Wi-FiおよびBluetooth干渉の存在下におけるRFフィンガープリントを使用したUAVの検出と分類

本論文では、パッシブ無線周波数（RF）監視システムを使用して、無線干渉信号の存在下における無人航空機（UAV）の検出および分類の問題を調査します。このシステムは、UAVコントローラから送信された信号を背景ノイズおよび干渉信号から区別するためにマルチステージ検出器を使用します。まず、マルコフモデルに基づくナイーブベイズ決定メカニズムを使用して、任意のソースからのRF信号を検出します。受信機が信号対雑音比（SNR）10 dBで動作し、モデルの状態を定義するしきい値が前処理されたノイズデータの標準偏差の3.5倍に設定されると、99.8%の検出精度と2.8%の誤警報率が達成されます。次に、Wi-FiおよびBluetooth発信機からの信号が存在する場合、検出されたRF信号の帯域幅および変調特徴に基づいて検出されます。入力信号がUAVコントローラ信号として特定されると、機械学習（ML）技術を使用して分類されます。UAVコントローラ信号のエネルギー過渡から抽出された15の統計的特徴が近隣コンポーネント分析（NCA）に供給され、最も重要な3つの特徴が選択されます。NCAと5つの異なるML分類器の性能が、15種類の異なるUAVコントローラについて研究されます。k最近傍法分類器が25 dB SNRで98.13%の分類精度を達成します。異なるSNRレベルおよび同じUAVコントローラモデルからの2組を含む17種類のUAVコントローラのセットに対しても分類性能が調査されます。