АДАПТИВНІ МЕТОДИ МАШИННОГО НАВЧАННЯ ДЛЯ РОЗПІЗНАВАННЯ БПЛА В УМОВАХ ЗМІННОГО РАДІОЧАСТОТНОГО СЕРЕДОВИЩА
DOI:
https://doi.org/10.34132/mspc2025.01.14.19Ключові слова:
БПЛА, розпізнавання, радіочастотний аналіз, адаптація до домену, машинне навчання, змінне середовище, RF fingerprinting.Анотація
Тези присвячено аналізу проблеми розпізнавання безпілотних літальних апаратів (БПЛА) за радіочастотними ознаками в умовах змінного середовища. Наголошується, що традиційні моделі машинного навчання, навчені у статичних умовах, демонструють зниження продуктивності при зміні параметрів каналу, положення антен, впливі шумів і мультипасових ефектів. Обґрунтовується доцільність застосування адаптивних методів, зокрема адаптації до середовища (domain adaptation), які дозволяють зберігати точність без повного перенавчання. Запропоновано архітектуру системи з модулем виділення ознак, дискримінатором домену та симулятором змін середовища. Такий підхід відкриває перспективи для створення стійких до змін систем моніторингу БПЛА у військовій та цивільній сферах.
Посилання
Jafar N., Paeiz A., Farzaneh A. Automatic modulation classification using modulation fingerprint extraction. Journal of Systems Engineering and Electronics. 2021. Vol. 32, no. 4. P. 799–810.
Optimized Radio Frequency Footprint Identification Based on UAV Telemetry Radios / Y. Tian et al. Sensors. 2024. Vol. 24, no. 16. P. 5099.
Zhan, Y., et al. (2021). "UAV Detection Based on RF Fingerprints with CNN-LSTM Hybrid Model." Sensors.
Shi, Y., et al. (2020). "Deep Learning for RF Fingerprinting: A ResNet-Based Approach." IEEE Transactions on Vehicular Technology.
Tzeng, E., et al. (2017). "Adversarial Discriminative Domain Adaptation." CVPR.
