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。
基于數據流量的方法或純頻譜模式方法高度依賴于遙測協議或無人機的射頻前端。這些方法可能無法識別使用未知遙測協議運行的無人機。因此，一些研究側重于利用飛行無人機的無線電信號的動力學運動模式來確定其存在。
定位也是無源射頻無人機檢測的重要組成部分。將無人機檢測的完整檢測過程分為射頻頻譜感知和波達方向(DoA)估計。這里介紹一個有用的實驗，該實驗使用基于商用現貨現場可編程門陣列(FPGA)的SDR系統來檢測和定位小型無人機。結果表明，使用基于FPGA的商用SDR系統開發能夠檢測誤差為50-75m的小型無人機的無人機檢測系統是可能的。優化時鐘同步的SDR系統將從根本上減少距離測量誤差。在無人機被動射頻檢測中，如何在普適硬件上實現具有可接受精度的魯棒定位算法仍然是一個有待解決的問題。如何在地面站或其他無人機平臺上部署此類基于射頻的無源系統是無人機檢測中的另一個公開問題。
3.基于視覺的無人機檢測
基于視覺的無人機檢測技術主要集中在圖像處理上。視頻和攝像機被用來捕捉侵入的無人機的圖像。地面站通過視頻和圖片計算出無人機的外觀。傳統的方法主要依靠圖像分割的方法。圖像中無人機和環境的差異用于確定限制區域是否有無人機。
相比之下，最先進的圖像分割方法利用神經網絡直接識別無人機的外觀。一種方法利用熱攝像頭檢測無人機，并利用神經網絡識別無人機。一種輕量級的快速算法，可以在嵌入式系統(Nvidia Jetson TX1)上運行，并識別運動中的無人機。
設計一種基于視覺的無人機實時檢測系統，該系統基于兩個視覺處理平臺：基于FPGA的平臺，可以在10瓦以下工作(即節能)，基于圖形處理單元(GPU)的平臺，可以處理更多的幀。然而，對于FPGA來說，不可能實時更改算法。通過比較不同卷積神經網絡在檢測無人機方面的性能，結果表明，具有更快R-CNN的視覺幾何組(VGG 16)網絡取得了優異的性能。因此提出了一種將不同的圖片組合起來生成合成圖像的方法，以擴展圖像數據集來訓練卷積神經網絡，從而提高無人機檢測的性能。
鳥類是降低圖像中無人機識別能力的一個重要因素。為了使用卷積神經網絡來增強無人機的識別，人們進行了大量的研究工作。調查得出結論，神經網絡算法在識別無人機和鳥類方面很有前景。它比較了使用視頻和圖片數據集識別鳥類和無人機的基于政策的方法和基于神經網絡的算法。結果表明，基于神經網絡的方法在準確性和效率方面可以超過基于策略的方法100倍。因此提出了一種無人機檢測框架，該框架基于視頻流，并使用卷積神經網絡將目標分類為不同類型。這項工作主要集中在區分不同場景中的鳥類和無人機。
與此同時，一些人嘗試使用紅外攝像機來識別無人機。紅外傳感器用于檢測熱量中無人機的微小變化，以識別無人機。這種方法的缺點是電池產生的熱量對結果檢測有顯著影響。與其他對圖像幀進行分類的研究不同，動態視覺傳感器用于捕獲螺旋槳的旋轉頻率，以有效區分無人機和鳥類。
無人機的移動性對基于視覺的方法提出了挑戰，即圖像應該在無人機的不同移動性水平上被捕獲和識別。仿生機器人的檢測精度有限，存在誤識別無人機和鳥類的風險。提高識別精度可以大大提高無人機的檢測和防御效率。
4.基于雷達的無人機探測
與其他傳感器相比，雷達在探測空中目標方面具有日夜操作能力、天氣獨立性以及同時測量距離和速度的能力。然而，常規雷達系統主要用于打擊雷達截面積(RCS)大于1平方米的中大型空中目標，這使得小型低速無人機不可行。由于速度較慢，很難檢測到無人機。因此，需要努力開發新的雷達模型或提高常規系統的探測分辨率。在本節中，我們將討論三類基于雷達的無人機檢測技術：主動檢測、被動檢測和后驗信號處理。
4.1主動檢測通常，有兩種方法可以提高用于無人機監視的常規雷達探測系統的分辨率：利用高頻載波和使用多輸入多輸出(MIMO)波束形成無線電前端。
為了利用更短的波長，X波段和W波段調頻連續波(FMCW)雷達被設計用于無人機探測。他們的解決方案使用雙基地天線，最終將接收到的信號轉換為數字信號用于后處理的正交流。
噪聲雷達被認為是檢測慢速無人機的一種有效方法，其優點是可以通過使用簡單的天線組件和較低的載波頻率來檢測無人機。使用隨機序列雷達進行無人機檢測的可行性在X波段得到了證明，其結果表明，這種雷達可以成為未來高成本高效的無人機檢測解決方案。
計算技術的進步使另一種雷達成為可能，即基于SDR的多模雷達。這種雷達體積小，可配置性強。然而，SDR的運行性能在很大程度上依賴于后端處理器。兩種不同的FMCW雷達實現和一種連續波噪聲雷達實現，以測試其用于無人機檢測的可行性。研究結果表明，模擬實現具有更高的更新率和信噪比(SNR)。
主動雷達的明顯缺點是，它們需要特殊設計的發射機，這些發射機可能不容易部署，并且容易受到反輻射攻擊。
4.2被動探測無源雷達不需要特殊設計的發射機。在本小節中，我們將無源雷達分為兩類：單站無源雷達和分布式合成無源雷達。
4.2.1單站無源雷達這種被動雷達只利用一個照明源。可以分析接收信號的變化，以確定無人機的外觀。一種基于WiFi的無源雷達，用于小型飛機的檢測和二維定位。顯然，這是主動雷達最直接的適應。
4.2.2分布式合成無源雷達利用現有的電信基礎設施作為照明源，增強無人機的探測能力。主要有兩種方法：基于蜂窩系統的解決方案和基于數字視頻廣播(DVB)系統的解決方案。
4.2.2.1基于蜂窩系統的無源雷達一種增強探測系統的方法，該系統可以通過使用反射式全球移動通信系統(GSM)信號來定位和跟蹤無人機。一種從無人機接收3G蜂窩反射信號用于跟蹤無人機的方法。利用3G蜂窩信號的多普勒特征來監控目標區域，并跟蹤無人機的軌跡。
4.2.2.2基于數字視頻廣播系統的無源雷達無處不在的數字電視信號被視為無源無人機探測雷達的有效照明源。與主動雷達方法類似可以使用微多普勒效應。無人機分類測試是通過螺旋槳驅動的微多普勒信號和機器學習進行的。實驗表明，塑料螺旋槳的微多普勒信號遠不如碳纖維螺旋槳可見。
無源雷達的一個明顯缺點是需要大量的后處理工作或多個接收機才能達到可接受的檢測精度。
4.3后向信號處理在無人機檢測中，需要努力從射頻前端的噪聲輸出中獲得目標的微弱稀疏反射信號。該領域的研究可分為兩類：傳統的基于信號特征的檢測和基于學習的模式識別。
4.3.1基于信號特征的檢測無人機螺旋槳的微多普勒效應被證明是無人機探測的一個有用特征。實驗證明，這種特征可以用來區分無人機和其他飛行物體。或者，一種基于hough變換的方法來提高檢測和跟蹤性能。該方法利用線性分布的微多普勒特征，能夠同時檢測和識別無人機。又或者，由飛行無人機引起的微多普勒效應也可用于檢測多個無人機，其中時間-頻率頻譜圖被轉換為節奏速度圖(CVD)。然后從CVD中提取步頻頻譜(CFS)，作為每個班級訓練數據的基礎。K-means分類器用于基于CFS識別多個微UAS的組件。真實雷達數據上的實驗結果表明，這些方法能夠處理多個無人機，并具有令人滿意的分類精度。
4.3.2基于學習的模式識別基于學習的模式識別方法能夠對各種類型的對象進行分類。這項研究展示了一個無人機航跡與非無人機航跡的分類實驗，該實驗基于鳥、飛機和模擬無人機航跡的混合，主要基于航跡的統計特征，并產生了較高的準確率。基于神經網絡的方法采用深度學習技術來自動化傳統機器學習的特征工程過程。無人機檢測由CNN進行，CNN以高分類精度學習多普勒頻譜圖2D分布中的特征。深度信念網絡(DBN)被用于描述生成的譜相關函數(SCF)模式所體現的特征，以自動檢測和識別不同類型的無人機。實驗結果表明，該系統能夠有效地對微小無人機進行檢測和分類。基于學習的模式識別方法的好處是，此類系統可編程且可訓練以適應各種場景。
基于雷達的無人機檢測可以實現比目前其他傳感器更好的檢測性能。天線和信號處理器一直被認為是昂貴的實現選擇。雖然基于雷達的方法可以實現更好的無人機檢測性能(長距離和短距離)，但它們在部署、校準和維護方面的成本很高。基于雷達的方法的操作要求技術人員具備雷達操作的相關背景，這對大規模的普遍性構成了重大挑戰。人們希望雷達元件重量輕、節能、價格合理、易于組裝，并且易于部署和維護。基于機器學習的后驗信號處理算法在提高無人機檢測的效率和準確性方面顯示出巨大的潛力。便攜式信號處理算法降低開銷的改進能力可以擴展基于雷達的無人機檢測的實現。
5.基于數據融合的無人機檢測
數據融合是整合多個數據源以產生比任何單個數據源提供的信息更一致、更準確、更有用的信息的過程，它有可能生成比原始輸入信息更豐富、更綜合的融合數據。數據融合方法可以利用每種方法的優勢，獲得比單一方法更穩健、準確和高效的組合結果。對于無人機檢測，數據融合可以用來提高無人機檢測系統的性能，以克服單一方法在某些特定場景中存在的缺點。
三、緩解措施
探測和緩解技術還不成熟。對無人機緩解的研究非常有限。國外開發了無人機防御系統的體系結構。在該體系結構中，他們規定了有效交戰范圍，包括初始目標范圍、探測范圍和對響應起主導作用的中和范圍。他們的報告顯示，當射程超過4000英尺時，基于硬件的反應和中和可以有效地進行。
根據架構，這些方法可分為三大類，第一個是物理捕獲，重點是用物理方法捕獲無人機。第二種方法是利用噪聲發生器干擾系統或傳感器，從而使無人機控制器無法操作無人機。第三種是利用系統或傳感器的漏洞獲得控制優先級。
1.物理捕獲
1.1漁網捕獲
網絡捕獲是一種消除無人機的物理方法。防御者使用槍支或某些特定武器來觸發網絡以捕獲無人機。1.2定向電磁脈沖電磁脈沖主要用于打擊車內的非法電子設施，這些設施可能會重新啟動或禁用控制系統的操作。
2.干擾
干擾是壓制進入限制區的無人機最常用的方法。防御者利用噪聲信號干擾無人機傳感器或系統的工作，以進行中和。一種利用無人機團隊形成防空雷達網絡的方法，該網絡可以干擾目標的傳感器。該方法可以檢測并否定未經驗證的無人機，其實驗結果表明，它們可以跟蹤和干擾DJI制作的模型，以離開限制區域，并證明在一個團隊中，N個無人機最多可以否定N×(N)?1) 目標。利用直接航跡欺騙和融合，入侵導航系統和軌跡控制系統的控制優先級。基于GPS欺騙干擾理論，利用軌道欺騙引導未經驗證的無人機從限制區飛出。結果表明，直接航跡和融合航跡都能使無人機偏離限制區域。一種使用SDR實現協議感知無人機干擾系統的方法。使用SDR實現遙控器的信號，并通過分析識別通信協議。SDR生成命令，控制UAS飛離限制區。比較三種不同的方法(音調、掃描和協議感知)，以評估其方法的性能，這表明協議感知比音調和掃描干擾更有效。?音調：單個通道中心的窄帶信號。?掃頻：線性掃過整個2.4 GHz ISM頻段。?協議感知：模仿雙葉先進擴頻技術(FASST)和先進連續信道轉移技術(ACCST)的信號。干擾方法可以提供友好的零傷害方案，以壓制進入限制區域的無人機。干擾方法可以在不同層面(從硬件到軟件)對無人機提供中和效果。這種干擾可以大規模部署并長期有效。然而，當前的干擾無法產生防守者可以控制的方向性效果。干擾的效果是全方位的，可能會影響限制區域內的設備，并消耗能量。當無人機收到足夠的干擾信號時，干擾需要很長時間才能生效。在未來，干擾應該是可控的、定向的和快速反應的。
3.脆弱性
利用無人機漏洞的方法主要有三種。大多數漏洞利用工作集中在使用傳感器和通信協議的GPS控制上。防御者利用欺騙手段對GPS進行定位，并使用傳感器進行控制，利用傳感器和通信協議進行修改和入侵控制。
3.1基于KF的傳感器融合最大錯誤數據注入：修改GPS和氣壓計測量的計算功能。
3.2基于精確傳感器噪聲模型的高度估計3.2.1阻止GPS：禁用GPS讀數。3.2.2修改氣壓計讀數：操縱氣壓計并注入壞數據。
3.3一階低通濾波器注入氣壓計讀數并影響估計精度。
對于探測技術的部署，部署在很大程度上決定了每種方法的能力。根據傳感器的性質，在地面站、無人機或載人飛機上的部署是不同的。聲傳感器對聲音敏感，需要環境噪聲保持穩定和安靜。這意味著聲學傳感器不適用于移動平臺。基于無源射頻的檢測對天線之間的距離有特定的要求，這對于獲得精確的無源射頻信號檢測結果至關重要。無源射頻探測需要平臺具有強大的計算能力，僅適用于地面站和載人飛機。現有的無人機無法提供合適的計算和電源。
基于視覺的探測可以部署在地面站、無人機和載人飛機上。視覺檢測的關鍵傳感器主要是攝像機。同時，一些重量輕、能耗低的攝像頭適合部署基于視覺的檢測。目前基于雷達的檢測存在重量大的缺點，這對移動無人機平臺是一個挑戰。無人機的有效載荷和電源有限，不能滿足雷達的要求。部署基于雷達的無人機探測的大多數情況是地面站和載人飛機。最奇特的方法是基于數據融合的檢測，它只受計算能力的限制。同時，基于數據融合的檢測方法主要在地面站和載人飛機上實施。除此之外，不同平臺的組合在提高大型房產的檢測能力方面也有很大的潛力。在地面站、無人機和載人飛機上的不同部署可以實現對惡意無人機的可擴展檢測。
四、無人機探測和緩解面臨的挑戰
雷達探測和數據融合方法被認為是未來無人機檢測的最有前途的趨勢，另一方面，物理捕獲被認為是消除不受歡迎的無人機最實用、最可靠的方法。黑客和欺騙已經成為一種很有前途的否定解決方案，具有低占用空間和低附帶損害。然而，要開發成熟的、可擴展的、模塊化的、價格合理的無人機檢測和否定方法，還有很多挑戰需要解決。
1.無人機檢測技術比較
2.無人機緩解技術的比較
五、未來趨勢
1.技術進步
如上所述，簡單的檢測方法無法獲得成功檢測惡意無人機的可靠率。一方面，每種簡單的方法都有其缺點，因此簡單的檢測傳感器無法在多變的環境中滿足所有的檢測要求;另一方面，采用不同材料和配置設計的無人機也給簡單的探測傳感器帶來了巨大的挑戰。未來的無人機檢測方法將更加成熟、實用和高效。檢測方案需要多個傳感器組合，并與地面數據和空中數據協同融合。
探測和采集空間類型的多樣性和數據量可能是一個有待改進的趨勢。與檢測方案類似，簡單的否定方法也不能滿足否定要求，尤其是對抗措施不能損害飛行員的財產。未來的否定計劃應側重于引導入侵的無人機飛離敏感區域，并且不損害飛行員的財產。當然，不同的對策在協同實施時有望獲得更好的性能。這意味著，如何構建一個統一、系統的無人機安全防御框架也是以下階段的一個挑戰。此外，無人機安全防御系統包括檢測和否定兩部分，因此如何在一個協作統一的框架內平衡這兩部分也是一個研究熱點
2.行業標準
大多數安全問題都是由于人們誤操作造成的。詳細的操作和管理政策有助于人們避免錯誤，減輕維護者的負擔。這些政策不僅是對試點的指導，也是對行業的規范。
2.1行業標準需要市場準入標準，該標準限制市場上的無人機在物理層面上可控和識別。一旦無人機在限制區域內發出指令，防御者就可以通過物理層訪問系統，遠程驅趕或阻止無人機。
2.2飛行員的基本培訓需要包括安全操作和安全知識。無人機操作培訓和認證規范可以幫助飛行員避免基本錯誤。
除娛樂用途外，無人機系統在世界各地用于支持消防和搜索救援行動，監測和評估關鍵基礎設施，通過將緊急醫療物資運送到偏遠地區提供救災，并幫助我們努力確保邊境安全。然而，無人機也可用于恐怖分子、犯罪組織和有特定目標的單獨行為者的惡意計劃。為了促進無人機操作的安全性、保密性和隱私性，迫切需要檢測和緩解無人機的創新技術。
來源于無人機反制
