RF-Enabled Deep-Learning-Assisted Drone Detection and Identification: An End-to-End Approach es un estudio de Syed Samiul Alam, Md Habibur Rahman, Raihan Bin Mofidul, Md Morshed Alam, Ida Bagus Krishna Yoga Utama, y Yeong Min Jang.

Este artículo aborda los crecientes problemas de seguridad relacionados con los vehículos aéreos no tripulados (UAV) y propone un modelo integral basado en aprendizaje profundo para su detección e identificación basado en firmas de radiofrecuencia (RF). El modelo utiliza técnicas de extracción de características multiescala sin intervención manual, lo que garantiza una extracción eficiente de características enriquecidas y una mejor capacidad de generalización con un menor tiempo computacional.

Se incorporan bloques residuales para manejar representaciones complejas y resolver problemas de gradiente evanescente durante el entrenamiento. El modelo demuestra su eficacia en presencia de señales interferentes como Bluetooth y WIFI. La evaluación en varias relaciones señal-ruido (SNR) arroja resultados impresionantes, con una exactitud global de 97,53%, una precisión de 98,06%, una sensibilidad de 98,00% y una puntuación F1 de 98,00% para la detección de señales de radiofrecuencia en el conjunto de datos CardRF. El tiempo de inferencia del modelo propuesto, de 0,37 milisegundos, supera al de los trabajos existentes, lo que lo convierte en una solución prometedora para la detección e identificación de UAV en tiempo real en sistemas de vigilancia.

Fecha de publicación- Abril de 2023

RF-Enabled Deep-Learning-Assisted Drone Detection and Identification: An End-to-End Approach contains the following major sections:

  • Introducción
  • Metodología
  • Resultados experimentales
  • Conclusiones

Todos los artículos publicados por MDPI están disponibles inmediatamente en todo el mundo bajo una licencia de acceso abierto. No se requiere ningún permiso especial para reutilizar todo o parte del artículo publicado por MDPI, incluidas figuras y tablas. Cualquier parte del artículo puede reutilizarse sin el consentimiento de los artículos publicados bajo una licencia de acceso abierto Creative Common CC BY, siempre que se cite claramente el artículo original. Para más información, consulte https://www.mdpi.com/openaccess.

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-Syed Samiul Alam, Md Habibur Rahman, Raihan Bin Mofidul, Md Morshed Alam, Ida Bagus Krishna Yoga Utama y Yeong Min Jang.

Véase también

Radar biestático pasivo: Detección de objetivos e interferencias

Detección y seguimiento de drones mediante señales de identificación por radiofrecuencia

Aprendizaje profundo de datos multisensor para aplicaciones contra vehículos aéreos no tripulados

Post Image Credit: envatoelements by atercorv