无人机检测的半监督学习框架
信号处理
2021-04-15 v1
摘要
利用音频、视觉成像、热传感、RADAR 和射频（RF）等多种传感技术的监督学习已广泛应用于环境中无人驾驶航空器（UAV）的检测。然而，无人或半监督算法在 UAV 检测中的应用很少受到关注甚至被忽视。本文中，我们提出了一种半监督技术与架构，通过在蓝牙和 WiFi 等无线推理下利用 UAV 与其飞行控制器通信之间的 RF 信号（即指纹）来检测环境中的 UAV。通过对 RF 信号进行两级小波包变换分解，我们估计了各包系数的二阶矩统计量（即方差）作为特征集。我们构建了基于局部离群因子的 UAV 检测模型，使用来自 WiFi 与蓝牙信号的小波包系数方差。在检测基于 RF 的 UAV 时，我们在信噪比 30~dB 与 18~dB 下分别取得了 96.7 与 86 的准确率。该方法的适用不限于 UAV 检测，也可扩展至环境中 rogue RF 设备的检测。
引用
@article{arxiv.2104.06614,
title = {Semi-supervised Learning Framework for UAV Detection},
author = {Olusiji O Medaiyese and Martins Ezuma and Adrian P Lauf and Ismail Guvenc},
journal= {arXiv preprint arXiv:2104.06614},
year = {2021}
}
备注
6 pages