无人机检测与识别的分层学习框架

无人机（UAV）或无人机的无处不在正对公众构成安全与安保风险，因为无人机现被用于网络犯罪。为缓解这些风险，具备在受限环境中检测或识别入侵无人机存在的系统十分重要。在本工作中，我们提出一种基于射频（RF）的无人机检测与识别系统，利用分别来自无人机及其飞行控制器的信号。尽管若干射频设备（即蓝牙和WiFi设备）与无人机在同一频段工作，所提框架利用半监督学习方法来在存在蓝牙和WiFi等其他无线信号的情况下检测无人机或无人机控制信号。该半监督学习方法使用堆叠去噪自编码器和局部离群因子算法。在检测到无人机或无人机控制信号后，利用希尔伯特-黄变换和小波包变换对信号进行分解，从信号的时-频-能域提取特征。提取的特征集用于训练一个三级分层分类器，以识别信号类型（即无人机或无人机控制信号）、无人机型号以及无人机飞行模式。为证明所提框架的可行性，我们使用六架无人机、五个蓝牙设备和两个WiFi设备进行了户外实验以采集数据。所获取的数据称为Cardinal RF（CardRF）数据集，可供公众使用以促进无人机检测与识别研究。