射频无人机基准测试高估了多少？UAV信号识别中数据泄漏的受控研究与理论

射频（RF）感知是反无人机系统（counter-UAS）防御的核心手段，因为它利用了无人机与其操作员之间的控制、遥测和视频链路。基于RF的无人机检测和识别的报告准确率通常非常高，但许多是通过交叉验证获得的，该交叉验证将少量连续记录分割成短片段。这可能会将同一记录的近乎重复的切片同时放入训练和测试分区，造成数据泄漏。我们通过理论和测量研究这个泄漏问题。我们形式化了片段级交叉验证的乐观性，并使用Cover的功能计数定理证明，当独立记录的数量R相对于特征维度d较小时，分类器可以精确记忆记录到标签的映射。特别是，当2R小于或约等于d时，这种情况可能发生。在这些条件下，朴素准确率接近1，膨胀差距接近1 - ACC*，其中ACC*是贝叶斯准确率。只有当R增长超过这个可分性阈值时，膨胀才会缓解。一个包含10个种子的受控合成实验证实了预测曲线：随着记录特定的干扰变化增长，朴素平衡准确率从贝叶斯水平上升到1.0，而诚实的记录分组评估下降到随机水平，差距达到约0.5。在公开的DroneRF数据集上，合并的留一记录交叉验证显示，无人机类型识别（AR与Bebop）从朴素的宏F1值0.74下降到0.46，即二类随机水平。泄漏路径消融实验将几乎所有膨胀归因于片段级泄漏。