国偷自产一区二区免费视频,美女免费视频一区,九九热线视频只有这里最精品,欧美日韩一区成人

無(wú)人機(jī)系統(tǒng)，通常被稱(chēng)為無(wú)人機(jī)，在世界各地得到廣泛應(yīng)用。無(wú)人機(jī)的積極應(yīng)用有可能拯救生命，提高安全性和效率，并促進(jìn)更有效的科學(xué)和工程研究。然而，由于越來(lái)越依賴(lài)計(jì)算機(jī)和通信技術(shù)，面臨著無(wú)人機(jī)威脅，這將公共安全、國(guó)家安全和個(gè)人隱私置于危險(xiǎn)之中。為了促進(jìn)無(wú)人機(jī)操作的安全、可靠和隱私，迫切需要用于檢測(cè)、跟蹤、識(shí)別和緩解無(wú)人機(jī)的創(chuàng)新技術(shù)。反無(wú)人機(jī)系統(tǒng)是指能夠合法、安全地禁用、干擾或控制無(wú)人機(jī)或無(wú)人機(jī)系統(tǒng)的系統(tǒng)或設(shè)備。在過(guò)去幾年中，在探測(cè)和緩解無(wú)人機(jī)方面做出了重大研究努力：探測(cè)技術(shù)基于聲學(xué)、視覺(jué)、被動(dòng)射頻、雷達(dá)和數(shù)據(jù)融合;緩解技術(shù)包括物理捕獲或干擾。

 一、無(wú)人機(jī)的威脅 

基于無(wú)人機(jī)的威脅分為三類(lèi)：公共安全、國(guó)家安全和個(gè)人隱私，如表一所示?；跓o(wú)人機(jī)的公共安全威脅是由于在其他飛機(jī)附近，尤其是機(jī)場(chǎng)附近運(yùn)行無(wú)人機(jī)造成的;人群、公共活動(dòng)或擠滿(mǎn)人群的體育場(chǎng);基于無(wú)人機(jī)的國(guó)家安全威脅是由于無(wú)人機(jī)在指定的國(guó)家安全敏感設(shè)施上運(yùn)行，例如軍事基地、國(guó)家地標(biāo)和某些關(guān)鍵基礎(chǔ)設(shè)施;基于無(wú)人機(jī)的隱私威脅是由于當(dāng)指向私人住宅內(nèi)時(shí)，操作無(wú)人機(jī)搭載攝像機(jī)處于打開(kāi)狀態(tài)。

 二、無(wú)人機(jī)檢測(cè)技術(shù) 

自2014年以來(lái)，已經(jīng)提出了五種無(wú)人機(jī)檢測(cè)技術(shù)，包括聲學(xué)、視覺(jué)、無(wú)源射頻、雷達(dá)和數(shù)據(jù)融合。

1.基于聲學(xué)的無(wú)人機(jī)檢測(cè) 

基于聲學(xué)的無(wú)人機(jī)檢測(cè)利用聲學(xué)傳感器捕捉無(wú)人機(jī)的聲音，通過(guò)音頻識(shí)別和跟蹤無(wú)人機(jī)。部署在受限區(qū)域周?chē)穆晫W(xué)傳感器陣列定期記錄音頻信號(hào)，并將音頻信號(hào)傳送到地面站。地面站提取音頻信號(hào)的特征，以確定無(wú)人機(jī)是否正在接近。

傳統(tǒng)上，在接收到無(wú)人機(jī)的音頻信號(hào)后，將對(duì)功率譜或頻譜進(jìn)行分析以識(shí)別無(wú)人機(jī)。采用線(xiàn)性預(yù)測(cè)編碼來(lái)區(qū)分無(wú)人機(jī)發(fā)動(dòng)機(jī)的聲音和汽車(chē)發(fā)動(dòng)機(jī)的聲音，但性能取決于天氣條件。設(shè)計(jì)一個(gè)實(shí)時(shí)無(wú)人機(jī)聲音檢測(cè)和分析系統(tǒng)，可以從傳感器獲取實(shí)時(shí)聲音數(shù)據(jù)并識(shí)別無(wú)人機(jī)。應(yīng)用歐氏距離和尺度不變特征變換(SIFT)來(lái)區(qū)分無(wú)人機(jī)發(fā)動(dòng)機(jī)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(wú)人機(jī)聲音的功率譜。然而，在實(shí)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(xué)傳感器可用于構(gòu)建聲學(xué)采集陣列，并部署在目標(biāo)區(qū)域，以定位和跟蹤無(wú)人機(jī)的軌跡。提出了一種在無(wú)人機(jī)上部署聲傳感器陣列的方法。聲學(xué)傳感器陣列由24個(gè)定制麥克風(fēng)組成，這些麥克風(fēng)可以協(xié)同定位和跟蹤無(wú)人機(jī)。他們用到達(dá)時(shí)間延遲(TDOA)校準(zhǔn)每個(gè)傳感器，并用波束形成預(yù)測(cè)無(wú)人機(jī)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(wú)法很好地工作，傳感器的精度嚴(yán)重依賴(lài)于校準(zhǔn)。兩個(gè)陣列由4個(gè)麥克風(fēng)傳感器組成，以提高無(wú)人機(jī)的定位能力。由于多徑效應(yīng)，他們提供了高斯先驗(yàn)概率密度函數(shù)來(lái)改進(jìn)時(shí)差估計(jì)。

它們的陣列可以有效地部署在特定區(qū)域，并在跟蹤無(wú)人機(jī)方面取得了良好的性能。然而，他們的系統(tǒng)在長(zhǎng)時(shí)間工作時(shí)并不穩(wěn)定。先進(jìn)的聲學(xué)攝像頭被用來(lái)檢測(cè)和跟蹤無(wú)人機(jī)。具體來(lái)說(shuō)，他們使用2到4個(gè)聲學(xué)攝像頭來(lái)捕捉聲音的強(qiáng)度分布，并融合強(qiáng)度分布來(lái)計(jì)算無(wú)人機(jī)在室內(nèi)和室外的位置。使用音頻輔助攝像機(jī)陣列檢測(cè)無(wú)人機(jī)，無(wú)人機(jī)同時(shí)捕獲視頻和音頻信號(hào)，并使用方向梯度直方圖(HOG)特征和Mel頻率倒譜系數(shù)(MFCC)特征對(duì)對(duì)象進(jìn)行分類(lèi)。

與上述傳統(tǒng)方法不同，利用機(jī)器學(xué)習(xí)從音頻數(shù)據(jù)中對(duì)無(wú)人機(jī)進(jìn)行分類(lèi)已經(jīng)做了大量的研究工作。采用支持向量機(jī)(SVM)對(duì)無(wú)人機(jī)發(fā)動(dòng)機(jī)的中期信號(hào)進(jìn)行分析，構(gòu)建無(wú)人機(jī)的信號(hào)指紋。他們的結(jié)果表明，在某些情況下，分類(lèi)器能夠準(zhǔn)確區(qū)分無(wú)人機(jī)。提出了一種將無(wú)人機(jī)檢測(cè)問(wèn)題轉(zhuǎn)化為二值分類(lèi)問(wèn)題的方法，并利用高斯混合模型(GMM)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)對(duì)無(wú)人機(jī)進(jìn)行檢測(cè)。他們的研究結(jié)果表明，這種方法可以在240ms內(nèi)處理短輸入信號(hào)。

目前基于聲學(xué)的無(wú)人機(jī)檢測(cè)技術(shù)能夠準(zhǔn)確地識(shí)別和定位無(wú)人機(jī)，以滿(mǎn)足無(wú)人機(jī)檢測(cè)的精度要求。然而，聲學(xué)方法的性質(zhì)限制了無(wú)人機(jī)的大規(guī)模部署和檢測(cè)。機(jī)器學(xué)習(xí)(ML)為將聲學(xué)傳感集成到基于聲學(xué)的無(wú)人機(jī)檢測(cè)中提供了巨大的機(jī)會(huì)，以提高無(wú)人機(jī)檢測(cè)性能。

2.基于射頻的無(wú)源探測(cè)

無(wú)人機(jī)通常至少有一條射頻(RF)通信數(shù)據(jù)鏈路與其遙控器相連，以接收控制命令或傳送航空?qǐng)D像。在這種情況下，這種傳輸?shù)墓庾V模式被用作無(wú)人機(jī)檢測(cè)和定位的重要證據(jù)。圖1顯示了不同的無(wú)源射頻技術(shù)。在大多數(shù)情況下，軟件無(wú)線(xiàn)電(SDR)接收機(jī)用于攔截射頻信道。

圖1

為了利用無(wú)人機(jī)的頻譜模式，提出了一種無(wú)人機(jī)射頻信號(hào)的人工神經(jīng)網(wǎng)絡(luò)(ANN)檢測(cè)算法，該算法采用了三種信號(hào)特征：改進(jìn)的斜率、改進(jìn)的偏度和改進(jìn)的峰度。結(jié)果表明，基于人工神經(jīng)網(wǎng)絡(luò)的算法在改進(jìn)信號(hào)頻譜的斜率、偏度和峰度方面優(yōu)于其他識(shí)別技術(shù)。

數(shù)據(jù)流量模式也是指定無(wú)人機(jī)的一個(gè)重要特性。提出了一種無(wú)人機(jī)檢測(cè)和識(shí)別系統(tǒng)，該系統(tǒng)利用商用現(xiàn)貨硬件被動(dòng)監(jiān)聽(tīng)無(wú)人機(jī)及其控制器之間的無(wú)線(xiàn)信號(hào)，以獲得數(shù)據(jù)包傳輸特性。主要提取了無(wú)人機(jī)的數(shù)據(jù)包長(zhǎng)度分布，并用三種無(wú)人機(jī)對(duì)原型系統(tǒng)進(jìn)行了評(píng)估。他實(shí)驗(yàn)結(jié)果證明了使用數(shù)據(jù)幀長(zhǎng)度在20秒內(nèi)識(shí)別不同無(wú)人機(jī)的可行性。越來(lái)越多的商用無(wú)人機(jī)使用WiFi作為控制和第一人稱(chēng)視圖(FPV)視頻流協(xié)議，這是一種基于WiFi指紋的無(wú)人機(jī)檢測(cè)方法。該方法通過(guò)監(jiān)測(cè)數(shù)據(jù)流量來(lái)識(shí)別附近區(qū)域是否存在未經(jīng)授權(quán)的無(wú)人機(jī)。