論文の概要: Amateur Drones Detection: A machine learning approach utilizing the
acoustic signals in the presence of strong interference
- arxiv url: http://arxiv.org/abs/2003.01519v1
- Date: Fri, 28 Feb 2020 17:28:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 02:14:52.779265
- Title: Amateur Drones Detection: A machine learning approach utilizing the
acoustic signals in the presence of strong interference
- Title(参考訳): アマチュアドローン検出:強い干渉の存在下での音響信号を利用した機械学習アプローチ
- Authors: Zahoor Uddin, Muhammad Altaf, Muhammad Bilal, Lewis Nkenyereye, Ali
Kashif Bashir
- Abstract要約: アマチュアドローン(AmDr)と呼ばれる無人機の無人配備は、深刻なセキュリティ上の脅威と人間の生命とインフラへのリスクをもたらす可能性がある。
本稿では,鳥,飛行機,雷雨,雨,風,UAVなどの音響信号を検出するための効率的な機械学習手法を提案する。
- 参考スコア(独自算出の注目度): 10.74088633638169
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Owing to small size, sensing capabilities and autonomous nature, the Unmanned
Air Vehicles (UAVs) have enormous applications in various areas, e.g., remote
sensing, navigation, archaeology, journalism, environmental science, and
agriculture. However, the unmonitored deployment of UAVs called the amateur
drones (AmDr) can lead to serious security threats and risk to human life and
infrastructure. Therefore, timely detection of the AmDr is essential for the
protection and security of sensitive organizations, human life and other vital
infrastructure. AmDrs can be detected using different techniques based on
sound, video, thermal, and radio frequencies. However, the performance of these
techniques is limited in sever atmospheric conditions. In this paper, we
propose an efficient unsupervise machine learning approach of independent
component analysis (ICA) to detect various acoustic signals i.e., sounds of
bird, airplanes, thunderstorm, rain, wind and the UAVs in practical scenario.
After unmixing the signals, the features like Mel Frequency Cepstral
Coefficients (MFCC), the power spectral density (PSD) and the Root Mean Square
Value (RMS) of the PSD are extracted by using ICA. The PSD and the RMS of PSD
signals are extracted by first passing the signals from octave band filter
banks. Based on the above features the signals are classified using Support
Vector Machines (SVM) and K Nearest Neighbor (KNN) to detect the presence or
absence of AmDr. Unique feature of the proposed technique is the detection of a
single or multiple AmDrs at a time in the presence of multiple acoustic
interfering signals. The proposed technique is verified through extensive
simulations and it is observed that the RMS values of PSD with KNN performs
better than the MFCC with KNN and SVM.
- Abstract(参考訳): 小型化、感知能力、自律性のため、無人航空機(uavs)は、遠隔センシング、ナビゲーション、考古学、ジャーナリズム、環境科学、農業など、様々な分野に多大な応用がある。
しかし、アマチュアドローン(AmDr)と呼ばれる無人機(UAV)の無人配備は、深刻なセキュリティ上の脅威と人間の生命とインフラへのリスクをもたらす可能性がある。
したがって、AmDrのタイムリーな検出は、敏感な組織、人命、その他の重要なインフラの保護とセキュリティに不可欠である。
AmDrsは、音、ビデオ、熱、ラジオの周波数に基づいて異なる技術を用いて検出することができる。
しかし、これらの技術の性能は大気条件がほとんどない場合に限られる。
本稿では,鳥の鳴き声,飛行機の音,雷雨,雨,風,uavなどの音波を実用シナリオで検出する,独立成分分析(ica)による効率的な非教師なし機械学習手法を提案する。
信号をアンミックスした後、ICAを用いてMel Frequency Cepstral Coefficients(MFCC)、パワースペクトル密度(PSD)、Root Mean Square Value(RMS)などの特徴を抽出する。
psd信号のpsd及びrmsを、まずオクターブ帯域フィルタバンクからの信号を通過させて抽出する。
上記の特徴に基づいて、AmDrの有無を検出するために、Support Vector Machines(SVM)とK Nearest Neighbor(KNN)を使用して信号を分類する。
提案手法の特異な特徴は、複数の音響干渉信号が存在する場合に一度に1つまたは複数のAmDrを検出することである。
提案手法は広範囲なシミュレーションにより検証され,KNNによるPSDのRMS値は,KNNおよびSVMによるMFCCよりも優れていた。
関連論文リスト
- MMAUD: A Comprehensive Multi-Modal Anti-UAV Dataset for Modern Miniature
Drone Threats [37.981623262267036]
MMAUDは、ドローン検出、UAV型分類、軌道推定に焦点を当てて、現代の脅威検出手法における重要なギャップに対処する。
これは、熱とRGBを使用して特定のベタージュポイントでキャプチャされたデータセットよりも忠実度の高い実世界のシナリオに対処するための、ユニークな頭上の空中検出を提供する。
提案するモダリティは費用対効果が高く適応性が高いため,UAV脅威検出ツールの実験と実装が可能である。
論文 参考訳(メタデータ) (2024-02-06T04:57:07Z) - Graph Koopman Autoencoder for Predictive Covert Communication Against
UAV Surveillance [29.15836826461713]
低確率検出(LPD)通信は、無線周波数(RF)信号の存在を曖昧にすることを目的としている。
無人航空機(UAV)は、特定の関心領域をホバリングすることで地上からのRF信号を検出することができる。
本稿では,複数の固定翼UAVの軌跡を予測するために,グラフニューラルネットワーク(GNN)とクープマン理論を組み合わせた新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-23T23:42:55Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Multi-task Learning for Radar Signal Characterisation [52.82104394081535]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。
本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。
合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文 参考訳(メタデータ) (2023-06-19T12:01:28Z) - SVM and ANN based Classification of EMG signals by using PCA and LDA [0.0]
筋電信号(MES)は、人体の筋肉を一次元パターンとして生成する。
Support Vector Machines (SVM) は n 次元超平面を識別し、入力特徴点の集合を異なるクラスに分離する技術である。
論文 参考訳(メタデータ) (2021-10-22T06:44:08Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳(メタデータ) (2021-07-01T08:58:16Z) - Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文 参考訳(メタデータ) (2021-04-09T01:38:34Z) - Comparing Weak- and Unsupervised Methods for Resonant Anomaly Detection [0.38233569758620045]
オートエンコーダ(AE)と,CWoLa(Classification Without Labels)技術に基づく弱監督アプローチを比較した。
CWoLaは多様かつ適度に稀なシグナルを見つけるのに有効であり、AEは極めて稀な信号に対して感受性を与えるが、特定のトポロジでのみ得られる。
論文 参考訳(メタデータ) (2021-04-05T18:00:46Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳(メタデータ) (2021-03-18T11:01:21Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳(メタデータ) (2020-09-16T11:37:43Z) - Harvesting Ambient RF for Presence Detection Through Deep Learning [12.535149305258171]
本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。
WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。
畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
論文 参考訳(メタデータ) (2020-02-13T20:35:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。