الكشف عن الطائرات بدون طيار القائمة على الترددات اللاسلكية وتحديدها باستخدام نهج التعلم الهرمي
Title RF-based UAV detection and identification using hierarchical learning approach
الباحث الرئيس محمد عبدالرؤوف عابدين
الباحثون المشاركون
التخصص: علوم الحاسب
التخصص الدقيق: MAchine learning
المستخلص: تتوفر المركبات الجوية غير المأهولة (UAVs) على نطاق واسع في السوق الحالية لاستخدامها
2 ـ إما للترفيه كهواية أو لخدمة متطلبات صناعية معينة مثل الزراعة و
3 البناء. ومع ذلك ، فإن الاستخدام غير المشروع والإجرامي للطائرات بدون طيار آخذ في الازدياد أيضًا
4 تحديدهم واكتشافهم بشكل فعال كتحدي بحثي. هذه الورقة تقترح رواية
5 تعتمد على التعلم الآلي لتحديد واكتشاف الطائرات بدون طيار بكفاءة. على وجه التحديد ، تحسن
6 يتم تقديم نهج تحديد وكشف الطائرات بدون طيار باستخدام تعلم المجموعة بناءً على
7 مفهوم هرمي جنبًا إلى جنب مع مراحل المعالجة المسبقة واستخراج الميزات لبيانات التردد اللاسلكي. الفلتره
يتم تطبيق 8 على إشارات التردد اللاسلكي في نهج الكشف لتحسين الإخراج. يتكون هذا النهج
9 من أربعة مصنفات وهم يعملون بطريقة هرمية. ستجتاز العينة المصنف الأول
10 للتحقق من توفر الطائرة بدون طيار ، ثم سيتم تحديد نوع الطائرة بدون طيار المكتشفة باستخدام الثانية
11 المصنف. سيتعامل المصنفان الأخيران مع العينة المرتبطة بـ Bebop و AR لتحديدها
12 وضعهم. يوضح تقييم النهج المقترح مع مجموعة البيانات المتاحة للجمهور بشكل أفضل
13 كفاءة مقارنة بأنظمة الكشف الموجودة في الأدبيات. لديها القدرة على التحقيق
14 ما إذا كانت طائرة بدون طيار تحلق داخل المنطقة أم لا ، ويمكنها تحديد نوع الطائرة بدون طيار مباشرة وبعد ذلك
15- وضع الطيران الخاص بالطائرة بدون طيار المكتشفة بدقة تقارب 99٪.
Abstract: Unmanned Aerial Vehicles (UAVs) are widely available in the current market to be used
2 either for recreation as a hobby or to serve specific industrial requirements such as agriculture and
3 construction. However, illegitimate and criminal usage of UAVs is also on the rise which introduces
4 their effective identification and detection as a research challenge. This paper proposes a novel
5 machine learning-based for efficient identification and detection of UAVs. Specifically, an improved
6 UAV identification and detection approach is presented using an ensemble learning based on the
7 hierarchical concept along with pre-processing and feature extraction stages for the RF data. Filtering
8 is applied on the RF signals in the detection approach to improve the output. This approach consists
9 of four classifiers and they are working in a hierarchical way. The sample will pass the first classifier
10 to check the availability of the UAV, then it will specify the type of the detected UAV using the second
11 classifier. The last two classifiers will handle the sample that is related to Bebop and AR to specify
12 their mode. Evaluation of the proposed approach with publicly available dataset demonstrates better
13 efficiency compared to existing detection systems in the literature. It has the ability to investigate
14 whether a UAV is flying within the area or not, and it can directly identify the type of UAV and then
15 the flight mode of the detected UAV with accuracy around 99%.