論文の概要: Classification and detection of multiple UAVs using rational Gaussian wavelet neural networks

• arxiv url: http://arxiv.org/abs/2605.26310v2
• Date: Sun, 31 May 2026 13:48:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 00:57:58.887647
• Title: Classification and detection of multiple UAVs using rational Gaussian wavelet neural networks
• Title（参考訳）: 有理ガウスウェーブレットニューラルネットワークを用いた複数UAVの分類と検出
• Authors: Ungvári Gergő, Ferenc Braun, Attila Ámon, Péter Kackstädter, János Volk, Péter Kovács, Tamás Dózsa,
• Abstract要約: 無人航空機(UAV)の検出は、民間と軍事のインフラを保護するために重要である。 マイクロホンから得られた音声信号を用いたコスト効率の良いUAV検出システムを提案する。
• 参考スコア（独自算出の注目度）: 1.5537905029403791
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The detection of unmanned aerial vehicles (UAVs) is important for the protection of civilian and military infrastructure. In this paper we propose a cost effective UAV detection system using sound signals obtained from microphones. The recorded signals are passed through a signal processing pipeline which employs interpretable adaptive feature extractors using so-called rational Gaussian wavelets. These adaptive wavelet transformations are embedded into and trained together with an underlying small neural network which detects and classifies UAVs based on the obtained features. This leads to a physically interpretable machine learning algorithm that in addition to classifying UAVs is also capable of detecting UAV swarms. We demonstrate our results using data collected in indoor studio and noisy outdoor environments. We conclude that the proposed method outperforms traditional machine learning approaches for detecting and classifying single UAVs as well as drone swarms, while retaining a high degree of interpretability. Our implementation of the proposed methods is made publicly available for reproducibility.
• Abstract（参考訳）: 無人航空機(UAV)の検出は、民間と軍事のインフラを保護するために重要である。 本稿では,マイクロホンから得られた音声信号を用いたコスト効率の良いUAV検出システムを提案する。 記録された信号は、いわゆる有理ガウスウェーブレットを用いて解釈可能な適応的特徴抽出器を使用する信号処理パイプラインを通過する。 これらの適応ウェーブレット変換は、得られた特徴に基づいてUAVを検出し、分類する基礎となる小さなニューラルネットワークと共に組み込み、訓練される。 これにより、UAVの分類に加えて、UAVスワムを検出することができる物理的に解釈可能な機械学習アルゴリズムが実現される。 室内のスタジオや騒々しい屋外環境で収集したデータを用いて実験を行った。 提案手法は,単一UAVとドローン群の検出・分類において,高い解釈性を維持しつつ,従来の機械学習手法よりも優れていると結論付けている。 提案手法の実装は再現性のために公開されています。

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)
• Few-Shot Radar Signal Recognition through Self-Supervised Learning and Radio Frequency Domain Adaptation [48.265859815346985]
  レーダー信号認識は電子戦(EW)において重要な役割を果たす 近年のディープラーニングの進歩は、レーダー信号認識の改善に大きな可能性を示している。 これらの手法は、注釈付き無線周波数(RF)データが少ない、あるいは入手できないEWシナリオでは不十分である。
  論文  参考訳（メタデータ） (2025-01-07T01:35:56Z)
• Effective Intrusion Detection for UAV Communications using Autoencoder-based Feature Extraction and Machine Learning Approach [2.3845721581271206]
  本稿では,実際のデータセットを用いた自動エンコーダによるUAVの機械学習侵入検出手法を提案する。 実験の結果,提案手法は二分法および多クラス分類タスクのベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-10-01T08:44:23Z)
• UAVDB: Point-Guided Masks for UAV Detection and Segmentation [0.03464344220266879]
  UAVの検出とセグメンテーションのための新しいベンチマークデータセットであるUAVDBを提案する。 ポイント誘導の弱い監視パイプライン上に構築されている。 UAVDBは、可視オブジェクトからほぼ1ピクセルのインスタンスまで、さまざまなスケールでUAVをキャプチャする。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• 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)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• 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)

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。