RF-Enabled Deep-Learning-Assisted Drone Detection and Identification:An End-to-End Approach)は、以下の研究によるものである。 Syed Samiul Alam, Md Habibur Rahman, Raihan Bin Mofidul, Md Morshed Alam, Ida Bagus Krishna Yoga Utama、 そして チャン・ヨンミン.

本稿では、無人航空機(UAV)に関するセキュリティ上の懸念の高まりに対処し、無線周波数(RF)シグネチャに基づく無人航空機の検出と識別のための、エンドツーエンドの深層学習ベースのモデルを提案する。このモデルは、マルチスケール特徴抽出技術を手作業なしで利用し、より少ない計算時間で、エンリッチされた特徴の効率的な抽出と、より優れた汎化能力を保証する。

複雑な表現を扱い、トレーニング中に勾配が消失する問題に対処するために、残差ブロックを組み込んだ。このモデルは、BluetoothやWIFIなどの干渉信号がある場合でも有効であることを実証しています。様々な信号対雑音比(SNR)で評価した結果、CardRFデータセットのRF信号検出において、総合精度97.53%、精度98.06%、感度98.00%、F1スコア98.00%という素晴らしい結果が得られた。提案モデルの推論時間0.37ミリ秒は、既存の研究を凌駕し、監視システムにおけるリアルタイムのUAV検出と識別のための有望なソリューションとなる。

出版日- 2023年4月

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

  • はじめに
  • 方法論
  • 実験結果
  • 結論

MDPIが発行するすべての論文は、オープンアクセスライセンスのもと、全世界で即時利用可能です。図表を含め、MDPIが発行する論文の全部または一部を再利用する場合、特別な許可は必要ありません。オープンアクセス・クリエイティブコモンCC BYライセンスの下で公開された論文については、原著論文の引用を明記することを条件に、論文のいかなる部分も許諾なしに再利用することができます。詳細は以下をご参照ください。 https://www.mdpi.com/openaccess.

C-UAS Hubはこのコンテンツを所有しておらず、以下のリンクをユーザーに提供しています。 ボトム をクリックすると、そのページの元の場所にアクセスできます。これにより、著者は自分の作品に関連する重要な記事の指標を追跡することができる。すべてのクレジットは正当な所有者に帰属します。

著者Syed Samiul Alam、Md Habibur Rahman、Raihan Bin Mofidul、Md Morshed Alam、Ida Bagus Krishna Yoga Utama、Yeong Min Jang

こちらも参照

パッシブ・ビスタティック・レーダー目標探知と干渉

RF識別信号を用いたドローンの探知と追跡

対UAVアプリケーションのためのマルチセンサーデータのディープラーニング

投稿画像引用元:envatoelements アテルコルヴ