核心技术

核心技术


独创的14N4技术体系,为实现高效、稳定、科学的解决方案提供了强大的支持

杰能科世独创的14N4技术体系,即1个世盾大脑,聚焦4大关键技术突破,N个核心技术点和4大应用系统,
为实现高效、稳定、科学的低空安全综合解决方案提供了强大的技术支持。

1

大脑


 

世盾中央大脑由杰能科世自主设计与研发,综合云边端信息协同、雷达、无线电、5G-A通感一体、音视频感知融合、AI大模型、数字孪生、区块链、大数据存储等先进技术,形成具有数据汇集、清洗、治理、存储、管理、计算和分享能力的数据底座,为数据中台提供数据服务。

 

世盾中央大脑

4
大关键

技术突破


4柱防御单元设备

自主研发了“4柱防御单元设备”,创新提出了异构设备的信息交互方法,实现了复杂环境区域内侦测、识别与定位,提高了预警与处置效能。

数字孪生技术

应用数字孪生技术,率先提出按空域入侵威胁度等级详细划分多级防御圈,实现了防护区建模和实战可视化指挥,构建了立体防御模型和监管模型,对空域内无人机实时位置显示与预警。

4级架构

首次提出并实现了无人机安全监管4级架构,运用人工智能轨迹预测方法,实现了无人机飞手位置推定,并基于敌我识别、威胁度评价和反制手段,创建了处置链模型, 解决了快速响应、联动处置的问题。

多元融合感知

通过多种设备的融合感知,包括但不限于无线电频谱定位、无线电频谱测向、报文解析、雷达、光电、声纳和5G-A等技术,实现对目标无人机的全方位探测与追踪,并通过设备之间的协同作用提升整体感知能力。

N
个核心

技术点


图片名称

数据中台技术

通过数据技术实现对海量数据进行采集、计算、存储、清洗、加工,并统一标准和口径的数据管理解决方案,实现系统间数据互通,消除孤岛,建设数据仓库分层建模,共享数据资源,强化数据质量管理,管理数据血缘关系,并保障数据安全,防止数据泄露和滥用。

图片名称

多场景沙盘推演技术

通过模拟多种不同场景和情境,对各种情况、事件进行推演、分析和预测。让决策者在一个仿真的环境中,对实际情况或想象的未来事件进行模拟应对,从而深入了解事态变化,提高应变能力和决策质量。

图片名称

LSTM轨迹预测技术

利用 LSTM(Long Short-Term Memory 采用基于长短期记忆神经网络)模型实现对未来飞行轨迹的预测。

图片名称

AI目标识别技术

视频流AI识别技术运用AI算法检测分析视频内容,基于深度学习和机器学习提取无人机视频关键信息,实现事件处理和告警,提升识别与应对效率。

图片名称

零量本推理技术

针对“黑飞”无人机信号特征弱、杂讯多,构建离群值检测模型实时分析图传信息,利用深度神经网络识别射频信号。部署全频段、人工智能算力的感知硬件,结合智能算法,实现低空“黑飞”无人机信号的智能感知与零量本推理。

图片名称

威胁度分析模型

通过统计建模,构建威胁度分析模型,综合考虑无人机机型、速度、高度及环境等因素,深入分析其行为特征,全面评估风险。

图片名称

基于大数据分析的跨域互联与分布式安全链接技术

由于无人机在飞行过程中常会跨域造成轨迹不完整,因此建立了一种大数据分析的跨域互联方法。通过该方式实现点对点传输无人机轨迹数据,实现无人机轨迹完整性,但是数据传输过程中以广播式会造成网络拥塞、占用大量带宽,因此引入一种区块链的加密验证机制,实现点对点安全传输。

图片名称

联合TDOA定位技术

多机位无线电侦测数据融合的 TDOA( 到达时间差)定位算法,精准定位无人机位置,并对侦测盲区的无人机轨迹进行预测还原。

图片名称

飞手位置推理

清洗历史数据,提取起飞位置特征,结合地理信息推算可疑点。利用Geosot网格码提升检索,强化警力部署与核查。

图片名称

去中心化蜂窝组网

利用云计算强化数据处理,实现城市级设备组网与统一调度,提升资源利用率与数据可靠性。引入去中心化思想,降低故障风险,增强数据安全。节点受攻仍稳定运行,数据完整。

图片名称

流媒体数据分发技术

通过压缩媒体数据后,实现分段即时传输,无需下载整个文件即可观看,确保数据连续输出,避免播放中断。

图片名称

综合研判技术

整合各种无人机信息来源,包括定量数据和定性信息,以形成一个完整而连贯的认知体系,运用适当的分析工具和方法,对信息进行深入挖掘和提炼,以便找出其背后的规律、趋势和问题。

图片名称

身份识别技术

低功耗4G-CAT1(IMEI)电子身份证。

图片名称

多频段无线电
压制技术

切断无人机与遥控器之间的通信链路,触发无人机自我保护功能,实现无人机返航或迫降。

图片名称

无人机无线电指纹深度学习技术

通过状态嵌置逐层自底向上无监督学习获得初始参数,然后用后向传播 (Back Propagation,BP)法对整个模型进行有监督的参数微调, 最后利用Softmax进行分类识别。

图片名称

CSDTHE无人机轨迹追踪与预测技术

利用多个运动模型来描述受风扰动等影响的若干无人机运动状态,并采用模态转换的方式描述一系列随机动力学模型的切换。再利用约束卡尔曼滤波方法将地理围栏对无人机运动的约束加入到跟踪算法中,并使用约束状态相关模态转换混合估计算法。

图片名称

基于深度学习与神经网络的融合技术

针对多感知设备不同特性,所表现出来的最终结果都存在一定的差异。利用深度学习与神经网络模型降低数据量和提高运算效率。使包括雷达、无线电、视频、音频等方法的侦测手段能实现高中低空、远近距离、快慢速度、高低频段的全覆盖侦测与实时输出统一结果。

图片名称

5G+光纤链路
传输技术

信息传输的低延时和设备的时钟。