طائرة بدون طيار الكشف الذي يستخدم إشارات الترددات الراديوية ونماذج التعلم العميق هو مشروع مفتوح المصدر الورق بقلم شوانزي داي.

يثير الاستخدام الواسع النطاق للطائرات بدون طيار مخاوف كبيرة تتعلق بالأمن والبيئة والخصوصية والأخلاق، مما يجعل الكشف الفعال عن هذه الطائرات أمراً بالغ الأهمية. تُستخدم حالياً طرق متنوعة للكشف عن الطائرات بدون طيار، مثل الكشف عن الإشارات اللاسلكية، والكشف الكهروضوئي، والكشف بالرادار، والكشف الصوتي. ومع ذلك، غالباً ما تفتقر هذه الطرق إلى الدقة اللازمة للتعرف الدقيق على الطائرات بدون طيار. ولمواجهة هذا التحدي، هناك حاجة إلى تقنيات كشف أكثر موثوقية. بالإضافة إلى ذلك، تتطلب الأنواع المختلفة من الطائرات بدون طيار وسيناريوهات الاستخدام اتباع نُهج مخصصة للكشف والتعرف عليها.

قارنت هذه الدراسة أداء نماذج مختلفة من التعلم الآلي والتعلم العميق والنماذج متعددة المهام على مجموعة بيانات مفتوحة لإشارات الترددات الراديوية (RF) في مشاكل ذات فئتين، و4 فئات، و10 فئات. من خلال دمج أساليب الترددات الراديوية مع الشبكات العصبية التلافيفية (CNNs)، طور المؤلف نموذجًا متعدد المهام من أجل طائرة بدون طيار الكشف والتصنيف. تُظهر النتائج التجريبية أن نموذج XGBoost حقق دقة استثنائية، حيث بلغت 99.96% لمشكلة الفئتين، و92.31% لمشكلة الفئات الأربع، و74.81% لمشكلة الفئات العشر، مما يجعله النموذج الأفضل أداءً في مجال الكشف عن الطائرات بدون طيار وتصنيفها على هذه المجموعة الرائدة من البيانات.

تاريخ النشر- مارس 2024

يتضمن الكشف عن الطائرات بدون طيار باستخدام إشارات الترددات الراديوية ونماذج التعلم العميق الأقسام الرئيسية التالية:

• مقدمة
• الأعمال ذات الصلة
• وصف مجموعة البيانات
• الأساليب
• النتائج
• الخاتمة

مصدر الصورة المنشور - عناصر بيئية بواسطة lzf