Обнаружение и классификация БПЛА по радиочастотным отпечаткам в присутствии помех Wi‑Fi и Bluetooth

В статье исследуется задача обнаружения и классификации беспилотных летательных аппаратов (БПЛА) в присутствии сигналов беспроводных помех с использованием пассивной системы радиочастотного (РЧ) мониторинга. В системе применяется многоступенчатый детектор, предназначенный для различения сигналов, передаваемых контроллером БПЛА, фонового шума и сигналов помех. На первом этапе РЧ-сигналы от любых источников обнаруживаются с помощью механизма принятия решений на основе наивного байесовского классификатора и моделей Маркова. При работе приемника на отношении сигнал/шум (SNR), равном 10 дБ, и установке порога, определяющего состояния моделей, на уровне 3,5 стандартного отклонения предварительно обработанных данных о шуме достигаются точность обнаружения 99,8% и вероятность ложной тревоги 2,8%. На втором этапе при наличии передатчиков Wi‑Fi и Bluetooth их сигналы обнаруживаются по полосе пропускания и характеристикам модуляции выявленного РЧ-сигнала. После идентификации входного сигнала как сигнала контроллера БПЛА он классифицируется с использованием методов машинного обучения (ML). Пятнадцать статистических признаков, извлеченных из энергетических переходных процессов сигналов контроллеров БПЛА, подаются на анализ компонент соседства (NCA), после чего выбираются три наиболее значимых признака. Исследуется эффективность NCA и пяти различных классификаторов машинного обучения для 15 различных типов контроллеров БПЛА. Классификатор k ближайших соседей обеспечивает точность классификации 98,13% при отношении сигнал/шум 25 дБ. Эффективность классификации также исследуется при различных уровнях SNR и для набора из 17 контроллеров БПЛА, включающего две пары контроллеров одних и тех же моделей БПЛА.