Fuzja wielosensoryczna w zagadnieniu detekcji bezzałogowych statków powietrznych

• Autorzy: Dudczyk, Janusz , Czyba, Roman , Skrzypczyk, Krzysztof

Warianty tytułu

EN

Multi-sensory data Fusion applied to UAV detection

• Języki publikacji: PL

Abstrakty

PL

W pracy skupiono się na problemie wykrywania bezzałogowych statków powietrznych naruszających zatrzeżoną przestrzeń powietrzną. Głównym celem badań jest opracowanie algorytmu umożliwiającego detekcję, identyfikacej i rozpoznanie bezzałogowego statku powietrznego wlatującego w obszar monitorowanej przestrzeni powietrznej. Proponowana metoda polega na wielosensorycznej fuzji danych i opiera się na warunkowej filtracji komplementarnej oraz wielostopniowej klasteryzacji danych sensorycznych. Skuteczność proponowanego rozwiązania została przetestowana z wykorzystaniem metodologii szybkiego prototypowania w oprogramowaniu MATLAB na podstawie rzeczywistych danych sensorycznych pozyskanych podczas przeprowadzonych lotów bezzałogowymi statkami powietrznymi.

EN

The paper focuses on the problem of detecting unmanned aerial vehicles that violate restricted airspace. The main purpose of the research is to develop an algorithm that enables the detection, identification and recognition of an unmanned aerial vehicle violating restricted airspace. The proposed method consists of multi-sensory data fusion and is based on conditional complementary filtration and multi-stage clustering. The efficiency of the proposed solution was tested using rapid prototyping approach in the MATLAB software on the basis of real sensory data acquired during arranged unmanned aerial vehicle flights.

Słowa kluczowe

PL

system antydronowy; fuzja danych; detekcja dronu; identyfikacja; rozpoznanie; algorytm śledzący

EN

UAV; anti-drone system; data fusion; drone detection; identification; recognition; tracking algorithm

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 12
• Strony: 7--14
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Dudczyk, Janusz

• Wojskowa Akademia Techniczna, Instytut Systemów Łączności, ul. gen. Sylwestra Kaliskiego 2, 00-908 Warszawa,

autor

Czyba, Roman

• Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki, Katedra Automatyki i Robotyki, ul. Akademicka 16, 44-100 Gliwice,

autor

Skrzypczyk, Krzysztof

• Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki, Katedra Automatyki i Robotyki, ul. Akademicka 16, 44-100 Gliwice,

Bibliografia

• [1] Konatowski, S.; Tatko, S.: Zachowanie się bezpilotowych statków powietrznych w formacji. PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 99 NR 5/2023, str. 53-58, doi:10.15199/48.2023.05.10.
• [2] Wojtanowski, J.; Zygmunt, M.; Drozd, T.; Jakubaszek, M.; Zyczkowski, M.; Muzal M.: Distinguishing Drones from Birds in a UAV Searching Laser Scanner Based on Echo Depolarization Measurement, Sensors, 21(16), 5597, 2021.
• [3] Adamski, M.; Urbaniak, W.; Dąbrowska, A.; Dąbrowski, A.: Testowanie bezzałogowych statków powietrznych do monitorowania zanieczyszczeń w środowisku. PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 94 NR 9/2018, str. 14-17, doi:10.15199/48.2018.09.03.
• [4] Flak, P. Drone Detection Sensor With Continuous 2.4 GHz ISM Band Coverage Based on Cost-Effective SDR Platform, IEEE Access, Vol.9, pp.114574 – 114586, DOI: 10.1109/ACCESS.2021.3104738, 2021.
• [5] Yang, S.; Qin, H.; Liang, X.; Gulliver, T. A. An Improved Unauthorized Unmanned Aerial Vehicle Detection Algorithm Using Radiofrequency-Based Statistical Fingerprint Analysis, Sensors, 19(2), 274, 2019.
• [6] Garcia, A.J.; Lee, J.M.; Kim, D.S. Anti-Drone System: Drone Detection using Neural Networks. International Conference on Information and Communication Technology Convergence (ICTC), Jeju, Korea (South), DOI: 10.1109/ICTC49870.2020.9289397, 2020.
• [7] Martian, A.; Chiper, F.L.; Craciunescu, R.; Vladeanu C.; Fratu, O.; Marghescu, I.: RF Based UAV Detection and Defense Systems: Survey and a Novel Solution, International Black Sea Conference on Communications and Networking (BlackSeaCom) Romania, 10.1109/BlackSeaCom52164.2021.9527871,may 2021.
• [8] Semkin, V.; Yin, M.; Hu Y.; Mezzavilla, M.; Rangan, S.: Drone Detection and Classification Based on Radar Cross Section Signatures, 2020 International Symposium on Antennas and Propagation (ISAP), IEEE Publisher, 10.23919/ISAP47053.2021.9391260, Japan 2020.
• [9] Górski, K.; Szymański, S.; Mielczarek, I.; Grzesiak, J.: Elektroniczne systemy ochrony przed BSP. PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 98 NR 9/2022, str. 130-134, doi:10.15199/48.2022.09.28.
• [10] Ferreira, R.; Gaspar, J.; Sebastao, P.; Souto, N.: A Software Defined Radio Based Anti-UAV Mobile System with Jamming and Spoofing Capabilities, Sensors, vol. 22, issue 4, 22(4), 1487, 2022.
• [11] Sazdić-Jotić, B.M.; Obradovic, D.R.; Bujakovic, D.M.; Bondžulić, B.P.: Feature Extraction for Drone Classification, 14th International Conference on Advanced Technologies, Systems and Services in Telecommunications (TEL-SIKS), Serbia 2019
• [12] Christnacher, F., Hengy, S., Laurenzis, M., Matwyschuk, A., Naz, P., Schertzer, S., Schmitt, G.: Optical and acoustical UAV detection, Proceedings Volume 9988, Electro-Optical Remote Sensing X, 99880B (2016) https://doi.org/10.1117/12.2240752, Event: SPIE Security + Defence, 2016, Edinburgh, United Kingdom

Identyfikatory

DOI

10.15199/48.2023.12.02