一种基于循环卷积的数据优化系统的制作方法

1.本发明涉及图像识别技术领域，具体为一种基于循环卷积的数据优化系统。


背景技术：

2.随着无人机技术迅猛的发展，越来越多的领域都涉及到无人机的应用，然而无人机的滥用情况越来越普遍，具有极大的安全隐患，虽然多地都设立禁飞区来约束无人机的滥用情况，但是效果并不显著，私飞情况仍然层出不穷；目前在一些隐私部门或机场会配备反无人机电磁枪，破坏无人机的导航系统与控制链路，实现对无人机的防卫，但是这种方法局限性比较多，如电磁枪价格昂贵，且必须先发现无人机后才可以实施拦截，无人机掉落不可控等，缺少一种低成本且实施简单的无人机识别与拦截方法，因此，设计识别精准和效果显著的一种基于循环卷积的数据优化系统是很有必要的。


技术实现要素：

3.本发明的目的在于提供一种基于循环卷积的数据优化系统，以解决上述背景技术中提出的问题。
4.为了解决上述技术问题，本发明提供如下技术方案：一种基于循环卷积的数据优化系统，包括目标检测模块、数据处理模块、仿真优化模块，所述目标检测模块用于对管制范围内进行目标检测，所述数据处理模块用于对采集到的数据进行优化处理，所述仿真优化模块用于运行仿真程序对数据进行验证，所述目标检测模块的数据输出端与数据处理模块的数据接收端通过无线局域网连接，所述数据处理模块的输出端与仿真优化模块的数据输入端电连接。
5.根据上述技术方案，所述目标检测模块包括电磁频谱监测模块、定位模块、视觉采集模块、短时跟踪模块，所述电磁频谱监测模块用于对管制范围内的频谱资源进行实时监测，所述定位模块用于对出现频谱异常的空间范围进行定位，所述视觉采集模块用于对空间采集范围进行视觉采集，所述短时跟踪模块用于对目标进行短时跟踪，所述电磁频谱监测模块的结果输出端与定位模块的逻辑输入端电连接，所述定位采集模块的逻辑输出端与视觉采集模块、短时跟踪模块的输入端电连接；所述视觉采集模块包括广角采集模块和长焦采集模块，所述广角采集模块用于对管制范围进行大范围粗采集，所述长焦采集模块用于根据广角采集结果进行长焦采集。
6.根据上述技术方案，所述数据处理模块包括频谱分析模块、图像优化模块、opencv处理器单元，所述频谱分析模块用于根据电磁频谱监测结果进行异常频谱分析，所述图像优化模块用于对采集图片进行优化，所述opencv处理器单元用于与视觉采集模块进行实时联动，所述频谱分析模块的数据输入端与电磁频谱监测模块的输出端通过局域网连接，所述图像优化模块的图像输出端与opencv处理器单元电连接；所述仿真优化模块包括噪声提取模块、自适应阈值转换模块、超分辨率重建模块、频码发射模块，所述噪声提取模块用于对采集到的图像中的噪声进行提取，所述自适应阈值转换模块用于建立自适应阈值对图像
中的额噪声进行转换，所述超分辨率重建模块用于根据循环卷积网络对单幅图像进行超分辨率重建，所述频码发射模块用于对无人机进行频码干扰发射。
7.根据上述技术方案，所述目标检测模块实现对管制区域的目标检测，具体方法包括：
8.步骤a：进行频谱监测部署；对范围内的频谱资源进行监测，无人机的导航、控制系统需要占用频谱资源，会在瞬间产生频谱波动，根据监测结果辅助目标识别；
9.步骤b：对出现频谱占用异常的区域进行定位，并发送位置信息到服务器终端；
10.步骤c：对异常区域进行视觉采集，采集包括超广角采集和长焦采集；超广角采集视野范围大，但是精度不够，可以先进行粗采集，然后根据长焦进行精采集，实现采集过程的动态调控；
11.步骤d：确定无人机识别目标后，进行范围内的长焦采集跟踪。
12.根据上述技术方案，所述数据处理模块实现对拦截到的无人机频谱的分析，同时进行图像优化，具体步骤如下：
13.步骤s1：对管制区域内的电子频谱进行连续性检测，筛选出连续频谱，进行比对后将非连续频谱参数上传；
14.步骤s2：对上传的非连续频谱进行拆分识别，并建立特征矩阵；
15.步骤s3：根据广角采集模块与长焦采集模块对采集到的无人机图像进行优化，优化内容包括短时跟踪图像合成、图像解析、噪声去除；
16.步骤s4：将优化后的图像输入opencv处理器单元中，进行图像信号与数字信号的转换。
17.根据上述技术方案，所述步骤s1中，对电子频谱的连续性检测的方法为：
18.在管制范围内的电子频谱监测模块中接入匹配滤波器，并连接信号源，与监测到的频谱波进行循环卷积，生成带有周期特性的能量频谱，将能量频谱转入软件中生成频谱自相关函数，分离完成后实现对电子频谱连续性的检测。接入匹配滤波器，使信号源发出信号的信噪比最大，短时间内就可获得高处理增益，防止出现尚未检测到无人机电子频谱就消失的情况，同时将匹配后的信号源与频谱波进行循环卷积，生成带有周期特性的能量频谱，接入matlab后生成周期性的频谱自相关函数，并将不连续的信号分离，作为无人机频谱信号，实现软件层面的无人机识别。
19.根据上述技术方案，所述仿真优化模块的运行方法进一步包括以下步骤：
20.步骤a：对非周期性的无人机电子频谱进行噪声提取并生成对应的频码；
21.步骤b：建立自适应阈值转换域，并对图像中的图像信号与数字信号存入；
22.步骤c：对图像信号进行超分辨率重建；
23.步骤d：将噪声频码与自适应阈值中存在的数字信号进行卷积后，发送到管制区域频谱空间中。噪声频码提供干扰特征，数字信号提供识别特征，进行卷积后生成带有身份信息的干扰噪声频谱，并被无人机识别接收，产生对依赖频谱的导航系统干扰信号，以低成本的方式实现无人机的识别与拦截。
24.根据上述技术方案，所述步骤a中，对非周期性的无人机电子频谱进行噪声提取并生成对应的频码的方法为：
25.建立数字信号变换域，并设置域中的两种状态：代表噪声占用频谱的二进制信号0
状态与代表空闲的二进制信号1状态，将频谱噪声与数字信号变换域进行循环卷积，并合成噪声的数字信号变换域波形，根据波形状态生成对应频码。噪声为不规则波，无法直接表示，设置数字信号变换域后，将噪声频谱转化为数字信号表示，并进行循环卷积后生成信号变域波形，生成对应的频码，将监测过程中产生的噪声识别并收集，建立低成本拦截机制。
26.根据上述技术方案，所述步骤c中，对图像进行超分辨重建的方法为：
27.建立基于循环卷积网络的图像优化模型，并通过控制循环的次数改变超分辨率效果的程度，对识别到的无人机图像进行多轮迭代控制，控制识别精度。由于无人机距离采集模块较远，即使识别过程中采用长焦镜头，在图像较小时，对无人机的识别准确率会降低，而换用更大精度的长焦镜头会造成成本的增加，且对处理器的要求更高，通过控制循环卷积模型中，循环的次数来对图像进行多轮迭代控制，实现低成本优化的同时，降低处理器的处理步骤，提高对无人机的识别效率。
28.与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有电磁频谱监测模块，对范围内的频谱资源进行监测，无人机的导航、控制系统需要占用频谱资源，会在瞬间产生频谱波动，根据监测结果辅助目标识别；通过设置有频谱分析模块，接入匹配滤波器，使信号源发出信号的信噪比最大，短时间内就可获得高处理增益，防止出现尚未检测到无人机电子频谱就消失的情况，同时将匹配后的信号源与频谱波进行循环卷积，生成带有周期特性的能量频谱，接入matlab后生成周期性的频谱自相关函数，并将不连续的信号分离，作为无人机频谱信号，实现软件层面的无人机识别。
附图说明
29.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
30.图1是本发明的系统模块组成示意图。
具体实施方式
31.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做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。
32.请参阅图1，本发明提供技术方案：一种基于循环卷积的数据优化系统，包括目标检测模块、数据处理模块、仿真优化模块，目标检测模块用于对管制范围内进行目标检测，数据处理模块用于对采集到的数据进行优化处理，仿真优化模块用于运行仿真程序对数据进行验证，目标检测模块的数据输出端与数据处理模块的数据接收端通过无线局域网连接，数据处理模块的输出端与仿真优化模块的数据输入端电连接。
33.目标检测模块包括电磁频谱监测模块、定位模块、视觉采集模块、短时跟踪模块，电磁频谱监测模块用于对管制范围内的频谱资源进行实时监测，定位模块用于对出现频谱异常的空间范围进行定位，视觉采集模块用于对空间采集范围进行视觉采集，短时跟踪模块用于对目标进行短时跟踪，电磁频谱监测模块的结果输出端与定位模块的逻辑输入端电连接，定位采集模块的逻辑输出端与视觉采集模块、短时跟踪模块的输入端电连接；视觉采
集模块包括广角采集模块和长焦采集模块，广角采集模块用于对管制范围进行大范围粗采集，长焦采集模块用于根据广角采集结果进行长焦采集。
34.数据处理模块包括频谱分析模块、图像优化模块、opencv处理器单元，频谱分析模块用于根据电磁频谱监测结果进行异常频谱分析，图像优化模块用于对采集图片进行优化，opencv处理器单元用于与视觉采集模块进行实时联动，频谱分析模块的数据输入端与电磁频谱监测模块的输出端通过局域网连接，图像优化模块的图像输出端与opencv处理器单元电连接；仿真优化模块包括噪声提取模块、自适应阈值转换模块、超分辨率重建模块、频码发射模块，噪声提取模块用于对采集到的图像中的噪声进行提取，自适应阈值转换模块用于建立自适应阈值对图像中的额噪声进行转换，超分辨率重建模块用于根据循环卷积网络对单幅图像进行超分辨率重建，频码发射模块用于对无人机进行频码干扰发射。
35.目标检测模块实现对管制区域的目标检测，具体方法包括：
36.步骤a：进行频谱监测部署；对范围内的频谱资源进行监测，无人机的导航、控制系统需要占用频谱资源，会在瞬间产生频谱波动，根据监测结果辅助目标识别；
37.步骤b：对出现频谱占用异常的区域进行定位，并发送位置信息到服务器终端；
38.步骤c：对异常区域进行视觉采集，采集包括超广角采集和长焦采集；超广角采集视野范围大，但是精度不够，可以先进行粗采集，然后根据长焦进行精采集，实现采集过程的动态调控；
39.步骤d：确定无人机识别目标后，进行范围内的长焦采集跟踪。
40.数据处理模块实现对拦截到的无人机频谱的分析，同时进行图像优化，具体步骤如下：
41.步骤s1：对管制区域内的电子频谱进行连续性检测，筛选出连续频谱，进行比对后将非连续频谱参数上传；
42.步骤s2：对上传的非连续频谱进行拆分识别，并建立特征矩阵；
43.步骤s3：根据广角采集模块与长焦采集模块对采集到的无人机图像进行优化，优化内容包括短时跟踪图像合成、图像解析、噪声去除；
44.步骤s4：将优化后的图像输入opencv处理器单元中，进行图像信号与数字信号的转换。
45.步骤s1中，对电子频谱的连续性检测的方法为：
46.在管制范围内的电子频谱监测模块中接入匹配滤波器，并连接信号源，与监测到的频谱波进行循环卷积，生成带有周期特性的能量频谱，将能量频谱转入软件中生成频谱自相关函数，分离完成后实现对电子频谱连续性的检测。接入匹配滤波器，使信号源发出信号的信噪比最大，短时间内就可获得高处理增益，防止出现尚未检测到无人机电子频谱就消失的情况，同时将匹配后的信号源与频谱波进行循环卷积，生成带有周期特性的能量频谱，接入matlab后生成周期性的频谱自相关函数，并将不连续的信号分离，作为无人机频谱信号，实现软件层面的无人机识别。
47.仿真优化模块的运行方法进一步包括以下步骤：
48.步骤a：对非周期性的无人机电子频谱进行噪声提取并生成对应的频码；
49.步骤b：建立自适应阈值转换域，并对图像中的图像信号与数字信号存入；
50.步骤c：对图像信号进行超分辨率重建；
51.步骤d：将噪声频码与自适应阈值中存在的数字信号进行卷积后，发送到管制区域频谱空间中。噪声频码提供干扰特征，数字信号提供识别特征，进行卷积后生成带有身份信息的干扰噪声频谱，并被无人机识别接收，产生对依赖频谱的导航系统干扰信号，以低成本的方式实现无人机的识别与拦截。
52.步骤a中，对非周期性的无人机电子频谱进行噪声提取并生成对应的频码的方法为：
53.建立数字信号变换域，并设置域中的两种状态：代表噪声占用频谱的二进制信号0状态与代表空闲的二进制信号1状态，将频谱噪声与数字信号变换域进行循环卷积，并合成噪声的数字信号变换域波形，根据波形状态生成对应频码。噪声为不规则波，无法直接表示，设置数字信号变换域后，将噪声频谱转化为数字信号表示，并进行循环卷积后生成信号变域波形，生成对应的频码，将监测过程中产生的噪声识别并收集，建立低成本拦截机制。
54.步骤c中，对图像进行超分辨重建的方法为：
55.建立基于循环卷积网络的图像优化模型，并通过控制循环的次数改变超分辨率效果的程度，对识别到的无人机图像进行多轮迭代控制，控制识别精度。由于无人机距离采集模块较远，即使识别过程中采用长焦镜头，在图像较小时，对无人机的识别准确率会降低，而换用更大精度的长焦镜头会造成成本的增加，且对处理器的要求更高，通过控制循环卷积模型中，循环的次数来对图像进行多轮迭代控制，实现低成本优化的同时，降低处理器的处理步骤，提高对无人机的识别效率。
56.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
57.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。