Detección y clasificación de vehículos aéreos no tripulados mediante huellas dactilares de RF en presencia de interferencias Wi-Fi y Bluetooth es un documento de Martins Ezuma, Fe Erden, Chethan Kumar Anijappa, Ozgur Ozdemiry 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.
Fecha de publicación Noviembre de 2019
Detection and Classification of UAVs Using RF Fingerprints in the Presence of Wi-Fi and Bluetooth Interference contiene las siguientes secciones principales:
- Introducción
- Trabajos relacionados
- Detección de señales de UAV multietapa
- Detección de interferencias Wi-Fi y Bluetooth
- Clasificación de UAV mediante huellas dactilares RF
- Montaje experimental y captura de datos
- Resultados
- Conclusión
Artículo de acceso abierto. Este artículo se distribuye bajo los términos de la Licencia Creative Commons Atribución 4.0 Internacionalque permite el uso, distribución y reproducción sin restricciones en cualquier medio, siempre que se cite al autor o autores originales y la fuente, se proporcione un enlace a la licencia Creative Commons y se indique si se han realizado cambios.
C-UAS Hub no es propietario de este contenido y proporciona un enlace para los usuarios en el fondo de la página para acceder a ella en su ubicación original. Esto permite al autor o autores hacer un seguimiento de las métricas importantes del artículo relacionadas con su trabajo. Todo el mérito es de su legítimo propietario.
Autores- Martins Ezuma, Faith Erden, Chethan Kumar Anjinappa, Ozgur Ozdemir e Ismail Guvenc
Post Image- Bandwidth analysis of (a) Wi-Fi signal, (b) Bluetooth signal from Motorola e5 cruise, and (c) Spektrum DX5e UAV controller signal (Image Credit-Detection and Classification of UAVs Using RF Fingerprints in the Presence of Wi-Fi and Bluetooth Interference authors)
Para más recursos multimedia, visite la página Biblioteca multimedia.
