Aug, 2023

一种基于射频的无人机检测与识别的二维深度网络对于安全覆盖拓展的研究

PDF
TL;DR无人机在人类生活中越来越普遍，但同时也引发了安全方面的担忧，例如未经授权的访问和控制以及与有人飞机的碰撞和干扰。本文利用机器学习和射频检测技术，可以准确识别和区分不同的无人机类型和飞行模式，从而对扩大覆盖范围具有重大意义。通过研究发现，基于短时傅立叶变换（STFT）提取的二维特征可以包含时间域和频率域信息。结合使用 ResNet 结构的卷积神经网络（CNN）进行多类别分类，实验结果显示，提议的 ResNet-STFT 在扩展数据集上实现了更高的准确性和更快的收敛速度，并且在原始数据集上表现出较好的平衡性能。
dronessecurity concernsmachine learningradio frequency detectionconvolutional neural network
发现论文，激发创造
  • 使用深度网络进行无人机检测

    本文通过卷积神经网络的端到端目标检测模型，并提出一种通过人为合成数据解决训练数据稀少问题的算法，可以高精度高召回率地解决视频序列中无人机检测问题。

    Jun, 2017

  • 低信噪比环境下稳健低成本的无人机检测与分类

    本研究提供了用于模型开发的公开数据集，并对低信噪比条件下的卷积神经网络进行了无人机检测的比较分析，同时部署和现场评估了一个实用、低成本的无人机检测系统。

    Jun, 2024

  • C2FDrone: 基于视觉 Transformer 网络的粗 - 精无人机间检测

    基于视觉转换器的粗细检测策略用于无人机检测，提升 F1 得分，并在边缘计算设备上实现实时处理能力。

    Apr, 2024

  • 基于深度学习的多目标雷达检测估计

    本研究提出了一种基于卷积神经网络的方法，可直接从无线信号的距离 - 多普勒图中估算移动目标的范围和速度指数，并实验证明我们的模型相比现有方法在不同的信噪比下具有更好的范围和速度估算精度和更短的预测时间，并且在峰值信噪比方面表现的也更为优秀。

    May, 2023

  • 利用深度卷积神经网络进行射频干扰抑制

    使用深度学习技术，提出了一种用于射电数据中减轻射电频率干扰信号（RFI）的新方法，通过一种特殊的卷积神经网络，该网络可以对来自射电望远镜获得的 2D 有序时间数据中的清洁信号和 RFI 信号进行分类。作者实现的 U-Net 得到了与已有的 RFM 算法相媲美的结果。

    Sep, 2016

  • 5G 无人机场景下的深度注意力识别：新颖架构和端到端评估

    提出了一种基于 Deep Attention Recognition 的解决方案，通过认证的 UAV 中嵌入一个小型的深度网络，用可观测参数 SINR 和 RSSI 识别 Line-of-Sight (LoS)，Non-Line-of-Sight (NLoS) 情况下的攻击，并提出数据操作和多数投票技术来补充深度网络决策，探讨了 LSTM 和 Attention 层的影响以及数据不足情况下的精度测试，最后标准分类器测试表明，该算法精度在 LoS 和短距离 NLoS 条件下均高于 XGB 分类器。

    Mar, 2023

  • 人类动作识别的深度时空 STFT 卷积神经网络

    使用 STFT 块替代 3D 卷积层及其变种可以提高 3D CNN 的特征学习能力，显著减少其参数和计算复杂度，并在七个动作识别数据集上达到甚至超过现有方法的性能。

    Jul, 2020

  • 无人机监测：从视频中识别无人机

    本文提出了使用分割为基础的两阶段方法来检测从其他飞行无人机发射的无人机，通过使用时空注意力线索来确保准确的定位，并以准确性优于其他基线的结果在两个无人机检测数据集上进行了评估。

    Mar, 2021

  • 基于神经网络的 OTFS 符号检测的二维滤波

    该研究介绍了一种新颖的二维时频空域 (Orthogonal Time Frequency Space, OTFS) 中的在线符号检测方法，该方法基于储备计算 (Reservoir Computing, RC) 技术，具有二维滤波结构以弥补 OTFS 系统中的两个维度循环信道影响，实验证明了该方法在不同调制阶数下相较于以往的 RC 方法和模型基方法的优势。

    Mar, 2024

  • 2D-RC：基于二维神经网络的 OTFS 符号检测方法

    一个基于二维嵌入具体知识来设计的二维嵌入系统网络 (2D-RC) 方法，可用于在线子帧基础上的符号检测。通过在时延 - 多普勒（DD）域中具有 2D 结构来平衡信道，并且只需要一个神经网络进行检测。实验结果表明，2D-RC 方法在不同 OTFS 系统变体和调制序列中的效果显著。

    Nov, 2023