跨界 · 融合 · 服務 · 創新
無人機系統，通常被稱為無人機，在世界各地得到廣泛應用。無人機的積極應用有可能拯救生命，提高安全性和效率，并促進更有效的科學和工程研究。然而，由于越來越依賴計算機和通信技術，面臨著無人機威脅，這將公共安全、國家安全和個人隱私置于危險之中。為了促進無人機操作的安全、可靠和隱私，迫切需要用于檢測、跟蹤、識別和緩解無人機的創新技術。反無人機系統是指能夠合法、安全地禁用、干擾或控制無人機或無人機系統的系統或設備。在過去幾年中，在探測和緩解無人機方面做出了重大研究努力：探測技術基于聲學、視覺、被動射頻、雷達和數據融合;緩解技術包括物理捕獲或干擾。
一、無人機的威脅
基于無人機的威脅分為三類：公共安全、國家安全和個人隱私，如表一所示。基于無人機的公共安全威脅是由于在其他飛機附近，尤其是機場附近運行無人機造成的;人群、公共活動或擠滿人群的體育場;基于無人機的國家安全威脅是由于無人機在指定的國家安全敏感設施上運行，例如軍事基地、國家地標和某些關鍵基礎設施;基于無人機的隱私威脅是由于當指向私人住宅內時，操作無人機搭載攝像機處于打開狀態。
二、無人機檢測技術
自2014年以來，已經提出了五種無人機檢測技術，包括聲學、視覺、無源射頻、雷達和數據融合。
1.基于聲學的無人機檢測
基于聲學的無人機檢測利用聲學傳感器捕捉無人機的聲音，通過音頻識別和跟蹤無人機。部署在受限區域周圍的聲學傳感器陣列定期記錄音頻信號，并將音頻信號傳送到地面站。地面站提取音頻信號的特征，以確定無人機是否正在接近。
傳統上，在接收到無人機的音頻信號后，將對功率譜或頻譜進行分析以識別無人機。采用線性預測編碼來區分無人機發動機的聲音和汽車發動機的聲音，但性能取決于天氣條件。設計一個實時無人機聲音檢測和分析系統，可以從傳感器獲取實時聲音數據并識別無人機。應用歐氏距離和尺度不變特征變換(SIFT)來區分無人機發動機聲音和背景聲音，并證明了它們的有效性，盡管噪聲的功率譜大于無人機聲音的功率譜。然而，在實踐中，它們的處理效率很低。
由于重量輕、成本低、易于組裝，聲學傳感器可用于構建聲學采集陣列，并部署在目標區域，以定位和跟蹤無人機的軌跡。提出了一種在無人機上部署聲傳感器陣列的方法。聲學傳感器陣列由24個定制麥克風組成，這些麥克風可以協同定位和跟蹤無人機。他們用到達時間延遲(TDOA)校準每個傳感器，并用波束形成預測無人機的飛行路徑。他們可以很好地跟蹤飛行軌跡，但這種方法在大范圍空間中無法很好地工作，傳感器的精度嚴重依賴于校準。兩個陣列由4個麥克風傳感器組成，以提高無人機的定位能力。由于多徑效應，他們提供了高斯先驗概率密度函數來改進時差估計。
它們的陣列可以有效地部署在特定區域，并在跟蹤無人機方面取得了良好的性能。然而，他們的系統在長時間工作時并不穩定。先進的聲學攝像頭被用來檢測和跟蹤無人機。具體來說，他們使用2到4個聲學攝像頭來捕捉聲音的強度分布，并融合強度分布來計算無人機在室內和室外的位置。使用音頻輔助攝像機陣列檢測無人機，無人機同時捕獲視頻和音頻信號，并使用方向梯度直方圖(HOG)特征和Mel頻率倒譜系數(MFCC)特征對對象進行分類。
與上述傳統方法不同，利用機器學習從音頻數據中對無人機進行分類已經做了大量的研究工作。采用支持向量機(SVM)對無人機發動機的中期信號進行分析，構建無人機的信號指紋。他們的結果表明，在某些情況下，分類器能夠準確區分無人機。提出了一種將無人機檢測問題轉化為二值分類問題的方法，并利用高斯混合模型(GMM)、卷積神經網絡(CNN)和遞歸神經網絡(RNN)對無人機進行檢測。他們的研究結果表明，這種方法可以在240ms內處理短輸入信號。
目前基于聲學的無人機檢測技術能夠準確地識別和定位無人機，以滿足無人機檢測的精度要求。然而，聲學方法的性質限制了無人機的大規模部署和檢測。機器學習(ML)為將聲學傳感集成到基于聲學的無人機檢測中提供了巨大的機會，以提高無人機檢測性能。
2.基于射頻的無源探測
無人機通常至少有一條射頻(RF)通信數據鏈路與其遙控器相連，以接收控制命令或傳送航空圖像。在這種情況下，這種傳輸的光譜模式被用作無人機檢測和定位的重要證據。圖1顯示了不同的無源射頻技術。在大多數情況下，軟件無線電(SDR)接收機用于攔截射頻信道。
圖1
為了利用無人機的頻譜模式，提出了一種無人機射頻信號的人工神經網絡(ANN)檢測算法，該算法采用了三種信號特征：改進的斜率、改進的偏度和改進的峰度。結果表明，基于人工神經網絡的算法在改進信號頻譜的斜率、偏度和峰度方面優于其他識別技術。
數據流量模式也是指定無人機的一個重要特性。提出了一種無人機檢測和識別系統，該系統利用商用現貨硬件被動監聽無人機及其控制器之間的無線信號，以獲得數據包傳輸特性。主要提取了無人機的數據包長度分布，并用三種無人機對原型系統進行了評估。他實驗結果證明了使用數據幀長度在20秒內識別不同無人機的可行性。越來越多的商用無人機使用WiFi作為控制和第一人稱視圖(FPV)視頻流協議，這是一種基于WiFi指紋的無人機檢測方法。該方法通過監測數據流量來識別附近區域是否存在未經授權的無人機。
