RF-Enabled Deep-Learning-Assisted Drone Detection and Identification - wykrywanie i identyfikacja dronów wspomagana głębokim uczeniem się: An End-to-End Approach to badanie przeprowadzone przez Syed Samiul Alam, Md Habibur Rahman, Raihan Bin Mofidul, Md Morshed Alam, Ida Bagus Krishna Yoga Utama, i Yeong Min Jang.

Niniejszy artykuł dotyczy rosnących obaw związanych z bezpieczeństwem bezzałogowych statków powietrznych (UAV) i proponuje kompleksowy model oparty na głębokim uczeniu do ich wykrywania i identyfikacji na podstawie sygnatur częstotliwości radiowej (RF). Model wykorzystuje wieloskalowe techniki ekstrakcji cech bez ręcznej interwencji, zapewniając wydajną ekstrakcję wzbogaconych cech i lepszą zdolność uogólniania przy krótszym czasie obliczeń.

Bloki resztkowe są włączone do obsługi złożonych reprezentacji i rozwiązywania problemów zanikającego gradientu podczas szkolenia. Model wykazuje skuteczność w obecności sygnałów zakłócających, takich jak Bluetooth i WIFI. Ocena w różnych stosunkach sygnału do szumu (SNR) daje imponujące wyniki, z ogólną dokładnością 97,53%, precyzją 98,06%, czułością 98,00% i wynikiem F1 98,00% dla wykrywania sygnału RF w zbiorze danych CardRF. Czas wnioskowania proponowanego modelu wynoszący 0,37 milisekundy przewyższa istniejące prace, co czyni go obiecującym rozwiązaniem do wykrywania i identyfikacji UAV w czasie rzeczywistym w systemach nadzoru.

Data publikacji- Kwiecień 2023 r.

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

  • Wprowadzenie
  • Metodologia
  • Wyniki eksperymentalne
  • Wnioski

Wszystkie artykuły publikowane przez MDPI są natychmiast dostępne na całym świecie na licencji otwartego dostępu. Ponowne wykorzystanie całości lub części artykułu opublikowanego przez MDPI, w tym rysunków i tabel, nie wymaga specjalnej zgody. Dowolna część artykułu może być ponownie wykorzystana bez zgody w przypadku artykułów opublikowanych na otwartej licencji Creative Common CC BY, pod warunkiem wyraźnego zacytowania oryginalnego artykułu. Więcej informacji można znaleźć na stronie https://www.mdpi.com/openaccess.

C-UAS Hub nie jest właścicielem tej zawartości i udostępnia link dla użytkowników pod adresem dno strony, aby uzyskać do niej dostęp w oryginalnej lokalizacji. Pozwala to autorom śledzić ważne metryki artykułów związane z ich pracą. Wszelkie podziękowania należą się prawowitemu właścicielowi.

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

Zobacz także-

Pasywny radar bistatyczny: Wykrywanie celu i zakłócenia

Wykrywanie i śledzenie dronów za pomocą sygnałów identyfikacyjnych RF

Głębokie uczenie na danych z wielu czujników dla aplikacji Counter UAV

Źródło zdjęcia: envatoelements by atercorv