Détection et identification des drones assistées par l'apprentissage en profondeur par radiofréquence : An End-to-End Approach est une étude réalisée par Syed Samiul Alam, Md Habibur Rahman, Raihan Bin Mofidul, Md Morshed Alam, Ida Bagus Krishna Yoga Utama, et Yeong Min Jang.

Cet article aborde les problèmes de sécurité croissants liés aux véhicules aériens sans pilote (UAV) et propose un modèle de bout en bout basé sur l'apprentissage profond pour leur détection et leur identification sur la base des signatures de radiofréquences (RF). Le modèle utilise des techniques d'extraction de caractéristiques à plusieurs échelles sans intervention manuelle, garantissant une extraction efficace de caractéristiques enrichies et une meilleure capacité de généralisation avec un temps de calcul réduit.

Des blocs résiduels sont incorporés pour traiter les représentations complexes et résoudre les problèmes de gradient de disparition au cours de la formation. Le modèle démontre son efficacité en présence de signaux d'interférence tels que Bluetooth et WIFI. L'évaluation sur différents rapports signal-bruit (SNR) donne des résultats impressionnants, avec une précision globale de 97,53%, une précision de 98,06%, une sensibilité de 98,00% et un score F1 de 98,00% pour la détection de signaux RF dans l'ensemble de données CardRF. Le temps d'inférence de 0,37 milliseconde du modèle proposé est supérieur à celui des travaux existants, ce qui en fait une solution prometteuse pour la détection et l'identification en temps réel des drones dans les systèmes de surveillance.

Date de publication- avril 2023

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

  • Introduction
  • Méthodologie
  • Résultats expérimentaux
  • Conclusions

Tous les articles publiés par MDPI sont immédiatement disponibles dans le monde entier sous une licence d'accès libre. Aucune autorisation spéciale n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Toute partie de l'article peut être réutilisée sans autorisation pour les articles publiés sous une licence Creative Common CC BY, à condition que l'article original soit clairement cité. Pour plus d'informations, veuillez vous référer à https://www.mdpi.com/openaccess.

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

Voir aussi...

Radar bistatique passif : Détection de cibles et interférences

Détection et suivi des drones à l'aide de signaux d'identification RF

Apprentissage profond sur des données multi-capteurs pour des applications de contre-drones

Crédit photo : envatoelements par atercorv