Ứng dụng mô hình học sâu CNN và kỹ thuật lọc CFAR cho nhận dạng drone dựa trên dấu vết tín hiệu vô tuyến RF trong điều kiện nhiễu

Tóm tắt

Hiện nay, số lượng các thiết bị bay không người lái cỡ nhỏ (drone) đã gia tăng nhanh chóng do nhu cầu tương tác từ xa, không tiếp xúc và công nghệ tiên tiến ngày càng tăng. Tuy nhiên, cùng với nhu cầu ngày càng tăng về drone trên nhiều lĩnh vực, việc sử dụng chúng với mục đích xấu cũng tăng lên. Do đó, cần có hệ thống giám sát drone để phát hiện việc sử dụng drone trái phép. Trong nghiên cứu này, chúng tôi đề xuất giải pháp mới dựa vào dấu vết tín hiệu vô tuyến của drone (thu RF). Dữ liệu được sử dụng trong nghiên cứu được thu từ tín hiệu điều khiển của 17 loại drone đã được công bố. Phương pháp đề xuất giúp nâng cao độ chính xác phân loại khi tỉ số tín trên tạp (SNR) giảm do sự ảnh hưởng của nhiễu. Trong thử nghiệm, chúng tôi đã mở rộng bộ dữ liệu tín hiệu điều khiển drone bằng cách thêm nhiễu Gauss trắng vào để thay đổi giá trị SNR từ −15 dB đến +15 dB với bước nhảy +5 dB. Chân dung công suất phổ sau tiền xử lý ngưỡng bằng phương pháp ổn định báo động lầm (CFAR) được áp dụng để làm hình ảnh huấn luyện mạng nơ-ron tích chập (CNN). Mô hình đề xuất đạt được độ chính xác trên 96% ở mức SNR bằng −15 dB và độ chính xác 99,82% vùng SNR cao. Những kết quả này cho thấy, phương pháp đề xuất có khả năng phân loại tốt trong điều kiện nhiễu cao.