买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：一种基于深度学习射频指纹的无人机身份识别方法，属于信号识别和无人机身份识别领域，RF前端采集无人机飞行时的射频信号，通过低噪声放大器、带通滤波器和前级放大器进行信号预处理，再通过数字下变频得到IQ信号，计算IQ信号幅度，将幅度序列进一步划分、拼接，得到最终的深度学习网络的输入数据。如果是模型训练过程，需要进行数据标注，按无人机类别生成独热编码。深度学习网络模型由不同补丁大小的ViT块构成，每个ViT块包含多头注意力机制和多层感知机。通过对所有ViT块的输出进行加权求和，可以得到用于预测无人机类别的与标签维度一致的向量。本发明具有计算速度快、无人机身份识别准确度高、不泄露信息的特点。

主权项：1.一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，所述方法包括以下步骤：步骤1、无人机开机运行，并发射射频信号；步骤2、天线接收空气中的射频信号，并将其传递给RF前端进行预处理，得到预处理后的射频信号；步骤3、数字下变频处理，依次包括混频、低通滤波、抽取、生成IQ信号；步骤4、计算得到IQ信号的幅度数据，幅度数据是接下来代入到网络进行训练或推理的原始数据；步骤5、将幅度数据按设定固定长度划分，如果采集多个频段的射频信号，也就是同一时刻的射频信号有多个，则将多个一维幅度数据拼接在一起形成样本，即拼接后的幅度数据；步骤6、按无人机的身份类别进行数据标注，标注采取独热编码，再按训练集测试集比例进行数据集的划分；步骤7、样本代入到多尺度ViT网络中，整个ViT网络分为三个补丁形状不同的ViT块和一个加权求和层；将样本按64个为一个批次代入到其中一个ViT块，首先通过卷积层提取划分为小块的特征，并将特征嵌入到高维空间，添加一个分类标记；添加位置编码，不改变维度；最终通过随机失活层进行正则化；然后进入到Transformer编码器层，每个ViT块中有12个相同的Transformer编码器层，每一层包含自注意力机制和多层感知机MLP，并通过归一化层和残差连接提高训练效果；将6个自注意力头的输出拼接在一起，与多头注意力层之前的归一化层的输入进行残差连接，通过随机深度层保留残差；再通过归一化层和多层感知机，多层感知机的输出与在此之前的归一化层之前的输入进行残差连接，再经过一个全连接层，输出向量维度与无人机身份类别数一致；将三个ViT块的输出加权求和，输出向量即可推断无人机身份类别。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于深度学习射频指纹的无人机身份识别方法