(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 202211233970.7 (22)申请日 2022.10.10 (71)申请人 成都本原聚 能科技有限公司 地址 610000 四川省成 都市高新区府 城大 道西段39 9号6栋1单元12楼14号 (72)发明人 王志刚　彭永钦　 (74)专利代理 机构 成都拓荒者知识产权代理有 限公司 51254 专利代理师 邹广春 (51)Int.Cl. G01V 11/00(2006.01) G06K 9/00(2022.01) G06N 3/08(2006.01) G06T 7/00(2017.01) (54)发明名称 基于深度学习的双定向天线飞行器侦测系 统及方法 (57)摘要 本发明涉及无线电定向检测技术领域， 尤其 是一种基于深度学习的双定向天线飞行器侦测 系统。 包括： 光学图像采集单元、 无线电信号采集 单元、 深度学习单元、 无人机 数据库； 所述光学图 像采集单元用于获取无人机图像， 并对无人机进 行图像识别； 所述无线电信号采集单元包括第一 定向天线、 第二定向天线以及无线电信号分析模 块； 其中， 所述第一定向天线以及所述第二定向 天线采集方向背向设置； 其中， 所述第一定向天 线对所述光学图像采集单元所识别的无人机进 行定向无线电信号获取。 通过对靠近重要设施的 无人机进行无线电信号 以及光学图像的双重获 取， 在无人机距离较远时， 通过定向天线可获取 固定机载频段的无人机信号， 以对靠近的无人机 进行侦测。 权利要求书2页 说明书9页 附图3页 CN 115308813 A 2022.11.08 CN 115308813 A 1.一种基于深度学习的双定向天线飞行器侦测系统， 其特 征在于， 包括： 光学图像采集单 元、 无线电信号采集单 元、 深度学习单 元、 无人机数据库； 所述光学图像采集单 元用于获取 无人机图像， 并对无 人机进行图像识别； 所述无线电信号采集单元包括第一定向天线、 第二定向天线以及无线电信号分析模 块； 其中， 所述第一定向天线以及所述第二定向天线采集方向背向设置； 其中， 所述第 一定向天线对所述光学图像采集单元所识别的无人机进行定向无线电信 号获取； 其中， 所述无线电信号分析模块接收所述第 一定向天线和所述第 二定向天线所获取的 无线电信号， 并输出定向无 人机载波频 段； 其中， 所述无 人机数据库用于存 储现有无 人机数据； 其中， 所述深度 学习单元将所述无线电信号分析单元所输出的无线电信号信 息进行特 征化学习， 并将数据结果存 入无人机数据库； 所述第一定向天线还对无人机数据库中所存储的无人机信号频段进行获取， 对无人机 进行识别。 2.根据权利要求1所述的基于深度学习的双定向天线飞行器侦测系统， 其特 征在于： 还包括预警模块， 所述预警模块获取所述第一定向天线所识别的无线电信号信息， 在 所述第一定向天线采集到无 人机数据库中所存 储的无人机信号频 段后发出第一预警信号； 预警模块还获取所述光学图像采集单元所识别的无人机图像信 息， 在所述光学图像采 集单元识别到无 人机后发出第二预警信号。 3.根据权利要求1所述的基于深度学习的双定向天线飞行器侦测系统， 其特 征在于： 所述光学图像采集单 元包括高清摄 像机； 基于深度 学习的双定向天线飞行器侦测系统还包括旋转云台， 所述旋转云台驱动所述 高清摄像机以及所述第一定向天线和所述第二定向天线转动； 其中， 所述 光学图像采集单 元还为所述旋转云台提供 无人机方位； 所述旋转云台获取 无人机方位后驱动所述第一定向天线转动至无 人机方位。 4.根据权利要求3所述的基于深度学习的双定向天线飞行器侦测系统， 其特 征在于： 所述旋转云台包括图像云台以及无线电信号云台； 所述图像云台驱动所述高清摄 像机沿转动中心进行0 ‑360°范围内的往复转动； 所述无线电信号云台驱动所述第一定向天线以及所述第二定向天线沿转动中心进行 0‑360°范围内的转动； 其中， 所述图像云台和所述无线电信号云台的转动中心重合。 5.根据权利要求 4所述的基于深度学习的双定向天线飞行器侦测系统， 其特 征在于： 所述无线电信号云台执行第 一无序旋转策略， 所述第 一无序旋转策略具有第 一最低旋 转限速以及第一 最高旋转限速； 第一无序旋转策略控制所述无线电信号云台在所述第一最低旋转限速与所述第一最 高旋转限速之间无序变频旋转。 6.根据权利要求 4所述的基于深度学习的双定向天线飞行器侦测系统， 其特 征在于： 所述图像云台执行第 二无序旋转策略， 所述第 二无序旋转策略具有第 二最低旋转限速权　利　要　求　书 1/2 页 2 CN 115308813 A 2以及第二 最高旋转限速； 第二无序旋转策略控制所述图像云台在所述第二最低旋转限速与所述第二最高旋转 限速之间无序变频旋转。 7.根据权利要求4 ‑6任意一项所述的基于深度学习的双定向天线飞行器侦测系统， 其 特征在于： 所述光学图像采集单 元始终保持无 人机图像处于所获取的图像的中间位置 。 8.根据权利要求1所述的基于深度学习的双定向天线飞行器侦测系统， 其特 征在于： 所述无线电信号分析模块用于将所述第一定向天线和所述第二定向天线所采集的无 线电信号进行差异化频谱分析， 滤除公共无线电信号以获得定向无 人机载波频 段。 9.一种基于深度学习的双定向天线飞行器侦测方法， 其特 征在于， 包括以下步骤： S1、 采用第一定向天线对无人机数据库的无人机载波频段的无线电信号进行获取， 若 获取到， 则发出第一预警信号； S2、 采用高清摄像机获取无人机图像， 若获取到， 则发出第二预警信号， 并采用第一定 向天线对所获取到图像的无 人机进行定向无线电信号获取； S3、 采用第二定向天线对第一定向天线相背方向的无线电信号进行获取， 并对第一定 向天线和所述第二定向天线所采集的无线电信号进行差异化频谱分析， 以获得定向无人机 载波频段； S4、 通过深度学习对定向无人机载波频段进行特征化学习， 并将数据结果存入无人机 数据库， 更新无 人机数据库； S5、 再次采用第一定向天线对更新后的无 人机载波频 段的无线电信号进行获取。 10.根据权利要求9所述的基于深度学习的双定向天线飞行器侦测方法， 其特 征在于： 步骤S1中， 采用无线电信号云台驱动第一定向天线和第二定向天线转动， 对周围的无 线电信号进行获取； 步骤S2中， 采用图像云台驱动高清摄 像机转动， 对周围的无 人机图像进行获取。权　利　要　求　书 2/2 页 3 CN 115308813 A 3