基于HDF-CNN的电力巡检无人机干扰检测方法

李勇; 陈牧; 戴造建; 马媛媛; 周宇

doi:10.16543/j.2095-641x.electric.power.ict.2026.02.04

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于HDF-CNN的电力巡检无人机干扰检测方法

更新时间：2026-10-17

- 基于HDF-CNN的电力巡检无人机干扰检测方法
- Vol. 24, Issue 2, Pages: 26-31(2026)
- 作者机构：
  
  1. 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
  2. 国网江西省电力有限公司
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2026.02.04
  CLC： TP183;TM75
- Published：2026
- 稿件说明：
移动端阅览
李勇, 陈牧, 戴造建, et al. 基于HDF-CNN的电力巡检无人机干扰检测方法[J]. 2026, 24(2): 26-31.
DOI：

李勇, 陈牧, 戴造建, et al. 基于HDF-CNN的电力巡检无人机干扰检测方法[J]. 2026, 24(2): 26-31. DOI： 10.16543/j.2095-641x.electric.power.ict.2026.02.04.

摘要

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。

Abstract

关键词

Keywords

references

户健.基于SVM和深度学习的GNSS欺骗干扰检测方法研究[D].吉林大学,2024(04).

李佳强.无线通信干扰识别技术研究[D].北京交通大学,2022(07).

乌倩倩.基于深度学习的无线通信干扰信号检测[D].北京邮电大学,2020(05).

文承家,杨富淇,戴佳利,何望.基于北斗定位联合智能视觉的电力现场巡检无人机偏移控制[J].电力信息与通信技术,2025(06).

李道兴,王晓辉,李黎,季知祥.面向电力无人机巡检图像分析处理的自动化深度学习系统：架构设计与关键技术[J].电力信息与通信技术,2024(04).

李佳浩,杜子铭,周博,李婕,吴启晖.基于对抗互易点学习的无人机通信干扰开集识别方法[J].信号处理,2024(04).

朱得利,韩兴意.基于风机建模的风力电站无人机航迹点规划策略研究[J].电力信息与通信技术,2024(02).

李博扬,刘洋,万诺天,许魁,夏晓晨,张月月,张咪.基于强化学习的无人机电磁干扰感知与抗干扰传输方法[J].电讯技术,2023(12).

王晓惠,冯彩英.基于子波变换的无线通信网络干扰信号检测研究[J].激光与红外,2022(06).

Zhang Jingke,Zeng Yonghu,Qi Zongfeng,Wang Liandong,Wang Ya,Shen Xujian.Two-Dimensional Barrage Jamming against SAR Using a Frequency Diverse Array Jammer[J].Sensors,2023.

Voulodimos Athanasios,Doulamis Nikolaos,Doulamis Anastasios,Protopapadakis Eftychios.Deep Learning for Computer Vision: A Brief Review.[J].Computational intelligence and neuroscience,2018.

LeCun Yann,Bengio Yoshua,Hinton Geoffrey.Deep learning.[J].Nature,2015.

Nadkarni Prakash M,Ohno-Machado Lucila,Chapman Wendy W.Natural language processing: an introduction.[J].Journal of the American Medical Informatics Association : JAMIA,2011.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于深度学习的文本分类研究进展

基于RIME-CNN-LSTM-AM模型的智能电网短期电价预测方法

基于注意力机制的混合神经网络电力设备缺陷文本挖掘方法

基于CNN-BiLSTM-Attention模型的光纤非线性损伤补偿算法

基于双传声器和深度学习的变压器状态识别

Related Author

刘婷婷

朱文东

刘广一

周洋洋

王玲芝

赵佳蕊

王宣军

于虹

Related Institution

全球能源互联网美国研究院

西安邮电大学自动化学院

华北电力大学电气与电子工程学院

云南电网有限责任公司电力科学研究院

上海大学特种光纤与光接入网省部共建重点实验室

AI问答

⁰