环境中有效识别无人机个体并检测出首次出现的非法无人机。