[论文解读] Securing your Airspace: Detection of Drones Trespassing Protected Areas

Alireza Famili, Angelos Stavrou+4 more|arXiv (Cornell University)|Nov 5, 2021

UAV Applications and Optimization被引用 5

一句话总结

本文综述了多模态无人机探测技术——雷达、声学、射频（RF）和光学传感器，表明尽管每种技术均有局限性，但传感器融合可显著提升在各种环境下的探测精度、鲁棒性和可靠性，尤其适用于保护敏感区域免受未经授权的无人机侵入。

ABSTRACT

There has been a rapid growth in the deployment of Unmanned Aerial Vehicles (UAVs) in various applications ranging from vital safety-of-life such as surveillance and reconnaissance at nuclear power plants to entertainment and hobby applications. While popular, drones can pose serious security threats that can be unintentional or intentional. Thus, there is an urgent need for real-time accurate detection and classification of drones. In this article, we perform a survey of drone detection approaches presenting their advantages and limitations. We analyze detection techniques that employ radars, acoustic and optical sensors, and emitted radio frequency (RF) signals. We compare their performance, accuracy, and cost, concluding that combining multiple sensing modalities might be the path forward.

研究动机与目标

• 评估并比较现有无人机探测方法在保护敏感或受限空域中的应用。
• 识别雷达、声学、射频和光学传感在真实部署场景中的优势与局限性。
• 分析影响探测精度与可靠性的环境、成本与性能因素。
• 研究多传感器融合在复杂真实环境中实现稳健、实时无人机探测的可行性与优势。

提出的方法

• 对无人机探测技术进行了全面调研，重点涵盖雷达（FMCW、主动/被动）、声学麦克风阵列、射频信号探测以及基于视觉的系统（激光雷达、成像）。
• 基于探测范围、精度、环境适应性（昼夜、雾天、噪声环境）、成本、功耗及是否需要许可证等指标，评估各项技术。
• 通过关键参数分析雷达性能，如雷达散射截面（RCS）、带宽（例如，1 GHz → 15 cm距离分辨率）以及信号调制方式（FMCW 与脉冲式对比）。
• 探索多传感器融合策略，包括雷达、声学、射频和光学传感器的串行与并联集成，以增强探测鲁棒性。
• 回顾案例研究，如多传感器静态网络与移动传感器单元，以提升视距（LOS）与非视距（NLOS）条件下的态势感知能力。
• 使用对比分析（表 I）总结各类探测模态的优势与劣势，突出在成本、精度与部署约束之间的权衡。

实验结果

研究问题

• RQ1 基于雷达的系统在探测小直径、低雷达散射截面（RCS）的无人机时表现如何？
• RQ2 在城市或嘈杂环境中，声学与射频（RF）探测在环境与运行方面存在哪些局限性？
• RQ3 在恶劣天气或能见度低的条件下，基于视觉的系统（如激光雷达、成像）在无人机分类与取证追踪方面能发挥多大作用？
• RQ4 与单一模态系统相比，传感器融合在复杂真实环境中如何提升探测精度与可靠性？
• RQ5 不同无人机探测技术在成本、功耗、探测范围与性能之间的关键权衡是什么？

主要发现

• 基于雷达的探测，尤其是FMCW和高频系统，具备长距离、全天候运行能力，可探测无射频发射的自主无人机，但小型无人机的雷达散射截面（RCS）较低（例如，-1 至 -18 dBsm）。
• 声学麦克风阵列可实现低成本、低功耗、移动式探测，且无需视距条件，但探测范围受限于500米以内，且在高噪声环境中性能下降。
• 射频（RF）探测可定位地面控制站，且无需许可证，但当无人机自主飞行且无通信信号时会失效，尤其在射频信号密集的城市区域表现不佳。
• 光学传感器（如激光雷达）可实现高分辨率分类与取证级图像捕获，但探测距离短（例如，<50 米），需视距条件，且易受雾、灰尘和低能见度影响。
• 多传感器融合方法结合了各模态的优势，显著提升了在多样化环境与运行条件下的探测精度、鲁棒性与抗干扰能力。
• 尽管成本更高且计算复杂度增加，传感器融合仍被认定为实现受保护区域可靠、实时无人机探测的最具前景的发展路径。