本發(fā)明專利技術(shù)涉及無人機(jī)探測技術(shù)領(lǐng)域，具體涉及一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法及系統(tǒng)。方法包括：獲取探測范圍內(nèi)的圖像數(shù)據(jù)，通過太赫茲無線通信裝置發(fā)送至圖像處理模塊；將圖像數(shù)據(jù)分為動態(tài)特征向量和靜態(tài)特征向量，采用注意力機(jī)制進(jìn)行并行處理；將處理后的動態(tài)特征向量和處理后的靜態(tài)特征向量進(jìn)行拼接；對拼接向量進(jìn)行分析處理，獲得關(guān)聯(lián)特征向量；將關(guān)聯(lián)特征向量輸入第一激活函數(shù)層和第一全連接層，輸出無人機(jī)檢測信息。本發(fā)明專利技術(shù)通過太赫茲波實現(xiàn)高速率的實時信號傳遞，提高探測效果，采用注意力機(jī)制進(jìn)行預(yù)測處理，增添新型的損失函數(shù)單元，針對最后的分類預(yù)測進(jìn)行全局鏈接分析，有效地提高了預(yù)測精準(zhǔn)度。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及無人機(jī)探測，具體涉及一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法及系統(tǒng)。
技術(shù)介紹
1、近年來，無人機(jī)技術(shù)的發(fā)展和普及在各個領(lǐng)域中引起了廣泛關(guān)注。然而，無人機(jī)的廣泛應(yīng)用也帶來了諸多安全問題，特別是在軍事、公共安全和關(guān)鍵基礎(chǔ)設(shè)施保護(hù)等方面。有效地探測和監(jiān)控?zé)o人機(jī)已成為當(dāng)前亟待解決的重要技術(shù)難題。
2、現(xiàn)有的無人機(jī)探測技術(shù)多依賴于微波、雷達(dá)或可見光成像系統(tǒng)，受制于分辨率和信號干擾等問題，無法提供高精度的探測結(jié)果。在復(fù)雜環(huán)境中，傳統(tǒng)技術(shù)容易受到障礙物的遮擋和天氣條件的影響，導(dǎo)致探測效果不理想。許多現(xiàn)有系統(tǒng)由于數(shù)據(jù)處理和傳輸速度的限制，難以實現(xiàn)實時的無人機(jī)探測和監(jiān)控。實時性的不足會導(dǎo)致無法及時預(yù)警和采取必要的應(yīng)對措施，增加了安全隱患。并且現(xiàn)有的無人機(jī)探測系統(tǒng)在復(fù)雜環(huán)境中的適應(yīng)性較差。例如，在霧霾、雨雪等惡劣天氣條件下，傳統(tǒng)的光學(xué)和雷達(dá)系統(tǒng)的探測效果會大打折扣，難以提供可靠的監(jiān)控數(shù)據(jù)。此外現(xiàn)有的無人機(jī)探測系統(tǒng)往往是一個整體，在處理復(fù)雜任務(wù)時容易出現(xiàn)資源過載的問題，導(dǎo)致系統(tǒng)效率低下，難以應(yīng)對多目標(biāo)探測和實時處理的需求。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于，提供一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，解決以上技術(shù)問題；
2、本專利技術(shù)的目的還在于，提供一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測系統(tǒng)，解決以上技術(shù)問題。
3、本專利技術(shù)所解決的技術(shù)問題可以采用以下技術(shù)方案來實現(xiàn)：
4、一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，包括，</p>5、步驟s1，無人機(jī)探測設(shè)備獲取探測范圍內(nèi)的圖像數(shù)據(jù)，通過太赫茲無線通信裝置發(fā)送至圖像處理模塊；
6、步驟s2，所述圖像處理模塊將所述圖像數(shù)據(jù)分為動態(tài)特征向量和靜態(tài)特征向量，并將所述動態(tài)特征向量和所述靜態(tài)特征向量分別輸入所述圖像處理模塊的無人機(jī)檢測神經(jīng)網(wǎng)絡(luò)采用注意力機(jī)制進(jìn)行并行處理；
7、步驟s3，將處理后的動態(tài)特征向量和處理后的靜態(tài)特征向量進(jìn)行拼接，獲得拼接向量；
8、步驟s4，采用損失函數(shù)單元對所述拼接向量進(jìn)行分析處理，獲得關(guān)聯(lián)特征向量；
9、步驟s5，將所述關(guān)聯(lián)特征向量輸入第一激活函數(shù)層和第一全連接層，輸出無人機(jī)檢測信息，通過所述太赫茲無線通信裝置向外部傳遞所述無人機(jī)檢測信息。
10、優(yōu)選的，步驟s2中，處理所述動態(tài)特征向量的方法包括，
11、步驟s21，采用第二全連接層將所述動態(tài)特征向量的時間序列長度壓縮為設(shè)定長度，對所述動態(tài)特征向量進(jìn)行復(fù)制，將復(fù)制后的所述動態(tài)特征向量放入第二激活函數(shù)層和丟棄層進(jìn)行處理，獲得初步處理后的動態(tài)特征向量；
12、步驟s22，將所述初步處理后的動態(tài)特征向量放入注意力模塊，對所述初步處理后的動態(tài)特征向量在每一采樣時刻進(jìn)行圖神經(jīng)展開，建立動態(tài)圖神經(jīng)模型進(jìn)行圖模型的信息提取，輸出與所述初步處理后的動態(tài)特征向量大小一致的二維向量；
13、步驟s23，將所述二維向量使用正余弦的位置編碼方式創(chuàng)建二維矩陣，所述二維向量經(jīng)過所述二維矩陣獲得帶有位置信息的二維特征向量；
14、步驟s24，將所述二維特征向量放入可變形注意力編碼器，所述可變形注意力編碼器對輸入所述二維特征向量在各尺度和各時間序列進(jìn)行融合，輸出大小和維度擴(kuò)增后的三維特征向量；
15、步驟s25，將所述三維特征向量放入殘差解碼器，對所述三維特征向量進(jìn)行解碼分析，輸出二維的所述處理后的動態(tài)特征向量。
16、優(yōu)選的，步驟s22中，所述注意力模塊的處理方法包括，
17、步驟s221，對輸入的所述初步處理后的動態(tài)特征向量進(jìn)行復(fù)制，獲得復(fù)制矩陣；
18、步驟s222，對所述復(fù)制矩陣進(jìn)行兩次平均池化分別獲得第一池化結(jié)果和第二池化結(jié)果，以及進(jìn)行卷積獲得第一卷積后的特征信息；
19、步驟s223，對所述第二池化結(jié)果進(jìn)行維度調(diào)整，與所述第一池化結(jié)果進(jìn)行拼接，對拼接后的結(jié)果進(jìn)行卷積，獲得第二卷積后的特征信息；
20、步驟s224，對所述第二卷積后的特征信息進(jìn)行非線性激活，將非線性激活結(jié)果與所述第一卷積后的特征信息相乘獲得第一相乘結(jié)果。
21、優(yōu)選的，步驟s22還包括，
22、步驟s225，對所述第二卷積后的特征信息進(jìn)行卷積然后分裂為第一分裂特征和第二分裂特征，以及對所述非線性激活結(jié)果進(jìn)行卷積然后分裂為第三分裂特征和第四分裂特征；
23、步驟s226，將所述第一分裂特征和所述第三分裂特征相乘獲得第二相乘結(jié)果，將所述第二分裂特征和所述第四分裂特征相乘獲得第二相乘結(jié)果；
24、步驟s227，對所述第一相乘結(jié)果、所述第二相乘結(jié)果和所述第三相乘結(jié)果執(zhí)行乘法運算輸出所述二維向量。
25、優(yōu)選的，步驟s23中，所述二維矩陣的表達(dá)式為，
26、pe(pos,2i)＝sin(pos/10002i/dim)，i∈(0,dim/2)
27、pe(pos,2i+1)＝cos(pos/1000(2i+1)/dim)，i∈(0,dim/2)
28、其中，pe表示所述二維矩陣，pos表示所述位置信息，dim表示所述二維向量的維度信息，i表示所述二維向量的位置信息。
29、優(yōu)選的，步驟s24中，所述可變形注意力編碼器的處理方法包括，
30、步驟s241，將所述二維特征向量在第三個維度上進(jìn)行擴(kuò)增，獲得擴(kuò)增向量，將所述擴(kuò)增向量復(fù)制出兩份，獲得第一復(fù)制向量和第二復(fù)制向量；
31、步驟s242，對所述第一復(fù)制向量和所述第二復(fù)制向量分別提取不同索引下的特征信息，獲得所述第一復(fù)制向量以及所述第二復(fù)制向量的同一時刻上不同尺度的特征信息或同一尺度不同時刻上的特征信息，輸出第一索引向量和第二索引向量；
32、步驟s243，將所述第一索引向量分別放入對應(yīng)的注意力頭，輸出注意力機(jī)制加權(quán)后的第一索引向量；
33、步驟s244，將所述注意力機(jī)制加權(quán)后的第一索引向量和所述第二索引向量分別進(jìn)行乘法運算，將乘法運算結(jié)果進(jìn)行整合輸出所述三維特征向量。
34、優(yōu)選的，步驟s25中，所述殘差解碼器的處理方法包括，
35、步驟s251，將所述三維特征向量輸入所述殘差解碼器，所述殘差解碼器的第一卷積層對所述三維特征向量進(jìn)行卷積獲得第一特征圖；
36、步驟s252，將所述第一特征圖與輸入的所述三維特征向量進(jìn)行拼接，放入所述殘差解碼器的第二卷積層進(jìn)行卷積獲得第二特征圖；
37、步驟s253，將所述第二特征圖與所述第一特征圖進(jìn)行拼接，放入所述殘差解碼器的第三卷積層進(jìn)行卷積獲得第三特征圖；
38、步驟s254，將所述第三特征圖與所述第二特征圖進(jìn)行拼接，放入所述殘差解碼器的第四卷積層進(jìn)行卷積獲得第四特征圖；
39、步驟s255，對所述第四特征圖的長度進(jìn)行整形，輸出所述處理后的動態(tài)特征向量。
40、優(yōu)選的，步驟s2中對所述靜態(tài)特征向量處理的方法為，將本文檔來自技高網(wǎng)
...
【技術(shù)保護(hù)點】
1.一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，包括，
2.根據(jù)權(quán)利要求1所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S2中，處理所述動態(tài)特征向量的方法包括，
3.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S22中，所述注意力模塊的處理方法包括，
4.根據(jù)權(quán)利要求3所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S22還包括，
5.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S23中，所述二維矩陣的表達(dá)式為，
6.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S24中，所述可變形注意力編碼器的處理方法包括，
7.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S25中，所述殘差解碼器的處理方法包括，
8.根據(jù)權(quán)利要求1所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S2中對所述靜態(tài)特征向量處理的方法為，將所述靜態(tài)特征向量輸入第三全連接層，對所述靜態(tài)特征向量進(jìn)行復(fù)制，獲得所述處理后的靜態(tài)特征向量。
9.根據(jù)權(quán)利要求1所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟S3中，所述損失函數(shù)單元(6)的處理方法包括，
10.一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測系統(tǒng)，其特征在于，包括，
...
【技術(shù)特征摘要】
1.一種基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，包括，
2.根據(jù)權(quán)利要求1所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟s2中，處理所述動態(tài)特征向量的方法包括，
3.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟s22中，所述注意力模塊的處理方法包括，
4.根據(jù)權(quán)利要求3所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟s22還包括，
5.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，其特征在于，步驟s23中，所述二維矩陣的表達(dá)式為，
6.根據(jù)權(quán)利要求2所述的基于太赫茲無線通信的無人機(jī)目標(biāo)探測方法，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：崔志強，王未泱，戴建鑫，姜彬，華沁陽，
申請(專利權(quán))人：華太極光光電技術(shù)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。