CoBA：面向mmWave无线网络中低空无人机可靠分类的集成深度学习模型
机器学习
2026-01-29 v1
摘要
无人机（UAV）日益被用于民用和工业应用，使得安全的低空作业至关重要。在稠密的mmWave环境中，准确地将低空无人机分类为位于授权空域或受限空域，仍然具有挑战性，这需要处理复杂传播和信号波动的模型。本文提出一种深度学习模型，称为CoBA， stands for integrated Convolutional Neural Network（CNN）、Bidirectional Long Short-Term Memory（BiLSTM）和Attention，利用第五代（5G）毫米波（mmWave）无线电测量数据，对无人机在授权和受限空域中的低空作业进行分类。该CoBA模型集成卷积、双向循环和注意力层，以捕获无人机无线电测量中的空间和时间模式。为验证该模型，我们在TalTech使用的5G mmWave网络上收集了一个专门数据集，包含在授权和受限场景下的受控低空无人机飞行。该模型在常规机器学习模型和基于指纹的基准测试之上进行了评估。实验结果表明，CoBA在准确率方面取得优异性能，显著优于所有基线模型，展示了其可靠且受监管的无人机空域监控的潜力。
引用
@article{arxiv.2601.20605,
title = {CoBA: Integrated Deep Learning Model for Reliable Low-Altitude UAV Classification in mmWave Radio Networks},
author = {Junaid Sajid and Ivo Müürsepp and Luca Reggiani and Davide Scazzoli and Federico Francesco Luigi Mariani and Maurizio Magarini and Rizwan Ahmad and Muhammad Mahtab Alam},
journal= {arXiv preprint arXiv:2601.20605},
year = {2026}
}
备注
6 Pages, This paper has been accepted for publication at the IEEE International Conference on Communications (ICC) 2026