技術特征：

1.一種反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，包括信號接收模塊(100)、異常信號檢測模塊(200)、到達時間差檢測模塊(300)、到達角度檢測模塊(400)、交叉定位模塊(500)和自適應干擾抑制模塊(600)，其中：

2.根據權利要求1所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，所述異常信號檢測模塊(200)包括特征提取單元(201)，所述特征提取單元(201)中特征提取的具體過程包括：

3.根據權利要求2所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，所述異常信號檢測模塊(200)包括異常檢測單元(202)，所述異常檢測單元(202)檢測多架無人機電信號中的異常信號的具體過程如下：

4.根據權利要求3所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，所述到達時間差檢測模塊(300)計算每個空間站點對異常信號的到達時間差的具體過程如下：

5.根據權利要求4所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，所述到達角度檢測模塊(400)確定每個空間站點對異常信號的到達角度的過程具體如下：

6.根據權利要求5所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，所述交叉定位模塊(500)確定異常無人機位置的具體過程如下：

7.根據權利要求6所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)，其特征在于，所述自適應干擾抑制模塊(600)接收特征提取單元(201)提供的特征提取結果，包括時頻特征、頻率特征和信號強度特征，該特征作為預先訓練的機器學習模型的輸入，該模型包括但不限于深度神經網絡和支持向量機；

8.一種使用包括權利要求1-7中任意一項所述的反制無人機探測干擾的監(jiān)測預警系統(tǒng)的方法，其特征在于，包括如下方法步驟：

技術總結
本發(fā)明涉及無人機探測技術領域，具體為一種反制無人機探測干擾的監(jiān)測預警系統(tǒng)及方法，本發(fā)明中，信號接收模塊利用陣列空間站點獨立接收多架無人機電信號；異常信號檢測模塊進行特征提取，利用頻率特征變化和頻譜分析技術檢測異常信號；到達時間差檢測模塊計算每個空間站點對異常信號的到達時間差，到達角度檢測模塊通過空間協(xié)方差矩陣分析確定到達角度；交叉定位模塊綜合時間差和角度信息，確定異常無人機位置；自適應干擾抑制模塊利用特征提取結果和機器學習模型識別異常無人機類型，選擇抑制策略，控制陣列空間站點對準異常無人機位置，實現高效抑制，同時保護合法無人機和其他空中設備的正常運行。

技術研發(fā)人員：殷從容,殷曉,張少溥
受保護的技術使用者：深圳市東方林實業(yè)有限公司
技術研發(fā)日：
技術公布日：2025/1/6