Erkennung und Klassifizierung von UAVs anhand von RF-Fingerabdrücken bei Vorhandensein von Wi-Fi- und Bluetooth-Störungen ist ein Papier von Martins Ezuma, Glaube Erden, Chethan Kumar Anijappa, Özgür Özdemirund Ismail Guvenc.

This research paper delves into the challenge of detecting and classifying unmanned aerial vehicles (UAVs) amidst the presence of wireless interference signals, utilizing a passive radio frequency (RF) surveillance system. The system employs a multistage detector to differentiate signals transmitted by UAV controllers from background noise and interference signals. RF signals from any source are detected using a decision mechanism based on Markov models and naïve Bayes. With a receiver operating at a signal-to-noise ratio (SNR) of 10 dB and a threshold set at 3.5 times the standard deviation of preprocessed noise data, the system achieves a detection accuracy of 99.8% and a false alarm rate of 2.8%. Secondly, signals from Wi-Fi and Bluetooth emitters, if present, are detected based on the bandwidth and modulation characteristics of the identified RF signals. Once an input signal is identified as a UAV controller signal, it undergoes classification using machine learning (ML) techniques. Fifteen statistical features extracted from the energy transients of the UAV controller signals are utilized in neighborhood component analysis (NCA), with the selection of the three most significant features. The performance of NCA and five different ML classifiers is evaluated for 15 distinct types of UAV controllers. At an SNR of 25 dB, the k-nearest neighbor classifier achieves a classification accuracy of 98.13%. The paper also examines classification performance at various SNR levels and for a set of 17 UAV controllers, including two pairs from the same UAV controller models.

Erscheinungsdatum. November 2019

Detection and Classification of UAVs Using RF Fingerprints in the Presence of Wi-Fi and Bluetooth Interference enthält die folgenden Hauptabschnitte:

  • Einführung
  • Verwandte Arbeiten
  • Mehrstufige UAV-Signaldetektion
  • Erkennung von Wi-Fi- und Bluetooth-Störungen
  • UAV-Klassifizierung mit RF-Fingerabdrücken
  • Versuchsaufbau und Datenerfassung
  • Ergebnisse
  • Schlussfolgerung

Open-Access-Papier. Dieser Artikel wird unter den Bedingungen der Creative Commons Namensnennung 4.0 Internationale Lizenzdie die uneingeschränkte Nutzung, Verbreitung und Vervielfältigung in jedem Medium erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen nennen, einen Link zur Creative-Commons-Lizenz angeben und angeben, ob Änderungen vorgenommen wurden.

C-UAS Hub macht sich diese Inhalte nicht zu eigen und stellt einen Link für die Nutzer auf der unten der Seite, um sie an ihrem ursprünglichen Ort aufzurufen. Dies ermöglicht es dem/den Autor(en), wichtige Artikelmetriken im Zusammenhang mit ihrer Arbeit zu verfolgen. Alle Angaben gehen an den rechtmäßigen Eigentümer.

Autoren- Martins Ezuma, Faith Erden, Chethan Kumar Anijappa, Ozgur Ozdemir, und Ismail Guvenc

Post Image- Bandbreitenanalyse von (a) Wi-Fi-Signal, (b) Bluetooth-Signal von Motorola e5 cruise und (c) Spektrum DX5e UAV-Controller-Signal (Image Credit-Detection and Classification of UAVs Using RF Fingerprints in Presence of Wi-Fi and Bluetooth Interference authors)

Weitere Multimedia-Ressourcen finden Sie auf der Website Multimedia-Bibliothek.