基于HDF-CNN的电力巡检无人机干扰检测方法OA
针对电力无人机巡检过程中面临的复杂通信干扰问题,文章提出了一种基于层级特征深度融合卷积神经网络(hierarchical feature deep fusion convolutional neural networks,HDF-CNN)的电力无人机干扰检测方法。首先利用K-means聚类算法将具有相似重要性的特征进行分组,构建层次化特征簇;然后,针对每个特征簇设计专门的CNN模型,深入挖掘分组特征信息;最后,通过引入注意力机制的综合CNN模型整合所有子模型的结果,使模型更加关注高重要性特征的输出。实验结果表明,该方法提升了无人机干扰检测准确性和鲁棒性。
李勇;陈牧;戴造建;马媛媛;周宇
中国电力科学研究院有限公司电力网络安全防护与监测技术实验室,江苏省南京市210003中国电力科学研究院有限公司电力网络安全防护与监测技术实验室,江苏省南京市210003中国电力科学研究院有限公司电力网络安全防护与监测技术实验室,江苏省南京市210003中国电力科学研究院有限公司电力网络安全防护与监测技术实验室,江苏省南京市210003国网江西省电力有限公司,江西省南昌市331000
信息技术与安全科学
无人机干扰检测K-means聚类卷积神经网络深度学习注意力机制
《电力信息与通信技术》 2026 (2)
P.26-31,6
国家电网有限公司总部科技项目“复杂场景下电力无人机运行管控与自主巡检数字支撑技术研究及应用”(5700-202425223A-1-1-ZN)。
评论