作者:F Marturano · 2021 · 被引用 16 次 — 化学、生物、放射、核和爆炸 (CBRNe) 事件后的劳动力和人口。早期检测等因素和...
PERF 感谢美国司法部社区警务服务办公室 (COPS Office) 和美国国土安全部 (DHS) 州和地方执法办公室 (OSLLE) 对无人机研究的支持。我们感谢 COPS 办公室主任 Phil Keith 和副主任 Rob Chapman 以及 OSLLE 副助理部长 Brian Dorow 认识到这项技术在推进执法机构和其他急救人员的工作方面发挥着越来越重要的作用。同时,COPS 办公室和 OSLLE 认识到本报告中讨论的另一个关键问题:当恐怖分子或其他犯罪分子使用无人机作为武器时,对公共安全构成严重威胁。Keith 主任一直是无人机计划的直言不讳的倡导者,并致力于应对恶意使用无人机的严重威胁。我们还要特别感谢副检察长高级顾问 Brendan Groves,他提供了有关该领域法律机构的宝贵专业知识。我们也非常感谢 COPS 办公室项目经理 Helene Bushwick 提供的支持和指导。
适应无处不在的数字连接对于我们经济中大多数领域的竞争力至关重要。我们研究了数十个行业和公司的转型 - 既有传统的,也有数字化的。我们与数百名高管进行了交谈,以了解传统的创新和运营执行模式是如何变化的。我们已经看到,数字化转型不是传统的颠覆场景:范式不是位移和替换,而是连接和重组。交易正在数字化,数据正在以新的方式生成和分析,以前离散的对象、人员和活动正在连接起来。现有企业可以利用其现有资产,大幅提高其价值,并防御(或与)进入者合作。
发言人:Tali Freed,博士,P.E.,2020 年 RFID 期刊特别成就奖获得者,工业与制造工程教授,加州理工大学 RFID 和物联网研发中心 PolyGAIT 主任,撰稿人:Dana Kumamoto、Ali Mohammad、Sabrina Olson、Dylan Tsuruda、Jenna Whilden
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。
考虑因素。随着无人机越来越受欢迎,空袭报告数量也随之增加。空袭是指飞行员或空中交通服务人员认为飞机之间的距离以及相对位置和速度可能危及相关飞机安全的情况。1 在英国,这些空袭事件由英国空袭委员会调查。2 空袭委员会审查的涉及疑似无人机物体的事件数量从 2014 年的 6 起增加到 2015 年的 29 起和 2016 年的 70 起。2017 年,截至 5 月底,已发生 34 起与无人机相关的空袭事件; 2016 年同期为 28 起。相反,有人驾驶飞机之间的空袭事件数量近年来有所下降,从 2014 年的 206 起减少到 2015 年的 175 起和 2016 年的 168 起。3
摘要:无人机因其大小和工作量各不相同而广泛用于各种应用,例如监视、导航、在自主农业系统中喷洒农药、各种军事服务等。然而,携带有害物体的恶意无人机经常被用来侵入禁区并袭击关键公共场所。因此,及时发现恶意无人机可以防止潜在的危害。本文提出了一种基于视觉变换器 (ViT) 的框架来区分无人机和恶意无人机。在提出的基于 ViT 的模型中,无人机图像被分割成固定大小的块;然后,应用线性嵌入和位置嵌入,最终将得到的向量序列输入到标准 ViT 编码器。在分类过程中,使用与序列相关的额外可学习分类标记。将提出的框架与几个手工制作的深度卷积神经网络 (D-CNN) 进行了比较,结果表明,提出的模型的准确率达到了 98.3%,优于各种手工制作的和 D-CNN 模型。此外,通过将所提出的模型与现有的最先进的无人机检测方法进行比较,证明了所提出的模型的优越性。
摘要:在无人机技术快速发展及其在现代冲突中越来越频繁使用的背景下,改装和使用防空炮火来对抗无人机已成为世界各国武装部队的优先事项。本文探讨了修改和改装最初设计用于对抗大型飞机的防空炮火系统的可能性,以便它们能够有效对抗不同尺寸、速度和飞行高度的无人机。因此,通过改进探测系统、使用近距弹头的射弹以及集成先进的传感器和 IA 算法来探测、拦截和对抗无人机,分析了经典防空炮火系统的改装。本文强调了改装这些系统所面临的技术和战术挑战,包括常规防空系统对无人机的局限性
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。