(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211244116.0 (22)申请日 2022.10.12 (71)申请人 南京航空航天大 学 地址 211106 江苏省南京市江宁区秣陵街 道将军大道 29号 (72)发明人 张小飞　吴启晖　李建峰　晋本周　 徐帆　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 专利代理师 张力 (51)Int.Cl. G01S 13/88(2006.01) G01S 13/86(2006.01) G01S 7/41(2006.01) G06F 16/36(2019.01)G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/02(2006.01) G06N 5/04(2006.01) (54)发明名称 面向无人机群目标的空地联合多域探测系 统和方法 (57)摘要 本发明公开了面向无人机群目标的空地联 合多域探测系统和方法， 包括配置于地面监测站 的组网雷达、 分布式频谱被动监测设备， 装备在 无人机上的移动多光谱感知设备、 移动频谱监测 设备； 组网雷达、 分布式频谱被动监测设备、 移动 多光谱感知设备、 移动频谱监测设备协同进行多 域协同探测， 实现集群目标的综合态势识别与呈 现； 采用联合卷积自编码深度学习网络对多源异 构的雷达、 频谱、 多光谱信息进行融合； 对群目标 的知识图谱进行构建与知识 推理， 包括源数据获 取、 信息抽取、 知识融合、 知识加工、 知识库的更 新过程。 本发明结合了不同感知方式在不同距 离、 不同方位、 不同粒度等维度的优势， 通过级 联、 协同、 融合方式突破了单域探测的局限性。 权利要求书3页 说明书8页 附图4页 CN 115542318 A 2022.12.30 CN 115542318 A 1.面向无人机群目标的空地联合多域探测系统， 包括组网雷达、 分布式频谱被动监测 设备、 移动多光谱感知设备、 移动频谱监测设备， 其特 征在于： 所述组网雷达、 分布式频谱被动监测设备配置 于地面监测站； 所述移动多光谱感知设备、 移动频谱监测设备装备在用于 抵近侦察的无 人机上； 所述组网雷达， 用于协同分布式频谱被动监测设备， 对位于组网雷达中任意一部雷达 设备探测范围内无 人机群目标， 进行目标跟踪探测与运动意图识别； 所述移动多光谱感知 设备、 移动频谱监测设备， 用于在组网雷达引导下， 随所装备的无 人机对无 人机群目标进行抵 近侦察； 所述系统基于雷达、 移动多光谱感知设备、 移动频谱监测设备返回的雷达信息、 频谱信 息及多光谱信息， 协调处 理多域信息， 实现无 人机群目标的跟踪监测与意图识别。 2.根据权利要求1所述的面向无 人机群目标的空地联合多域探测系统， 其特 征在于： 所述组网雷达包括多个主动发射电磁波的雷达设备， 每部雷达设备负责探测一部分固 定的空域； 所述雷达 设备主动辐射电磁波， 具有系统最大探测距离阈值， 用于首先探测敌方 集群无人机目标， 当某个雷达探测到敌无人机集群时， 其余雷达保持对所负责空域的探测， 以保持对多个无人机集群的探测能力； 同时， 其引导分布式频谱被动监测设备， 对敌无人机 集群的通信信号与指控信号进行监测， 与组网雷达共同保持对敌无人机集群的高精度跟 踪。 3.根据权利要求1所述的面向无 人机群目标的空地联合多域探测系统， 其特 征在于： 所述分布式频谱被动监测设备配备天线阵列， 每 个阵元均为全向被动接收阵元； 所述分布式频谱被动监测设备平时只打开单个天线通道， 对防护空域进行360 °的搜索 探测， 探测到无人机群目标的通信信号后， 或者接收到来自组网雷达的引导后， 开启所有通 道天线， 共同接收敌无人机群目标通信信号， 然后对其进行波达方向估计， 获得敌无人机集 群的俯仰角和方位角信息； 并与组网雷达协同， 对敌无 人机保持跟踪。 4.根据权利要求1 ‑3任一所述的系统实现的面向无人机群目标的空地联合多域探测方 法， 其特征在于： 包括： 步骤1、 组网雷达、 分布式频谱被动监测设备、 移动多光谱感知设备、 移动频谱监测设备 协同进行多域协同探测， 实现集群目标的综合态 势识别与呈现； 步骤2、 采用联合卷积自编码深度学习网络对步骤1得到的多源异构的雷达、 频谱、 多光 谱信息进行融合； 步骤3： 对群目标的知识图谱进行构建与知识推理， 包括源数据获取、 信息抽取、 知识融 合、 知识加工、 知识库的更新过程。 5.根据权利要求 4所述的面向无 人机群目标的空地联合多域探测方法， 其特 征在于： 所述步骤1包括： 组网雷达接收目标回波， 分布式频谱设备接收目标雷达回波、 主动探测雷达、 主动干 扰、 通信以及信令， 通过信息以及数据协同进行集群目标的方位协同探测； 组网雷达基于不同目标的回波， 移动多光谱感知 设备则基于目标的多波段光谱信号融 合， 协同对目标的形态进行粗粒度、 细粒度的识别； 分布式频谱被动监测设备对集群目标雷达信号、 通信信令进行深度分析， 移动多光谱 感知设备则对目标形态进行精细识别， 二者协作对目标进行行为分析以及威胁评估， 最终权　利　要　求　书 1/3 页 2 CN 115542318 A 2基于各设备的协同处 理， 形成集群目标的综合态 势识别与呈现。 6.根据权利要求 4所述的面向无 人机群目标的空地联合多域探测方法， 其特 征在于： 步骤2中， 首先， 设计适用于图像融合的多任务损 失函数， 用联合卷积自编码网络同时 训练雷达、 红外和偏振图像； 然后在训练好的网络上， 输入待融合的图像， 根据其冗余特征 和互补特 征的特点设计融合 规则， 实现特 征层的融合， 经解码重构后得到融合图像。 7.根据权利要求6所述的面向无 人机群目标的空地联合多域探测方法， 其特 征在于： 所述联合卷积自编码 深度学习网络包括特 征学习阶段和融合阶段； 在特征学习阶段， 输入异源图像经过编码层得到其公共特征和私有特征， 所述编码层 分成一个公共分支和多个私有分支， 对于公共分支， 权重共享， 对于私有分支， 权重不共享； 私有分支通过学习 特征以区分不同图像， 学习到的私有特征表示雷达、 红外和偏振图像之 间的互补关系， 公共分支用于学习表示冗余关系的公共特 征； 待融合的雷达、 红外和偏振图像输入到联合卷积自编码深度学习 网络中， 经过编码层 的最后一层分别输出原图像的公共特 征和私有特 征。 在融合阶段， 根据 特征形态的不同， 选择采用加权 融合策略， 将两幅原图像的公共特征 在同一位置的特征进 行加权融合， 融合后的公共特征和私有 特征经过解码层， 再合并， 得到 融合后的结果。 8.根据权利要求 4所述的面向无 人机群目标的空地联合多域探测方法， 其特 征在于： 步骤3所述源数据包括数据、 专 家知识以及环境与任务情况； 数据包括目标批号、 雷达 工作方式信息和来辐射源批号、 工作频点信息； 专家知识包括作战力量和 属性知识； 环境与任务情况包括作战任务、 环境信息； 所述信息抽取从数据、 专家知识和环境与任务三个层面分别进行， 通过数据挖掘和深 度学习进行信息的抽取， 分为实体抽取、 关系抽取、 属性抽取； 实体抽取 是指从数据中识别并提取有关的实体； 关系抽取是指对实体间语义链接关系 进行抽取， 分为有监督学习抽取和远程监督学习 抽取； 属性抽取 是指对数据中有关实体的特 征和性质进行抽取。 所述知识信息融合包括 概念层和数据层的知识融合； 概念层的知识融合包括本体对齐， 是指确定概念、 关系、 属性等本体之间 映射关系的过 程； 知识数据层的知识融合包括共指消解和实体对齐。 所述知识加工包括本体构建、 知识推理和质量评估； 本体构建是指知识图谱内实体连通的语义基础， 以 “点线面”组成的网状结构呈现； 知识推理是通过对三元组的语义分析， 获取新的知识或结论， 包含公理性推理和判断 性推理； 质量评估是指对已产生的知识数据进行评估， 将符合标准的数据导入知识图谱中； 所述知识库的更新包括概念层的更新和数据层的更新， 更新方式有增量更新和全面更 新， 增量更新表示向已有 数图谱中添加新知识， 全面更新表 示从零开始， 以更新后全部数据 作为输入；权　利　要　求　书 2/3 页 3 CN 115542318 A 3