論文の概要: Acoustic Drone Package Delivery Detection

• arxiv url: http://arxiv.org/abs/2602.09991v1
• Date: Tue, 10 Feb 2026 17:16:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.332912
• Title: Acoustic Drone Package Delivery Detection
• Title（参考訳）: 音響ドローンパッケージ配信検出
• Authors: François Marcoux, François Grondin,
• Abstract要約: 本研究では,地上マイクロホンアレイを用いた最初の音響パッケージ配信検出アルゴリズムを提案する。 ディープニューラルネットワークは、ドローンの存在を検出し、プロペラの回転速度またはブレード通過頻度を推定する。 配信検出アルゴリズムは、偽陽性率8%のイベントの96%を正しく識別する。
• 参考スコア（独自算出の注目度）: 3.7370186160766443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the illicit use of unmanned aerial vehicles (UAVs) for deliveries in restricted area such as prisons became a significant security challenge. While numerous studies have focused on UAV detection or localization, little attention has been given to delivery events identification. This study presents the first acoustic package delivery detection algorithm using a ground-based microphone array. The proposed method estimates both the drone's propeller speed and the delivery event using solely acoustic features. A deep neural network detects the presence of a drone and estimates the propeller's rotation speed or blade passing frequency (BPF) from a mel spectrogram. The algorithm analyzes the BPFs to identify probable delivery moments based on sudden changes before and after a specific time. Results demonstrate a mean absolute error of the blade passing frequency estimator of 16 Hz when the drone is less than 150 meters away from the microphone array. The drone presence detection estimator has a accuracy of 97%. The delivery detection algorithm correctly identifies 96% of events with a false positive rate of 8%. This study shows that deliveries can be identified using acoustic signals up to a range of 100 meters.
• Abstract（参考訳）: 近年、刑務所などの制限区域での配達に無人航空機(UAV)が違法に使用されることは、重大なセキュリティ上の課題となった。 UAVの検出やローカライゼーションに多くの研究が焦点を当ててきたが、配送イベントの識別にはほとんど関心が向けられていない。 本研究では,地上マイクロホンアレイを用いた最初の音響パッケージ配信検出アルゴリズムを提案する。 提案手法は,ドローンのプロペラ速度と配送イベントを音響的特徴のみを用いて推定する。 ディープニューラルネットワークは、ドローンの存在を検出し、プロペラの回転速度またはブレード通過周波数(BPF)をメルスペクトルから推定する。 このアルゴリズムはBPFを解析し、特定の時間前後の急激な変化に基づいて、予測可能な配送モーメントを特定する。 その結果,ドローンがマイクロホンアレイから150m未満離れている場合,ブレード通過周波数推定器の平均誤差は16Hzであった。 ドローンの存在検知推定器の精度は97%である。 配信検出アルゴリズムは、偽陽性率8%のイベントの96%を正しく識別する。 本研究は,100mまでの音波信号を用いて配送を識別できることを示す。

関連論文リスト

• AUDRON: A Deep Learning Framework with Fused Acoustic Signatures for Drone Type Recognition [1.8665975431697428]
  無人航空機(UAV)は、ロジスティクス、農業、監視、防衛など様々な分野にまたがっている。 アコースティックセンシングは、視覚やレーダーによる検出に対して、低コストで非侵襲的な代替手段を提供する。 本研究では,ドローン音検出のためのハイブリッドディープラーニングフレームワークであるAUDRONを紹介する。
  論文  参考訳（メタデータ） (2025-12-23T14:55:08Z)
• Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
  ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。 単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
  論文  参考訳（メタデータ） (2025-01-07T03:23:28Z)
• Detection and Tracking of MAVs Using a Rosette Scanning Pattern LiDAR [2.2124180701409233]
  セキュリティリスクの増大により、ドローンの検出と追跡が最優先事項となっている。 本研究では,非反復ロゼットスキャンパターンLiDARを用いて,この問題に対処する。 また、Pan-Tiltプラットフォームを用いて、ロゼット走査パターンLiDARの特性を利用する。 提案手法は,最先端の室内法と同等の精度で,最先端の屋外法を超える最大検出範囲を約80%増加させた。
  論文  参考訳（メタデータ） (2024-08-16T06:40:20Z)
• Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
  無線信号認識は電子戦において重要な機能である。 電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。 ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
  論文  参考訳（メタデータ） (2023-12-15T01:56:27Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
  本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。 信号対雑音比が25未満の信号に対する感度は6因子改善した。 保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
  論文  参考訳（メタデータ） (2020-06-02T10:20:11Z)
• Noise2Weight: On Detecting Payload Weight from Drones Acoustic Emissions [4.38301148531795]
  本稿では,商用ドローンが積載するペイロードの重量をリモートで検出する可能性について検討する。 我々は、異なるペイロードを運ぶためにドローンが必要とする推力の違いを特徴付け、関連する音響指紋のかなりのバリエーションをもたらす。 ドローンが搭載する特定のペイロードクラスの検出において,最小98%の分類精度を達成した。
  論文  参考訳（メタデータ） (2020-05-04T09:44:18Z)

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。