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

• Robust Low-Cost Drone Detection and Classification in Low SNR Environments [0.9087641068861043]
  ドローンを検知し、分類する能力について、様々な畳み込みニューラルネットワーク(CNN)を評価した。 本稿では,標準コンピュータ,ソフトウェア定義無線(SDR),アンテナを用いた低コストドローン検知システムについて紹介する。
  論文  参考訳（メタデータ） (2024-06-26T12:50:55Z)
• AI-based Drone Assisted Human Rescue in Disaster Environments: Challenges and Opportunities [10.803423394127458]
  無人航空機(UAV)は、災害時の捜索救助任務のために頻繁に配備される。 大規模なドローンは、孤立した災害で立ち往生している人々に必須の物資を届けるために使われる場合もある。 聴覚システムは、動物の鳴き声や風など、自然に発生する人間の叫び声と音を区別しなければならない。 この課題に対処するためには、人工知能(AI)を使用して音の周波数を分析し、一般的なオーディオシグネチャを識別する。
  論文  参考訳（メタデータ） (2024-06-22T15:39:46Z)
• Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
  動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。 標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-04-02T13:43:08Z)
• Multi-Stage Fusion Architecture for Small-Drone Localization and Identification Using Passive RF and EO Imagery: A Case Study [0.1872664641238533]
  本研究では、受動無線周波数(RF)と電気光学(EO)画像データを用いた多段階融合アーキテクチャを開発する。 教師なしの深層学習に基づく手法と、教師なしの地上/後方分離手法を探索し、挑戦的な環境に対処する。 提案した融合アーキテクチャを検証し,その範囲で追跡性能を定量化する。
  論文  参考訳（メタデータ） (2024-03-30T22:53:28Z)
• 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)
• 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)
• 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)

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。