存在干扰下利用射频指纹检测与分类无人机
信号处理
2019-09-13 v1
摘要
本文研究在存在无线干扰信号时，利用无源射频（RF）监控系统检测与分类无人机（UAV）的问题。该系统使用多级检测器将 UAV 控制器发射的信号与背景噪声及干扰信号区分开。首先，使用基于马尔可夫模型的朴素贝叶斯决策机制检测来自任何来源的 RF 信号。当接收机工作于 10 dB 信噪比（SNR），且定义模型状态的阈值设为预处理噪声数据标准差 3.5 倍的电平时，可实现 99.8% 的检测准确率与 2.8% 的虚警率。其次，若存在，基于检测到的 RF 信号的带宽与调制特征检测来自 Wi-Fi 与蓝牙发射机的信号。一旦输入信号被识别为 UAV 控制器信号，便使用机器学习（ML）技术对其进行分类。从 UAV 控制器信号的能量瞬态中提取的十五个统计特征被输入邻域成分分析（NCA），并选出三个最显著特征。针对 15 种不同 UAV 控制器，研究了 NCA 与五种不同 ML 分类器的性能。在 25 dB SNR 下，k 近邻分类器实现了 98.13% 的分类准确率。还在不同 SNR 水平及包含同型号两对在内的 17 种 UAV 控制器集合上考察了分类性能。
引用
@article{arxiv.1909.05429,
title = {Detection and Classification of UAVs Using RF Fingerprints in the Presence of Interference},
author = {Martins Ezuma and Fatih Erden and Chethan Kumar Anjinappa and Ozgur Ozdemir and Ismail Guvenc},
journal= {arXiv preprint arXiv:1909.05429},
year = {2019}
}
备注
13 pages. Journal paper. Interference, machine learning, Markov models, RF fingerprinting, unmanned aerial vehicles (UAVs), UAV detection and classification