Détection et classification des drones à l'aide d'empreintes digitales RF en présence d'interférences Wi-Fi et Bluetooth est un document rédigé par Martins Ezuma, Faith Erden, Chethan Kumar Anijappa, Ozgur Ozdemiret 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.

Date de publication- Novembre 2019

Detection and Classification of UAVs Using RF Fingerprints in the Presence of Wi-Fi and Bluetooth Interference (Détection et classification des drones à l'aide d'empreintes digitales RF en présence d'interférences Wi-Fi et Bluetooth) contient les sections principales suivantes :

  • Introduction
  • Travaux connexes
  • Détection de signaux de drone en plusieurs étapes
  • Détection des interférences Wi-Fi et Bluetooth
  • Classification des UAV à l'aide d'empreintes digitales RF
  • Dispositif expérimental et saisie des données
  • Résultats
  • Conclusion

Article en libre accès. Cet article est distribué selon les termes de la Licence internationale Creative Commons Attribution 4.0La licence Creative Commons permet l'utilisation, la distribution et la reproduction sans restriction sur n'importe quel support, à condition de mentionner les auteurs originaux et la source, de fournir un lien vers la licence Creative Commons et d'indiquer si des modifications ont été apportées.

C-UAS Hub n'est pas propriétaire de ce contenu et fournit un lien pour les utilisateurs à l'adresse suivante fond de la page pour y accéder à son emplacement d'origine. Cela permet à l'auteur ou aux auteurs de suivre les métriques importantes de l'article liées à leur travail. Tout le mérite en revient à son propriétaire légitime.

Auteurs- Martins Ezuma, Faith Erden, Chethan Kumar Anijappa, Ozgur Ozdemir, et Ismail Guvenc

Post Image- Analyse de la bande passante du signal Wi-Fi (a), du signal Bluetooth de la croisière Motorola e5 (b) et du signal du contrôleur de drone Spektrum DX5e (Crédit image-Détection et classification des drones à l'aide d'empreintes RF en présence d'auteurs d'interférences Wi-Fi et Bluetooth)

Pour des ressources multimédias supplémentaires, veuillez consulter le site Bibliothèque multimédia.