▶ 每个通道多个静态目标 ▶ 高精度可配置 RCS ▶ 具有相应多普勒频移的移动目标 ▶ 微多普勒调制 ▶ 单站目标范围从 2 到 150 公里
摘要 — 自动目标分类是非合作式无人机监视雷达在多种国防和民用应用中的一项关键功能。因此,这是一个成熟的研究领域,并且存在许多用于从雷达信号识别目标(包括微型无人机系统(即小型、微型、微型和纳米平台))的算法。它们显著受益于机器学习(例如深度神经网络)的进步,并且越来越能够实现非常高的准确度。此类分类结果通常由标准、通用的对象识别指标捕获,并且源自在高信噪比下对无人机的模拟或真实雷达测量进行测试。因此,很难在实际操作条件下评估和基准测试不同分类器的性能。在本文中,我们首先概述了从雷达数据自动分类微型无人机的主要挑战和注意事项。然后,我们从最终用户的角度提出了一组重要的性能指标。它们与典型的无人机监视系统要求和约束相关。为便于说明,我们展示了从真实雷达观测中选取的示例。我们还在此概述了各种新兴方法和未来方向,这些方法和方向可以为雷达生成更强大的无人机分类器。
无人机通常被称为“枯燥、肮脏和危险”,但由于其能够执行多种任务,它正迅速成为世界各地军队增强力量的关键。术语“无人机”通常与无人驾驶飞行器 (UAV) 互换使用,它们大多指可手动操作或预编程的同一类空中设备。1 军用无人机通常用于各种任务,包括在冲突或有争议的环境中进行监视和高分辨率监控,但现在它们也被用于运送武器。一段时间以来,人工智能 (AI) 引入军事系统一直是头条新闻。2 各国一直在朝着这个方向建设能力和系统。在这种情况下,自主无人机呈现出丰厚的前景。无人机通常以其机动性、易于部署和在不同环境中的多功能性而闻名。据悉,它们可以提高工作效率和生产力,减少工作量和生产成本,并提高准确性。 3 无论它们的运行方式如何,无论是通过遥控器控制还是通过智能手机应用程序访问,与人类相比,它们都能够到达最偏远的地区和困难的地形,同时确保续航能力。
小型无人驾驶航空系统 (sUAS),也称为无人机,作为飞行机器人,为向不同年龄段的学生介绍机电一体化和机器人技术的一般概念提供了绝佳的机会。适合课堂使用的超小型无人机重量在 50 到 150 克之间,大多不大于手掌。它们可以通过远程控制操作,涵盖运动学、传感和定位等方面。另一方面,它们还具有用于预编程和自主操作的出色界面,利用基于块或基于脚本的集成开发环境 (IDE) 来教授基础和高级计算机科学概念。本文通过确定认知、情感和心理运动这三个学习领域的核心优势,介绍了 sUAS 在教育应用中的优势。我们将使用全球领先的科学、技术、工程和数学 (STEM) 无人机提供商之一提供的 2017 年至 2021 年的第一手数据和调查结果来强调这一教育理念的好处。
摘要 — 在搜索和救援任务中,无人机操作具有挑战性且对认知要求高。高水平的认知工作量会影响救援人员的表现,导致灾难性的失败。为了解决这个问题,我们提出了一种用于实时认知工作量监控的机器学习算法,以了解是否需要更换搜索和救援操作员或是否需要更多资源。我们的多模式认知工作量监测模型结合了从生理信号(例如呼吸、心电图、光电容积图和皮肤温度)中提取的 25 个特征的信息,这些特征以非侵入式方式获取。为了减少信号的主体和日间变异性,我们探索了不同的特征归一化技术,并引入了一种基于支持向量机的新型加权学习方法,适用于特定主题的优化。在从 34 名志愿者获得的未见过的测试集上,我们提出的特定于主题的模型能够在使用传统控制器和新一代控制器控制无人机模拟器时分别以 87.3% 和 91.2% 的平均准确率区分低和高认知工作负荷。
第四次工业革命彻底改变了物联网 (IoT)。工业革命的这个时代也称为互联时代 [ 1 ]。工业革命始于 1780 年,机械化时代由此开启。1870 年,第二次革命,即电气化时代开启。随着技术的进步,工业 3.0(也称为自动化时代)于 1970 年开启。然而,随着物联网的引入,工业 4.0(也称为互联时代)得到了充分利用。由于互联互通和智能自动化程度的提高,工业 4.0 预示着技术、行业以及社会模式和流程的快速变化 [ 2 ]。工业 4.0 本质上是制造技术和流程中自动化和数据共享的趋势,例如认知计算 [ 3 ]、信息物理系统 (CPS) [ 4 ]、工业物联网 (IIoT) [ 5 ]、云计算 [ 6 ]、室内工厂 [ 7 ]、物联网和人工智能 (AI)。图 1 显示了工业革命的演变。
第四次工业革命彻底改变了物联网 (IoT)。工业革命的这个时代也称为互联时代 [ 1 ]。工业革命始于 1780 年,机械化时代由此开启。1870 年,第二次革命,即电气化时代开启。随着技术的进步,工业 3.0(也称为自动化时代)于 1970 年开启。然而,随着物联网的引入,工业 4.0(也称为互联时代)得到了充分利用。由于互联互通和智能自动化程度的提高,工业 4.0 预示着技术、行业以及社会模式和流程的快速变化 [ 2 ]。工业 4.0 本质上是制造技术和流程中自动化和数据共享的趋势,例如认知计算 [ 3 ]、信息物理系统 (CPS) [ 4 ]、工业物联网 (IIoT) [ 5 ]、云计算 [ 6 ]、室内工厂 [ 7 ]、物联网和人工智能 (AI)。图 1 显示了工业革命的演变。
作者按字母顺序排列,以反映他们对本文的同等贡献。他们谨感谢意大利外交和国际合作部公共和文化外交司政策规划部门的资金支持。本文表达的观点不代表北约、北约防御学院、意大利外交和国际合作部或作者所属或曾经所属的任何其他组织的观点。作者感谢 Chris Bassler、Heiko Borchert、Gianmarco Di Loreto、Michael Horowitz、Jesse Humpal、Alexander Lanoszka、Jon Lindsay、Niklas Masuhr、Lennart Maschmeyer、Nina Silove、Max Smeets 以及匿名评论者的大量反馈和建议。在线附录中包含其他书目和解释材料,网址为 https://doi.org/10.7910/DVN/BCC6IV。
作者按字母顺序排列,以反映他们对本文的同等贡献。他们谨感谢意大利外交和国际合作部公共和文化外交司政策规划部门的资金支持。本文表达的观点不代表北约、北约防御学院、意大利外交和国际合作部或作者所属或曾经所属的任何其他组织的观点。作者感谢 Chris Bassler、Heiko Borchert、Gianmarco Di Loreto、Michael Horowitz、Jesse Humpal、Alexander Lanoszka、Jon Lindsay、Niklas Masuhr、Lennart Maschmeyer、Nina Silove、Max Smeets 以及匿名评论者的大量反馈和建议。在线附录中包含其他书目和解释材料,网址为 https://doi.org/10.7910/DVN/BCC6IV。
作者按字母顺序排列,以反映他们对本文的同等贡献。他们谨感谢意大利外交和国际合作部公共和文化外交司政策规划部门的资金支持。本文表达的观点不代表北约、北约防御学院、意大利外交和国际合作部或作者所属或曾经所属的任何其他组织的观点。作者感谢 Chris Bassler、Heiko Borchert、Gianmarco Di Loreto、Michael Horowitz、Jesse Humpal、Alexander Lanoszka、Jon Lindsay、Niklas Masuhr、Lennart Maschmeyer、Nina Silove、Max Smeets 以及匿名评论者的大量反馈和建议。在线附录中包含其他书目和解释材料,网址为 https://doi.org/10.7910/DVN/BCC6IV。