Применение глубоких сверточных сетей для идентификации скрытых сигналов управления дронами в условиях городского радиочастотного шума

Аннотация

В данной статье рассматривается проблема идентификации скрытых сигналов управления дронами в условиях интенсивного городского радиочастотного шума с использованием методов глубокого обучения, в частности, глубоких сверточных нейронных сетей. Актуальность исследования определяется возрастающей угрозой несанкционированного управления воздушными аппаратами в условиях высокой плотности электромагнитных помех, характерной для городских застроек. Введение обосновывает необходимость разработки эффективных алгоритмов, способных выделять и распознавать малозаметные сигналы среди шумового фона. Для достижения поставленной цели в методологической части статьи предложена архитектура сверточной нейронной сети, адаптированная под специфику радиочастотных данных. Описаны этапы сбора и предварительной обработки данных, включающие сегментацию сигналов, фильтрацию шумов и применение методов аугментации. Особое внимание уделено выбору архитектурных гиперпараметров, функциям активации и методам регуляризации, позволяющим минимизировать переобучение модели. Экспериментальная часть основана на моделировании городского радиочастотного пространства с включением реальных данных, что позволило оценить эффективность предложенной методики в условиях приближенных к реальным. В результате исследования продемонстрирована высокая точность идентификации сигналов управления, даже при наличии значительных уровней фонового шума. Полученные результаты показывают, что предложенный подход способен выделять скрытые сигналы с уровнем точности свыше 90%, что значительно повышает надежность обнаружения беспилотных аппаратов в городских условиях. Также обсуждаются трудности, связанные с нестационарностью радиочастотного окружения, и предложены пути дальнейшей оптимизации сети для повышения устойчивости к изменяющимся помехам. В заключении авторы подчеркивают значимость использования глубоких сверточных сетей для задач радиочастотного мониторинга в контексте обеспечения безопасности городской инфраструктуры. Данное исследование открывает перспективы для разработки автоматизированных систем раннего предупреждения и обнаружения потенциально опасных сигналов управления дронами в сложных условиях реального мира, что может быть использовано для повышения уровня защиты критически важных объектов и городской среды в целом.