САРАТОВ, 6 августа. /ТАСС/. Исследователи в Саратове разработали систему для распознавания типов БПЛА по их акустическим сигналам. Она способна эффективно работать в условиях городского шума и плохой видимости, сообщили ТАСС в пресс-службе Саратовского государственного технического университета им. Гагарина Ю. А. (СГТУ), где занимались разработкой.
"Система, разработанная представителями университета, способна преодолевать факторы, ограничивающие распознавание беспилотных летательных аппаратов, эффективно работать в условиях городского шума и плохой видимости и адаптироваться к новым моделям дронов", - сообщили в вузе.
При создании программного обеспечения разработчики провели комплексное исследование. Оно позволило выявить ключевые ограничения существующих систем обнаружения беспилотников, а также проанализировать коммерческие и исследовательские решения, которые уже используются в этой сфере. В результате был предложен гибридный подход, сочетающий методы частотно-временного анализа звука с алгоритмами глубокого обучения с помощью искусственного интеллекта.
Необходимость разработки
Как рассказал автор проекта Сергей Кузнецов, расширение функционала БПЛА сопровождается ростом рисков, связанных с их несанкционированным использованием. "Традиционные методы идентификации - визуальное или радиолокационное обнаружение - имеют ограничения: они малоэффективны в условиях плохой видимости, требуют значительных ресурсов и не всегда обеспечивают скрытность. Поэтому актуальной задачей становится разработка альтернативных подходов, среди которых - анализ акустических сигналов, генерируемых БПЛА", - подчеркнул он.
По словам исследователя, разработанное решение интегрируется в существующую инфраструктуру, работает на стандартном оборудовании. Его применение позволит снизить риски несанкционированного использования БПЛА за счет раннего обнаружения. Как отметил Кузнецов, тестирование подтвердило эффективность в условиях городской среды, где система корректно выделяет акустические паттерны дронов на фоне шумов.
По информации вуза, для обучения системы использовались техники аугментации данных, включающие наложение шумов и изменение скорости, а кроме того, трансферное обучение. Это позволило обеспечить точность распознавания даже при фоновых помехах.
Автор работы занимался исследованием под руководством кандидата технических наук, доцента кафедры "Прикладные информационные технологии" СГТУ Михаила Королева.
