URANUS:无人机系统的射频跟踪、分类与识别
机器学习
2023-11-16 v3
摘要
随着攻击者采用无人机作为飞行于机场、军事基地、市中心及人群密集区等敏感空域的攻击载体,关键基础设施的安全问题日益严峻。尽管无人机用于物流、航运休闲活动及商业应用,但其对受限空域的侵犯和违规给运营方带来了严重担忧。此类情形下亟需一种经济高效且实时的框架来检测无人机存在。本文中,我们提出一种高效的基于射频的检测框架 URANUS。我们利用射频/测向系统及雷达提供的实时数据,以检测、分类并识别侵入禁飞区的无人机(多旋翼与固定翼)。我们采用多层感知机神经网络以 % 的准确率实时识别与分类无人机。对于跟踪任务,我们使用随机森林模型预测无人机位置,其 MSE 、MAE 、。此外,使用通用横墨卡托坐标进行坐标回归以确保高精度。我们的分析表明,URANUS 是大多数关键基础设施运营方可采用的识别、分类与跟踪无人机的理想框架。
引用
@article{arxiv.2207.06025,
title = {URANUS: Radio Frequency Tracking, Classification and Identification of Unmanned Aircraft Vehicles},
author = {Domenico Lofù and Pietro Di Gennaro and Pietro Tedeschi and Tommaso Di Noia and Eugenio Di Sciascio},
journal= {arXiv preprint arXiv:2207.06025},
year = {2023}
}