​微信公众号
手机版
​​新浪微博
会员登录
关于我们  |   商务合作  |  友情链接   |  意见反馈  |  人才招聘
北京云翼同创科技有限公司 深圳高博特文化发展有限公司   版权所有,并保留所有权利 © 2018 京ICP备16044150号-1                       

跨界 · 融合 · 服务 · 创新



双击此处添加文字
科普园地
首页  > 新闻聚焦 > 科普园地  >  详情 
反无人机系统:现状、挑战和未来趋势
来源:无人机反制 | 作者:无人机反制 | 发布时间: 2022-03-04 | 11807 次浏览 | 分享到:
无人机逐渐开始应用于水文监测、工程测绘、洪水监测、水污染调查等诸多领域,图1和图2展示了两种不同的无人机工作场景......

无人机系统,通常被称为无人机,在世界各地得到广泛应用。无人机的积极应用有可能拯救生命,提高安全性和效率,并促进更有效的科学和工程研究。然而,由于越来越依赖计算机和通信技术,面临着无人机威胁,这将公共安全、国家安全和个人隐私置于危险之中。为了促进无人机操作的安全、可靠和隐私,迫切需要用于检测、跟踪、识别和缓解无人机的创新技术。反无人机系统是指能够合法、安全地禁用、干扰或控制无人机或无人机系统的系统或设备。在过去几年中,在探测和缓解无人机方面做出了重大研究努力:探测技术基于声学、视觉、被动射频、雷达和数据融合;缓解技术包括物理捕获或干扰。

 一、无人机的威胁 

基于无人机的威胁分为三类:公共安全、国家安全和个人隐私,如表一所示。基于无人机的公共安全威胁是由于在其他飞机附近,尤其是机场附近运行无人机造成的;人群、公共活动或挤满人群的体育场;基于无人机的国家安全威胁是由于无人机在指定的国家安全敏感设施上运行,例如军事基地、国家地标和某些关键基础设施;基于无人机的隐私威胁是由于当指向私人住宅内时,操作无人机搭载摄像机处于打开状态。

 二、无人机检测技术 

自2014年以来,已经提出了五种无人机检测技术,包括声学、视觉、无源射频、雷达和数据融合。

1.基于声学的无人机检测 

基于声学的无人机检测利用声学传感器捕捉无人机的声音,通过音频识别和跟踪无人机。部署在受限区域周围的声学传感器阵列定期记录音频信号,并将音频信号传送到地面站。地面站提取音频信号的特征,以确定无人机是否正在接近。

传统上,在接收到无人机的音频信号后,将对功率谱或频谱进行分析以识别无人机。采用线性预测编码来区分无人机发动机的声音和汽车发动机的声音,但性能取决于天气条件。设计一个实时无人机声音检测和分析系统,可以从传感器获取实时声音数据并识别无人机。应用欧氏距离和尺度不变特征变换(SIFT)来区分无人机发动机声音和背景声音,并证明了它们的有效性,尽管噪声的功率谱大于无人机声音的功率谱。然而,在实践中,它们的处理效率很低。

由于重量轻、成本低、易于组装,声学传感器可用于构建声学采集阵列,并部署在目标区域,以定位和跟踪无人机的轨迹。提出了一种在无人机上部署声传感器阵列的方法。声学传感器阵列由24个定制麦克风组成,这些麦克风可以协同定位和跟踪无人机。他们用到达时间延迟(TDOA)校准每个传感器,并用波束形成预测无人机的飞行路径。他们可以很好地跟踪飞行轨迹,但这种方法在大范围空间中无法很好地工作,传感器的精度严重依赖于校准。两个阵列由4个麦克风传感器组成,以提高无人机的定位能力。由于多径效应,他们提供了高斯先验概率密度函数来改进时差估计。

它们的阵列可以有效地部署在特定区域,并在跟踪无人机方面取得了良好的性能。然而,他们的系统在长时间工作时并不稳定。先进的声学摄像头被用来检测和跟踪无人机。具体来说,他们使用2到4个声学摄像头来捕捉声音的强度分布,并融合强度分布来计算无人机在室内和室外的位置。使用音频辅助摄像机阵列检测无人机,无人机同时捕获视频和音频信号,并使用方向梯度直方图(HOG)特征和Mel频率倒谱系数(MFCC)特征对对象进行分类。

与上述传统方法不同,利用机器学习从音频数据中对无人机进行分类已经做了大量的研究工作。采用支持向量机(SVM)对无人机发动机的中期信号进行分析,构建无人机的信号指纹。他们的结果表明,在某些情况下,分类器能够准确区分无人机。提出了一种将无人机检测问题转化为二值分类问题的方法,并利用高斯混合模型(GMM)、卷积神经网络(CNN)和递归神经网络(RNN)对无人机进行检测。他们的研究结果表明,这种方法可以在240ms内处理短输入信号。

目前基于声学的无人机检测技术能够准确地识别和定位无人机,以满足无人机检测的精度要求。然而,声学方法的性质限制了无人机的大规模部署和检测。机器学习(ML)为将声学传感集成到基于声学的无人机检测中提供了巨大的机会,以提高无人机检测性能。

2.基于射频的无源探测

无人机通常至少有一条射频(RF)通信数据链路与其遥控器相连,以接收控制命令或传送航空图像。在这种情况下,这种传输的光谱模式被用作无人机检测和定位的重要证据。图1显示了不同的无源射频技术。在大多数情况下,软件无线电(SDR)接收机用于拦截射频信道。

图1

为了利用无人机的频谱模式,提出了一种无人机射频信号的人工神经网络(ANN)检测算法,该算法采用了三种信号特征:改进的斜率、改进的偏度和改进的峰度。结果表明,基于人工神经网络的算法在改进信号频谱的斜率、偏度和峰度方面优于其他识别技术。

数据流量模式也是指定无人机的一个重要特性。提出了一种无人机检测和识别系统,该系统利用商用现货硬件被动监听无人机及其控制器之间的无线信号,以获得数据包传输特性。主要提取了无人机的数据包长度分布,并用三种无人机对原型系统进行了评估。他实验结果证明了使用数据帧长度在20秒内识别不同无人机的可行性。越来越多的商用无人机使用WiFi作为控制和第一人称视图(FPV)视频流协议,这是一种基于WiFi指纹的无人机检测方法。该方法通过监测数据流量来识别附近区域是否存在未经授权的无人机。