監視なしドローン スウォーム RF信号解析と機械学習法を用いた特性評価は、オープンアクセスである。 仕事 ネリヤ・アシュシュ、シュロモ・グリーンバーグ、エレズ・マナー、イェフダ・ベン・シモール著。

過去10年間、自律型無人航空機（UAV）は学術・産業分野から大きな注目を集めてきた。ドローンは、民間や軍事への応用、空撮やビデオ撮影、マッピングや測量、農業、災害管理など、数多くの利点を提供している。しかし、近年のUAV技術の進歩により、空港のような安全区域を突破したり、テロ活動を助長したりするなど、悪意のある使用も見られるようになっている。複雑な軍事作戦のためにドローンの群れを展開する自律型兵器システムの可能性は、さらに懸念を高めている。

多数のドローンを同時に使用することで、冗長性、生存性、拡張性、複雑な環境での性能向上を通じて、ミッションの信頼性を高める。本研究では、RF（無線周波数）信号と様々な機械学習技術を組み合わせて分析することにより、ドローンの群れを特徴付け、検出するための新しいアプローチを提案する。教師あり学習を用いた単一ドローンの検出に焦点を当てた既存の手法とは異なり、本研究ではドローンの群れの特徴付けに教師なしアプローチを導入する。

提案手法は、ドローン送信機からの多様なRFシグネチャーを活用する。著者らは連続、離散、ウェーブレット散乱変換を含む様々な周波数変換を適用し、無線周波数フィンガープリントからRF特徴を抽出する。これらの特徴は、教師なし分類器の入力として使用される。入力データの次元を管理するために、著者らは主成分分析（PCA）、独立成分分析（ICA）、一様多様体近似投影（UMAP）、t-分散確率的近傍埋め込み（t-SNE）などの次元削減技術を採用している。

彼らのクラスタリングアプローチは、K-means、Mean Shift、X-meansアルゴリズムを含む一般的な教師なし手法を利用している。その有効性は、特注のデータセットと標準的なドローン群データセットの両方を用いて評価された。その結果、信号対雑音比（SNR）が変化する加法性ガウス白色雑音条件下でも、約95%の分類精度が得られた。

出版日- 2023年2月

RF信号解析と機械学習法を用いた教師なしドローン群特性評価には、以下の主要なセクションが含まれる：

  • はじめに
  • 背景と関連作品
  • 提案されたアプローチ
  • 実験結果
  • まとめと結論

画像引用元- Adobe Stock リリア (AIで生成）