机构名称：
¥ 3.0
摘要：无人驾驶飞机（UAV）由于其成本效益和灵活性，在军事和平民应用中均广受欢迎。但是，对无人机的利用增加引起了人们对非法数据收集和潜在刑事用途的风险的担忧。因此，精确检测和识别侵入的无人机已成为一项关键的研究问题。许多算法已经通过不同的方法（包括射频（RF），计算机视觉（视觉）和基于声音的检测来检测不同对象，都表明了它们在检测不同对象方面的有效性。本文提出了一种新的方法，用于通过使用层次强化学习技术根据其RF信号来检测和识别侵入的无人机。我们使用带有熵正则项的增强算法的多个策略培训无人机代理，以提高整体准确性。该研究的重点是利用RF信号提取的特征来检测侵入的无人机，这通过研究较低的无人机检测方法来促进增强学习领域。通过广泛的评估，我们的发现显示了拟议方法在实现基于RF的准确检测和识别方面的显着结果，其出色的检测准确性为99.7％。此外，我们的方法表明累积回报绩效和损失降低。获得的结果突出了所提出的解决方案在增强无人机安全性和监视的同时，在进行无人机检测领域的同时。
使用加固学习的无人机检测
主要关键词
相关文件推荐
