DroneRFa:用于侦测低空无人机的大规模无人机射频信号数据集

为研究与发展反无人机检测识别技术,该文公开了一个名为DroneRFa的大规模无人机射频信号数据集。该数据集使用软件无线电设备探测无人机与遥控器相互通信的射频信号,包含城市户外场景下运动无人机信号9类、城市室内场景下信号15类以及背景参照信号1类。每类数据有不少于12个片段,每个片段包含1亿个以上的采样点。数据采集覆盖了3个ISM无线电频段,记录无人机多频通信的真实活动。该数据集具有详细的无人机户外飞行距离和工作频段标注,以前缀字符结合二进制编码的形式方便用户灵活访问所需数据。此外,该文提供了基于频谱可视统计特征和基于深度学习表征的两种无人机识别方案,以验证数据集的可靠和有效性。

基于YOLOX-drone的反无人机系统抗遮挡目标检测算法

为解决现实场景下无人机目标被部分遮挡,导致不易检测问题,本文提出了基于YOLOX-S改进的反无人机系统目标检测算法YOLOX-drone.首先,建立无人机图像数据集;其次,搭建YOLOX-S目标检测网络,在此基础上引入坐标注意力机制,来增强无人机的目标图像显著度,突出有用特征抑制无用特征;然后,再去除特征融合层中自下而上的路径增强结构,减少网络复杂度,并设计了自适应特征融合网络结构,增强有用特征的表达能力,抑制干扰,提升检测精度.在DUT-AntiUAV数据集上的测试结果表明:YOLOX-drone与YOLOX-S、YOLOv5-S和YOLOX-tiny相比,平均准确率(IoU=0.5)提升了3.2%、4.7%和10.1%;在自建的无人机图像数据集上的测试结果表明:YOLOX-drone与原YOLOX-S目标检测模型相比,在无遮挡、一般遮挡、严重遮挡情况下,平均准确率(IoU=0.5)分别提高了2.4%、2.1%和6.4%,验证了改进的算法具有良好的抗遮挡检测能力.

改进YOLOv7的城市小型无人机目标检测方法

针对“低小动”无人机的反制技术已成为低空空域安全防御的重要手段,然而实时检测与准确识别是实施有效反制的前提条件与关键基础。针对城市低空环境下,目标检测算法对不同背景下小尺度无人机目标检测精度低,容易出现漏检误检且易受外界因素干扰等问题,提出了一种基于改进YOLOv7的“低小动”无人机目标检测方法。首先采集大量不同环境、不同背景下的无人机样本构建数据集,并采用ViBe(visual background extractor)算法进行预处理;其次引入坐标注意力机制与SPDConv(space-to-depth convolution)模块改进和优化YOLOv7的网络结构;最后提出融合ViBe和改进YOLOv7的二级检测架构,将改进后的YOLOv7作为网络模型检测经ViBe处理后的图像。依据原图与处理图像的位置大小关系,将检测出的目标坐标映射回归至原图片,从而完成目标检测提取。实验结果表明,所提目标检测方法检测精度达96.5%,较原YOLOv7方法提高了15.8个百分点,显著提升了“低小动”目标的检测精度,能够满足低空无人机的实时精准检测的需求。

基于5G电子通信的无人机导航网络信号抗干扰技术

为提升无人机在自主飞行过程中传输导航网络信号时的抗干扰能力,研究基于5G电子通信技术的无人机导航网络信号抗干扰技术。构建无人机通信结构,结合5G电子通信技术与电力线通信技术创建无人机导航网络信号模型;通过频谱感知方法中的能量检测算法建立无人机干扰信号检测模型,利用自适应滤波算法抑制干扰信号以及噪声干扰,实现无人机导航网络信号干扰抑制。实验结果表明,该方法具备不同干扰模式下的信号抗干扰能力。

基于ANP-DEA的反无人机蜂群装备投产效率评估

为拓展新型装备发展论证方法,借鉴经济领域投入—产出效率概念,提出装备投产效率,综合考量装备建设资源投入及作战能力。采用ANP-DEA方法,建立基于网络联系的反无人机蜂群作战能力指标评估体系;根据体系特点新增毁伤评估能力等指标,通过网络层次分析法(Analytic Network Process,ANP)计算各级指标权重;通过超效率数据包络分析(Data Envelopment Analysis,DEA)模型对8类装备投产效率进行排序分析,一定程度上解决了当前反无人机蜂群装备能力评估内容不全面、指标联系不紧密等问题,为新型装备发展规划提供参考。

基于多路蓝牙接收器的无人机跟踪系统

随着无人机日益受到人们关注,对无人机交通的管理与控制变得尤为重要,尤其需要开发用于监控无人驾驶飞行器的系统,以实现对无人机的监控和追踪。文章提出了一种基于多路蓝牙低功耗接收器的无人机位置跟踪系统。该系统首先通过距离和角度的估算确定目标位置,同时在4个蓝牙接收器上使用接收到的信号质量指示(RSSI)信号。基于估算的距离和角度,系统逐渐监控目标位置。为提高估算算法的准确性,文章引入了一种新的记忆方法,对运动数据进行重新提取。

基于超分辨率重建的反无人机检测方法研究

现如今无人机技术在民用和军用领域得到了广泛应用,但是由于无人机技术的易于获取和操作,导致无人机的“黑飞”与“滥飞”问题严重。传统的反无人机检测方法在复杂的飞行环境下常面临误检、漏检等问题,导致对无人机的检测不够准确。因此,文章提出了一种基于超分辨率重建与YOLOv5s融合的检测方法。该方法使用改进的增强型超分辨率重建生成对抗网络(Real-ESRGAN)提升图像分辨率,使得检测网络能够提取到小目标的更多特征信息;使用优化的YOLOv5s对重建后的图像进行检测。实验结果表明,该方法在反无人机检测方面表现出色,精度高达90.3%,相较SSD、YOLOv7等经典目标检测模型效果更好。

反无人机技术综述:通信技术与人工智能的融合

对当前反无人机技术的最新进展进行了全面的梳理,内容涵盖了从主动反制策略到被动检测技术的广泛领域。首先,审视了主动干预技术,如电磁干扰、激光系统和无线电频率干扰,以及被动监测技术,包括雷达、光学和热成像等。随后,深入探讨了现代通信技术在反无人机系统中的应用,重点关注了高速数据传输、信号覆盖、高精度定位、动态频率切换、宽频带和多输入多输出(MIMO)技术等方面的支持作用。此外,还详细分析了人工智能技术在提高反无人机效能方面的研究成果和应用算法,指出了目前的成就以及未来发展的潜在方向。最后,展望了反无人机技术的未来发展趋势,包括自主学习、对抗博弈和多智能体协同等方面,并对这些新兴趋势可能带来的挑战及其解决方案进行了前瞻性讨论。本研究可为反无人机技术的未来发展提供一个全面的理论框架参考。

“低慢小”无人机硬杀伤时域反制系统及辐照实验

分析了“低慢小”无人机的战场威胁,指出研制对应的硬杀伤无人机反制系统的重要性。对比了目前国内外常见的硬杀伤反制系统,提出了时域体制的反制措施。同时,给出了“低慢小”无人机硬杀伤时域反制系统的系统组成,并设计了一个简化的反制系统样机。然后以该反制系统为基础,利用HS-550作为目标无人机进行了辐照实验。给出了目标无人机在距离系统200 m处的毁伤阈值,同时指出,在反制系统偏置电压一定的情况下,无人机的毁伤阈值会随着重频的升高急剧下降。针对无人机毁伤阈值数据难寻踪迹的问题,设计了反制系统样机并给出了相关的毁伤阈值数据,对探索新体制的无人机反制方案以及今后无人机反制系统的指标制定有着重要的指导意义。

城市环境下反无人机技术发展设想

无人机的管控是未来城市低空安全管理不能回避的问题。现有反无人机的探测手段在城市环境下受遮蔽和复杂电磁环境影响,探测设备发挥的效能有限,处置设备又会给日常电磁环境带来影响。本文分析了反无人机技术发展现状及面临的难点问题,结合最新电子信息技术进展,提出未来城市环境下反无人机技术发展设想。

视觉感知反无人机技术发展动态与趋势

在深度学习持续发展的背景下,视觉感知目标检测技术取得了显著的发展,利用计算机视觉和图像处理技术对无人机目标进行识别与跟踪,进而对无人机目标的行为趋势进行预测,可以极大提高无人机目标检测的精度和速度,对于保障国防安全具有重要的研究意义和应用价值。首先对国内外不同类别的反无人机技术进行阐述;其次从传统目标检测方法和基于深度学习的目标检测方法两个方面分别介绍相关技术与核心算法;最后对未来视觉感知反无人机技术的发展趋势和存在的问题进行分析,并展望反无人机领域的未来发展前景。

基于区域自适应阈值的无人机目标检测方法

随着无人机在人们生活和工作中的普及,在给人们带来便利的同时,各种“黑飞”、“恶飞”时间层出不穷,严重威胁到低空区域空域安全,因此必须对加强无人机管控,而如何对无人机目标进行有效探测则是其中最重要的环节。针对YOLOv5小目标检测性能差、漏检严重等问题,论文提出了一种基于区域自适应阈值的无人机目标检测方法。首先,利用局部阈值分割找出目标疑似区域;其次,利用聚类方法分割疑似区域所在ROI送入YOLOv5检测网络,从而避免全局检测过程中图像压缩造成无人机目标特征丢失;最后,针对小目标置信度不高的问题,对检测结果采取基于目标尺寸大小的自适应阈值,增强对无人机小目标的检测率。

靶机模拟反舰导弹相似性评估及威胁态势构建

对强敌典型亚声速反舰导弹性能及主要突防技术手段进行了分析,提出了基于威胁目标特性分解的相似度分析方法,构建了靶机模拟威胁目标相似度模型,并运用此方法对靶机的相似度进行综合评估,分析了其与典型模拟对象的差距。在此基础上,研究了当前构建典型威胁态势的主要方法与能力的不足之处,针对如何提高模拟强敌反舰导弹目标能力、提升防空反导训练效果和构建体系化空中蓝军发力方向提出了几点思考,为靶场空中威胁态势构建提供依据。

电力系统低空威胁分析与防御系统建设

文章对当前电力系统存在的低空安全威胁进行分析,确定无线电为核心的低空无人机防御系统建设方案;对无人机防御相关技术进行对比分析,确立探测选用具有TDOA精准定位,反制采用导航诱骗;为避免导航诱骗反制影响设施正常授时,引入授时保护装置;为更高防御要求区域提出扩展设备建议。

改进YOLOv5的小型旋翼无人机目标检测算法

低空慢速小型目标检测一直是预警探测领域关注的重点和难点。目前,基于神经网络的主流目标检测算法在设计时主要考虑应用于VOC数据集或COCO数据集,在特定场景下检测精度不够理想。针对复杂背景下小型旋翼无人机目标检测的特定检测场景,提出一种基于改进YOLOv5的小型旋翼无人机目标检测算法。首先,增加小目标检测层以获得大尺寸的浅层特征图,从而提升算法对小目标的检测能力;其次,针对小型旋翼无人机尺寸不一的问题,利用K-Means++聚类算法对先验框的尺寸进行优化并将其与各特征层进行匹配;最后,使用Mosaic-SOD方法进行数据增强以及改进损失函数,增强算法对小目标的感知能力以及提高网络训练效率。将改进后的算法应用在复杂背景下的小型旋翼无人机目标检测中,实验结果表明,相较于原始YOLOv5算法,该算法在小型旋翼无人机目标检测上具有更高的检测精度和特征提取能力,虽然检测速度有一定下降,但通过对可见光视频流进行检测可知其仍能够满足实时性的要求。

基于高斯改进模型的防空火箭弹对无人机毁伤概率评估研究

为实现防空火箭弹对抗无人机的杀伤效益最大化,提出了一种改进的评估火箭弹最佳引爆距离的方法。文章分析了火箭弹破片散布误差,以高斯毁伤函数为基础建立了杀伤概率数学模型,得到了杀伤概率随着爆炸距离等参数变化的规律,并与切饼函数毁伤模型进行了对比。仿真计算结果表明,此评估模型能够得到火箭弹最佳引爆区间,实现对无人机最大杀伤。

雄蜂幼虫抗疲劳作用研究

本试验测定了小鼠负重游泳时间和爬杆时间 ,以及运动后血乳酸、血清尿素氮、乳酸脱氢酶、肝糖原的含量 ,结果表明雄蜂幼虫具有明显的抗疲劳作用 ,很低剂量甚至在 0 2 5g/公斤时即表现出抗疲劳效果。

一种改进YOLOv3的动态小目标检测方法

由于低空小型无人机类的动态小目标视觉特征不明显,且在检测过程中尺度可能变化较大,故传统的检测算法在检测该类目标时易受到干扰,检测速度和稳定性较差。针对此问题,提出了一种结合YOLOv3改进模型和超分辨率重建技术的无人机实时检测算法。首先以三帧间差分法筛选可疑区域;然后使用轻量级卷积神经网络进行可疑区域的超分辨率重建,增强细节信息;再用维度聚类算法重新生成YOLOv3模型的预选框参数并调整预选框分配,使用改进模型扫描全图和可疑区域,进行无人机检测;在视频流检测中,将帧间关系作为依据,强化选定区域的细节特征后再进行目标检测,实现无人机的检测式追踪。该方法在GTX1070Ti处理器加速下,检测速度可达18帧每秒,模型检测的准确率和召回率分别为96.8%和95.6%。实验结果表明,该方法可以在复杂环境下检测大疆精灵系列无人机,检测有效距离可观,相比传统算法和机器学习类特征提取算法,其处理速度和鲁棒性更佳。

武装无人机在反恐行动中的应用——以美国的全球反恐作战为例

“9·11”事件之后,作为新军事技术与人工智能的代表,具备察打一体功能的武装无人机逐渐成为美国全球反恐的重要组成部分,在针对恐怖分子的“斩首行动”中发挥了关键作用。然而,围绕无人机反恐的利弊得失,学界始终未能形成共识。通过研究武装无人机参与美国全球反恐的现实动因与比较优势,发现“9·11”事件直接促成了美国在全球范围内部署无人机反恐,而无人机自身亦适应反恐作战模式且能够降低反恐作战风险;无人机的“斩首行动”既打击了恐怖组织,也形成了震慑力量,其执行反恐作战的成功得益于简化规范的行动程序、高效精准的情报网络和智能化与隐身化的显著比较优势。然而,美国的无人机反恐作战也面临着复杂的法理争议与伦理困境,能否平衡自卫权与主权、国际人权法和国际人道法;怎样协调反恐行动中出现的责任困境与控制困境,或将影响未来的美国全球反恐实践进程。

海上反制小型无人机战法运用研析

随着无人机技术的发展成熟,大量小型无人机系统应用于海上军事斗争领域。在分析了海上反制小型无人机行动特点基础上,提出了“广泛普查,重点详查”“多源探测,融合查证”“网电割裂,信息孤立”“软硬一体,毁扰并举”的反制小型无人机战法,并结合行动特点,总结出“注重协同,把握限度”“瞄准时机,巧用手段”“机动灵活,快速反应”的战法运用要点。