基于射频的无人机探测与识别系统的机器学习框架
信号处理
2020-03-06 v1
摘要
无人机的出现给隐私与安全问题增添了新的维度。对于可购买或拥有无人机的人群，几乎没有什么或完全没有严格规定。因此，人们可利用这些飞行器侵入受限或私人区域。无人机探测与识别 (DDI) 系统是用于探测和识别某区域内无人机存在的方法之一。DDI 系统可采用不同感知技术，如射频 (RF) 信号、视频、声音和热成像来探测入侵无人机。在这项工作中，我们提出了一种基于射频的机器学习 DDI 系统，其利用无人机至飞控通信的低频段 RF 信号。我们使用 XGBoost 算法开发了三个机器学习模型，以探测和识别无人机的存在、无人机类型以及无人机操作模式。对于这三个 XGBoost 模型，我们使用 10 折交叉验证对模型进行评估，分别取得了 99.96%、90.73% 和 70.09% 的平均准确率。
引用
@article{arxiv.2003.02656,
title = {Machine Learning Framework for RF-Based Drone Detection and Identification System},
author = {Olusiji O. Medaiyese and Abbas Syed and Adrian P. Lauf},
journal= {arXiv preprint arXiv:2003.02656},
year = {2020}
}