CageDroneRF：面向无人机感知的大规模射频基准与工具包
计算机视觉与模式识别
2026-03-23 v2 人工智能
机器人学
摘要
我们提出 CageDroneRF (CDRF)，一个来自真实世界捕获数据及系统生成合成变体的大规模射频 (RF) 无人机检测与识别基准。CDRF 通过将大量原始记录与原则化数据增强管道耦合，解决现有 RF 数据集稀缺且多样性有限的问题，该管道 (i) 精确控制信噪比 (SNR)，(ii) 注入干扰发射器，(iii) 应用频率偏移并进行 label-consistent 的边界框重新计算以实现检测。该数据集涵盖广泛的当代无人机型号，其中许多型号在当前公开数据集中不可得，并来自 Rowan University 校园及受控 RF-cage 设施的多样化获取条件。CDRF随附可与现有公开基准互操作的开源工具，用于数据生成、预处理、增强和评估，可实现标准化的分类、开放识别和目标检测，支持严格的比较和可复现流程。通过发布这一全面基准与工具，我们旨在加速稳健、通用的 RF 感知模型的发展。
引用
@article{arxiv.2601.03302,
title = {CageDroneRF: A Large-Scale RF Benchmark and Toolkit for Drone Perception},
author = {Mohammad Rostami and Atik Faysal and Hongtao Xia and Hadi Kasasbeh and Ziang Gao and Huaxia Wang},
journal= {arXiv preprint arXiv:2601.03302},
year = {2026}
}