摘要
民用无人机的普及可能引发技术、安全和公共安全问题，这些问题亟待解决、规范和预防。安全机构一直在不断探索能够检测无人机的技术和智能系统。然而，相关技术的突破因缺乏无人机射频信号开源数据库而受阻，这些射频信号可通过远程传感和存储，为开发最有效的无人机检测与识别方法提供支持。本文为构建不同飞行模式下各类无人机射频信号数据库迈出了重要一步。我们系统地收集、分析并记录了不同无人机在不同飞行模式（如关闭、开启并连接、悬停、飞行和视频录制）下的原始射频信号。此外，我们利用所开发的射频数据库设计了智能算法，用于检测和识别入侵无人机。研究采用三个深度神经网络，分别实现无人机存在检测、无人机存在及类型识别，以及无人机存在、类型及飞行模式识别。通过 10 折交叉验证过程验证每个深度神经网络的性能，并使用多种指标进行评估。分类结果显示，随着类别数量的增加，性能普遍下降。平均准确率从第一个深度神经网络（2 类）的 99.7% 降至第二个深度神经网络（4 类）的 84.5%，最后降至第三个深度神经网络（10 类）的 46.8%。尽管如此，所设计方法的结果证实了所开发的无人机射频数据库用于检测和识别的可行性。所开发的无人机射频数据库及其实现已公开，供学生和研究人员使用。
引言
近年来，商用无人机凭借成本更低、尺寸更小、重量更轻、功能更强以及电池和电机技术的进步，获得了极大的普及。这使得无人机在交通监控、天气观测、灾害管理、农业化学品喷洒、基础设施检查以及火灾检测与防护等多种应用中具有可行性。无人机通过蓝牙、4G 和 WiFi 等无线技术进行远程控制，因此，通过现成的升级设备，无人机已成为一种模块化解决方案。无人机的广泛应用可能引发技术、安全和公共安全问题，这些问题需要加以解决、规范和预防，例如间谍活动、非法或危险物品运输、干扰电力和电话线以及袭击等。因此，监管机构需要能够在不事先假设无人机类型或飞行模式的情况下检测和识别无人机的技术。
传统的检测和识别入侵无人机的方法，如雷达、视觉和声学方法，并非完全可靠，因为它们容易受到限制。射频传感与深度学习方法相结合有望提供解决方案，但由于缺乏无人机射频信号数据库而受阻。在本文中，我们一方面构建了一个新的开源数据库，用于存储不同飞行模式下各类无人机的射频信号；另一方面，在利用深度神经网络设计的无人机检测和识别系统中测试了所开发的数据库。这项工作是朝着由研究人员社区构建更大数据库的方向迈出的一步，该数据库将包含更多其他无人机的射频信号。
本文的其余部分结构如下：第 2 节是相关工作概述。第 3 节我们介绍系统模型，并描述构建和测试数据库的方法。第 4 节我们展示并讨论无人机检测和识别系统的结果，最后在第 5 节得出结论。
文章插图
