预测无人机类型：时间序列分类中的采样与数据增强探索

无人机正变得日益普遍并具有多种生产用途。然而，其普及率的提高引发了安全担忧——我们如何保护受限空域？了解无人机的类型对于确定其可能携带的任何风险大有裨益。例如，固定翼飞行器可以在更长的距离上承载更多重量，因此可能构成更重大的威胁。本文提出了一种机器学习模型，用于将无人机分类为四旋翼、六旋翼或固定翼。我们的方法有效地应用了长短期记忆 (Long-Short Term Memory, LSTM) 神经网络进行时间序列分类。我们进行了实验，以测试改变时间戳采样方法和解决类别分布不平衡的影响。通过这些实验，我们确定了表现最佳的采样和类别不平衡修复方法。通过对 10 折数据的宏观 F1 分数 (macro f-scores) 取平均，我们发现主要的四旋翼类别预测效果良好 (98.16%)，并且尽管存在极端的类别不平衡，模型也能正确预测大多数固定翼飞行 (73.15%)。由于多旋翼飞行器之间的普遍相似性，六旋翼实例常被误分类为四旋翼 (42.15%)。然而，结果在某些方法上保持相对稳定，这促使我们分析并报告其权衡取舍。本文的补充材料（包括运行所有实验和生成结果表的代码和数据）可在 https://osf.io/mnsgk/ 获取。