CC BY
17
УДК 681.884
-|—^ • • • -и • •
Виявлення, локал1защя та щентифжащя малих л!тальних anapaTiB за акустичним випромшюванням
Козерук С. О., Коржик О. В.
Нацншалышй тохшчшш ушворситот Укра'ши "Ки'шський иолггохшчций шститут ¡Moiii 1горя СЛкорського", м. Ки'ш, Укра'ша
E-mail: ekzrk&i.ua
Малогабаритш безшлотш л!тальш апарати зпаходять широко застосуваш1я у багатьох сусшлыю корисних справах, разом з тим зростае i ризик i'x застосуваппя в злочиппих та терорпстпчпих акц!ях. Вшшкла пеобх!дшсть у розробц! засоб!в спостережешш. локатзацп та ¡дептифшацп дрошв за умови паявпост природпих i 1пдустр1алышх завад. В робот! розгляпуто деяк! мотоди та способи виявлоппя, локатзацп та 1дептиф1кацп малих л!таючих об'ектав за i'x акустичпою сигпатурою. Запропоповапо паступпа посл!довшсть дш: спостережешш вести методом керовапо! просторово! кореляццшо! характеристики: pinienim про виявлоппя приймати по критерпо Неймапа-Шрсопа: 1дептиф1кацио дропа вести апал1зуючи спектр випромшюваппя па паявшсть осповпих i гармошчпих складових. Результати патурпих експеримептав з квадрокоптером Phantom 3 шдтвордили запропоповапий алгоритм.
Клюноаг слова: малий л!талышй апарат: пелепгуваппя: 1дептиф1кац1я
DOI: 10.20535/RADAP.2022.89.29-38
Вступ
Мат безпшотш лгаалып апарати (МЛА), або дрони, останшм часом все бшьшо використовують у сусшлыю корисних справах: мошторингових иослу-гах за станом довкшля, oxopoiii ториторШ i об'ектав, поштових та кур'срських иослугах, у побута для iii-диввдуалышх потреб. Зростання ринку дрошв та i'x висока доступшсть мае зворотшй ефект, оскшьки створюсться всо бшьшо можливостой використан-ня малих „шталышх аиаратав в злочинних та те-рористичних акшях. Дрон, оснащений зброяо або засобами спосторожоння, являе собою нобозпочний шетрумонт в руках злочинця, який можо спричини-ти значн1 согцалыи або оконохйчш збитки. Вшшкла необхвдшеть у розробш засоб1в спосторожоння. ло-катзащ! та вдентифшацп дрошв за умови наявноста натурних i шдустр1алышх завад. У робота розгляпуто дояш шдходи локатзащ! та розшзнавання малих «шталышх апарат1в за i'x акустичним випромшюванням. Запропоповапо поелвдовшеть дш для Biipi-шоння поставлоно! задач1 та приведет результата натурних досшджонь.
1 Анал1з проблеми та пошук р1шення
У наш час МЛА знайшли широко застосуваппя у багатьох суспшьно корисних справах, разом з тим зростае 1 ризик 1х застосування для контрабанда, носанкцюнованого спосторожоння, к1боратак тогцо. Враховуючи нпзьку соб1варт1сть та економь чну офективи1сть МЛА можиа очшувати 1х широко застосуваппя у майбутиьому. Вшшкла необхщшеть у розробш спетом виявлення спосторожоння, та роз-шзнання МЛА у польет. Соред в1домих р1шоиь [1] пасивш датчики видимого свила, шфрачервоно-го випром1шовання, радючастотного мошторингу, активш радюлокацшш снстемн 1 пасивш акустичш систоми спосторожоння. Прнстро! використовують р1зш ф1зичш прииципи дп та мають як пореваги так 1 недолши. Оптичш камори спостерожеиия, доступы за цшою 1 прост1 в оксплуатацп, не функцюнують в складних мотеоролоичних умовах 1 виоч1. Вико-ристания пристрош шфрачорвоного 1 радючастотного спосторожоння обложено ннзькнм топловнм 1 електромагштним внпром1шованням МЛА. Активш систоми радюлокацп можуть працювати без зна-
чного попршсшш в погоду. ВДОЛЬ 1 вночь Головш подотки вщсутаисть скритноста спосторожошш та мала енерпя вщбиття, що суттево зменшуб: вщстань виявлоння. Акустичш пасивш систоми сиостережен-ня, вщносно недороп1 проста в експлуатащ!, мають суттевий нодолж по можуть забезиечити велику далыисть локал1защ1 МЛ А. Надпша ввдстань виявлоння становить кшька сотонь мотр1в та заложить ввд р1вня звукового випромпиовання МЛА, р1вня акустичних завад в зош прийому та метеоролои-чних умов.
В статта [2] дано пор1вняння систем захисту в1д МЛ А, яш не с нойями вШськово! зброТ, заснова-них на оптичному, тепловому, радючастотному та акустичному принципах. Технолог!! протида дротам роздшено на етапи виявлоння. щентифшацпо та нойтратзацпо. Для розробки алгоритхйв виявлоння 1 щентифшащ! дрошв псщлбно розумии ироцеси формування ф1зичних по„шв та прогнозувати 1х ха-
рактеристики. В робота [3] зроблено теоретичний прогноз ироцесу формування звукового вииромь шовання иропелером в залежноста в1д швидкоста обертання двигуна, кшькоста лопатой на його ой, товщини лоза лопата, його покриття та аеродина-хйчного навантаження. Гармошчш тони випромпно-вання можна оцшити знаючи частоту обертання електродвигуна (основна гармошка) /0 та кшыйсть лопатой N пропел ера: fi = N /0г; I = 1, 2, 3.... Щ припущення були шдтверджеш експеримеиталыш-ми дослвджеииями в акустичнш заглушенш камерь Сумариий спектр звукового випромпиовання двигуна 1 пропелера перюдичний (Рис. 1. синя лпия), мае явно виражеш дискретш тони, яш домшують над широкосмуговим випромпнованням двигуна (Рис. 1, чорна лпия). Експорименталыи втирювання показали просторову спрямовашсть випромпиовання до 20 дБ по напрямку оси обертання пропелера для вах гармошчних складових.
Нагтогнсэ
Рис. 1. Гармошчний склад випромпиовання пропелера з двома лопатями [3]
Р1вш звукового тиску у широкому доапазош випромпиовання (0-10) кГц для двох тишв прополер1в (звпчайного \ оптимального) з двох лопатой що обертаються з частотами 16 Гц \ 33 Гц становили 80 дБ та 53 дБ ввдповщно. При цьому р1вень шуму електродвигуна не перевишував 45 дБ.
Перюдичшсть спектралышх компонент (Рис. 2) була отримана в натурних дослщжоннях [4] для модел1 одномоторного „штака, трьох-, чотирьох- та шестипроиелерних МЛА, яш зависали на висота (68) м над мшрофоном.
Пжи гармошк в споктр1 модат „штака, Рис. 2а, бшын вузыи, шж у спектрах багатопропелер-них дрошв. Перюдичш спектралыи максимуми (Рис. 2Ь,с,(1) багатомоторних дрошв мають декшь-ка близьких тошв, положения яких на оей частот змпноеться у чась Поясиюсться це тим, що еле-ктродвигуни обертаються з р1зною швидшетю, яка заложить в1д режиму польоту та вщювого навантаження. У польет вирове навантаження на про-пелерп змпноеться випадково. Величина та частота
звукового випромпиовання змпноються теж випадково, що призводить до розмивання спектралышх максимум1в. Судячи з наведеннх рисуншв найбшын шформативна смуга частот спектру акустпчного випромпиовання МЛА лежить в доапазош (1002000) Гц. Максималыи р1вш звуку дрошв на висота 15 м орш1товно становили 63 дБ А для квадрокоите-ра, 68 дБ А для гексакоптера та 72 дБ А для модел1 лиака. 1нформащйш характеристики акустичних сигнатур моноплана \ квадрокоптера доипджош в робота [5]. Вщзначено присутшсть порюдичних гармошк випромпиовання пропелер1в майже до 10 кГц. Такий широкий частотиий доапазон випромпнован-ня вдалось досшдити за рахуиок застосувания па-рабатчного мшрофону, чутливкть якого зростас на високих частотах.
Таким чином модель акустичного випромпнова-ння МЛА можна представити у виглядо широко-смугового шумового сигналу з иерюдичними гар-мошчними тонами. Для моноплана спектр мае виражош максимуми, частота яких кратна основному
тону випромпиовання пропелера. У багатомоторних МЛА спектри мають перюдичш рельбфш максимуми, яш змпноються у чась Ефоктивний д1аиазон частот онорготичного спектру за р1зними оцшками ложить в межах ввд 100 Гц до (2-3) кГц, а р1вень
випромпиовання бшыносп сучасннх МЛА не перевишу?: 80 дБ А. Вище вказансм смуги частот мае мкце широкосмугове випромпиовання олоктричних двигушв з зиачио меишим р1внем.
Рис. 2. TnnoBi спектри для дояких TiiniB МЛА [4]
На виявлоння МЛА суттево впливае р1вень фонового акустичного шуму природного звуку, шду-стр1алышх та транспортних шум1в. Спектр виро-вого впливу заложить вщ швидкосп виру та може займати смугу частот до 200 Гц 1 вище. Для його компенеащ! застосовують вирозахисш насадки на мшрофони та електричш фшьтри високих частот у вхщних ланцюгах детектор1в. 1ндустр1алышй та трансиортний шуми мають досить широкий часто-тний 1 динахнчний д1апазон [6], яш маскують звуки дрошв, зменшують далыисть та достов1ршсть 1х виявлоння. Щ фактори треба враховувати при вибо-р1 мшця установки та прогнозуванш характеристик виявлоння. В [7] дана оцшка далыгосп виявлоння для заданих характеристик виявлоння в зале-жноста вщ онорготичного сшввщношоння сигналу до завади на вход1 ириймача. Чим менше величина сигналу, який впевнено рееструе детектор, тим бшына вщетань виявлоння дрона. Тобто побудова оптимального, по вщношеншо до прийнятих моделей корисного сигналу та завади, ириймача дасть можливкть збшынити далыисть виявлоння МЛА.
Розглянемо деяш шдходи до вибору способу детек-тування для визначено! модат шумового сигналу широкосмугового випадкового процесу з1 спадаючи-ми по частот! перюдичними гармошчними складо-вими. Заваду будемо розглядати як широкосмуго-впй стащонарний 1зотропний ироцес з р1вном1рною спектрального щшыистю потужноста (СЩП). Про-стий прнймач тнповнй канал внявлення (ТКВ) [7], формуе вихщну напругу пропорщйно енерп1 вхщно-го акустнчного процесу. По перевшценш вихадно! напругп наперед заданого порогового значения прп-ймаеться ршоння про внявлення. Недолшом ТКВ с мала завадоспйккть, значна тривалкть часу спо-стереження до моменту прийняття ршмння та наяв-шеть на виход1 напруги акустичнсм фоново! завади. Покращити характеристики виявлоння збшынити достов1ршсть та зменшити хибш виявлоння, можна використавши ириймач з одним мшрофоном [8] щхтвши обробку ирийнятого звуку у настуи-шй послщовноста: смугова фшьтращя в д1апазош ефективного випромпиовання МЛА; сегментащя за-иису з використанням функщ! Ханна та розрахунок
спектру потужностк застосування процедуры Вь перовсько! фшьтращ! для змсншення снергетики завад: пршшяття ршгсння по перевнщеншо задапого порогового значения. В подалыному по ввдфшьтро-ваному спектру встановлювались ознаки для задач1 класифжащ! МЛ А. Експерименталыи випробуван-ня показали гцо далыисть внявлення дрона не пере-внщувала 60 м з достов1ршстю 62%. Недолш такого способу дотоктування неввдповщшсть спектр1в дь ючих завад 1х попередньо втиряним 1 усередненнм значениям, що робить спосйб Вшоровськси фшьтра-Щ1 малоефектнвннм. Зменшнти вплив завад можна застосувавшн королящйш способи обробкн вхадних ироцеав. Корелящйннй приймач (КП) [9] з двох мпфофошв збшынуе далыисть надшного внявлення та дае можлившть розрахуватн кутову координату МЛ А. Важливою умовою використання кореляцш-но1 обробки с забезпечення статистичнсм незале-жноста прийнятих акустичних завад. Збшьшоння кшькосп мшрофошв та формування сирямовано-го прийому покрагцус характеристики внявлення та дае можлившть точшшс визначити кут приходу акустичних хвиль. Застосування чотнрьох мшрофо-шв розмщених в вершинах тетраедра [10] дозволило отримати иросторову виб1рковшть, застосувавшн типовий шдхвд формування характеристики спря-мованосп (ХС) затримкою та сумою хвиль прийнятих окромими мшрофонами. Для збшьшоння в1д-ношоння сигнал/завада на виходо формувача ХС включався фшьтр Вшсра з передаточного характеристикою. яка розраховувалась кожш 4 секунди по окспернмонталыю визиачеиим спектрам потужносп сигналу 1 завади в д1аиазош частот (80-2000) Гц. Побудова кутово! траектор11 руху МЛА велась з впкорпстанням адаптивного фшьтра Кальмана по даним отриманим з формувача ХС. Максимальна ввдстань внявлення становила 600 м з в1роидшстю 99% та хибними сирацюваннями 3%. Такий результат поясшовався зменшонням величини фонового шуму за рахунок Вшеровсько1 фшьтращ! та три-валим часом (4 с) сксиозищ1. Застосування сиособ1в формування коровано! просторово! характеристики потужносп (КПХП) та керовано! просторово! короляцпшсм характеристики (КПКХ) [11] збшыни-ло завадоспшасть та точшсть визначення кутових координат в иор1внянш з традищйним способом формування ХС. В проводеннх окспернмонталышх дослщжсннях поленгування шумопод1бного джере-ла з смугою частот 1000 Гц КПКХ мала офектив-ний кут 12°. Подальше розширення смуги частот прийнятого сигналу дозволить збшынити иросто-
рову виб1рковкть. Збшынення кшькосп хйкрофо-шв иризводить до росту шдсксу спрямованоста та збшынуе далыисть 1 достов1ршсть внявлення. Дис-кретний лпийний масив з 24 мшрофошв [12] та застосований алгоритм затримки та суми прийнятих окромими мшрофонами хвиль забезпочив огляд простору в сектор1 кутав ±45° з кроком 1°. Були иор1вняш енергетичний, гармошчний та гауав алго-ритми для внявлення та трекування модат лиака, що кружив на висота до 150 м над масивом мшро-фошв. Результати обчислонь виводилися на дисплей у вигляд1 трасктор11 руху об'екта в координатах: кут приходу звуку час. Енерготичний та гармошчний шдхщ, судячи з представлоних рисуншв, дали близьш результати. На зображеннях траектор11 руху багато шумових плям та штсрференцшних смуг. Поясшоеться це застосуванням лшшки мшрофошв налаштовансм на частоту 700 Гц для просторовсм обробки широкосмугового акустичного вииромпно-вання в доапазош частот (450-3000) Гц. Гармошчний детектор [13] випробувався для локатзащ! одномоторного лиака з бензиновим двигуном (р1вень ви-промпиовання приведений до 1 м становив 110 дБ А) на ввдсташ до 678 м. Враховуючи природу випро-мпновання пропелора наявшсть кратиих осиов-шй частот! гармошчних складових в д1аиазош до 1000 Гц. обробка прийнятого процесу проводилась в наступшй иослвдовноста: смугова адаптивна фшь-тращя з видалонням власннх шум1в носш, на яко-му був розташованпй приймач: ссгментащя запису з використаиням вжонних функщй та розрахунок спектру з впкорпстанням швндкого перотворення Фур'е (ШПФ): використання функщ1 гармошчних сиоктралышх иеротворень (ГСП), яка враховус ио-рюдичшсть гармошчного спектру, для шдвшцення достов1рноста внявлення. Функщя ГСП записусться виразом:
На \Х(/)| =
дЕ (/) ■ н"
1/а
(1)
до X (/) ■ т — значения гармошчно! комионенти спектру; Д - кшьшсть гармошк; а - цше число, яке задас статистику обробки (Таб. 1 [13]).
У Таблищ 1 наведено операнд! по статистичшй обробщ гармошчних складових. По розрахованим значениям функщ1 приймають ршгсння про внявлення. В подальшому, для побудовп траектор1°1 руху МЛА у вщтшках с1рого, застосовують пвдхвд сканування простору керованою характеристикою иотужность
Табл. 1 Операнд по статистичшй обробщ гармошчних складових [13]
Harmonic Geometric Standard RMC
а = —1 Г1 R I-1 - Е (/) ■ L r=i j а = 0 г д i1/R П Iх (/) ■ Lr=i J а =1 Г1 R 1 л Е Iх (/) ■ н L r=i J а = 2 г 1 д 1 1/2 д Е Iх (/) ■ -I2 L r=1 J
Наступним кроком теля внявлення е ¡донтифь кащя джерела звуку. В робот [14] приведен! до-слщження розшзнавання одно- та чотиримоторного дрошв способами розрахунку косфшдента кореля-Щ1 Шрсона, методу норматзовансм максимально! корелящ! та ройтинговШ корелящ! Сшрмена. Спо-чатку створювалась база даних з трансформованих в частотну область (д1аиазон до 10 кГц) зразшв акустичних сигнатур дрошв. Аудюзаиис зразшв в1в-ся на ввдеташ до 4 м у присутносп генерованих звукових завад. В подалыному знаходились коре-ляцшш коофшденти мЬк ирийнятим та еталонними сигнатурами. Схолйсть з еталоном заиропоновани-ми способами, навиь за вщсутносп иривнесених завад, не перевищувала 85%. Покращити розшзна-вашеть квадрокоптера до 98% [15] вдалось за ра-хунок методу машинно! класифшащ! пор1внянш всктор1в признашв записаних в ироцей тестуван-ня та вектор1в иризнашв отриманих з аудюзапийв експерименту. Створення тестових всктор1в призна-шв ведеться в наступит иослщовность Враховую-чи несташонаршсть акустичних процейв сиочатку ироводять короткостроковий (до 20 мс) анал1з аудю-запису в часов1й та сиектралыпй областях. Визнача-ють характерш ознаки: енерпю виб1рки, швидккть перетину нуля, центроТд спектру потужность мел-кспстралыи коефщенти та пиш. Елемеити вектор1в признашв знаходять шляхом усереднення отриманих ознак для часових виб1рок тривалктю до 200 мс. Дал1 з сородньострокових над1йних ознак формують глобалышй вектор, який достатньо повно оиисус фь зичну властивкть звуково! сигнатури на вибраному часовому штервал1 (до 5 с). Цой вектор с дескриптором для виконання процедури розшзнавання та прийняття ршення про наявшеть дрона. Для уеш-шного використання машинного алгоритму потрь бен великий банк дескриптор1в, тобто треба мати та поповшовати звуков! сигнатури дрошв р1зного типу, яш зроблсш в умовах вщсутноста акустичиого смогу (в заглушошй камерь спещалышх площадках для акустичних втпрювань, тощо). Тому таш систоми акустичиого спостереження бшын дорой 1 ноадо-кватш иовим зразкам дрошв. Алгоритм внявлення на основ1 гармошчного анал1зу акустичнси сигнатури, швар1антний до модсл1 МЛА та режиму його иольоту, приведено в [16]. Послщовшсть операщй гармошчного детектування наступна: фшьтрування з метою зменшення природного шуму: сегментува-
ння у чай i цифру вання: багаторазовий розрахунок автокорелящйно1 функщ1 (АКФ) з метою внявлення гармошчних складових: знаходжоння СЩП по розультуючш АКФ: згладжуваиия СЩП методом ковзного середнього: пошук уйх локалышх макси-мум1в спектра в д1аиазош 80 Гц 3 кГц: пошук основ-iio'i частоти та 2-3 гармошк: исрев1рка СЩП дрона на вщповщшеть фоновому шуму (по огинаючш спектра): анал1з СЩП на вщповщшеть мовному сигналу. МЛА вважасться виявленим, якщо частота основного тону та гармошки основного тону попо-редньо анал1зованого звукового сегмента збкаються (до 10%) з частотами, отриманими на шдстав1 аналь зу СЩП взаемно! корелящйних функщ1 поточного i наступного у чай аудю ссгментав. На цьому про-цес внявлення дрону i його попородня щентифшащя завершусться. Для розшзнавання МЛА застосова-но шдхщ побудови вектору иризнашв на ocuoBi мол-копстралышх косфщкнпв, тотожних потужно-CTi сигналу в мол-частотних смугах, з подалыним корелящйним обчисленням коефщкнту под1бност з оталонним вектором признашв. Експерименталь-iii дослщження показали: для далыгосп внявлення гармошчним методом в 50 м достов1ршсть внявлення становила 50%, а достов1ршсть щентифшащ!
60%. Тобто метод заснований на nopiBiraimi ета-лонного i поточного вектор1в мел-кеистралышх ко-ефщкнтав дав крапц характеристики внявлення шж гармошчний метод. Недолк необхщшеть иостшно оновлювати базу акустичних сигнатур та векторш признаку.
Анал1з акустичних сигнатур бажано ироводити для значень сигнал/завада (SNR) бшыпе одинищ. Максимально значения SNR досягасться на виход1 мшрофонного пристрою спрямоваиого на джерело звуку. Тому спочатку ведуть пошук джерела звуку з застосуванням алгоритм1в просторового сканува-ння. Внявнвшн джерело переходять до крошв ло-кал1защ1 та ¡донтифшащь Технолоичний iiiCTiiTyT Ставенса розробив та побудував акустичну систему спостереження (DADS) [17], яка може виявляти, вщетежувати та щентифшувати дрони анал1зую-чи шум проиелер1в. Система складасться i3 трьох або бшыне мшрофонних моду.шв, розм1щених по периметру контрольовансм TepiiTopii'. М1крофони в кожному моду.ш розташован1 в вершинах тетраедру. Дан1 з м1крофонного модулю передаваться через Wi-Fi в режнм1 реального часу на централышй
комп'ютор. Просторове сканування велось методом КПКХ. який базуеться на розрахунку значения вза-емно! короляцишсм функцп (ВКФ) звушв прийнятих окромими мшрофонами з керованих напрямшв та i'x подальшим складанням. Для локацпшсм систо-ми i3 декшькох мшрофошв г = к = 1, 2 ... N КПКХ можна записати у виглядк
N
Р(q) = ^ Rik (Tik), i = к, (2)
до Р(q) - результуюча потужшсть на виход1 суматора-формувача КПКХ; q - вектор уиравлшня в npocTopi; N - кшьшсть мшрофошв; Rik - значения ВКФ, розраховано! mdk акустичними каналами i та к; Tik керована р1зниця часу прибуття плоско! хви-л1 на мжрофони з номерами г та к вздовж вектору управлшня q.
Ексиоримонталып дослвджоння проводились pi3-ними конф1гуращямн систоми DADS з кшькома типами МЛА та в pi3iinx иатурних умовах. Напри-клад, локатзацш МЛА «Inspire 2» велась триан-гуляцшним методом i3 застосуваииям двох акустичних модул1в рознесених на ввдстань 60 м та вузла обробки та ввдображоння шформацп. Результат ло-кал1зацп виводився на екран у виглядо 3D треку одночасно з дорЬккою GPS навкатора, розмщеного на МЛА. Максимальна далыисть трекування ста-новила 250 м за наявноста акустичних завад величиною (45-50) дБ А. В подалыному дослвджувалась система сиостереження з трьома акустичними модулями розташованими в вершинах р1вностороннього трикутника. Максимальна ввдстань внявлення була досягнута в момент знаходжоння МЛА на нормалях до акустичних баз (cTopin трикутника) i становила 200 м з достов1ршстю 50% i 100 м з достов1ршстю 100% .
Для вир1шення класифшашйно! задач1 запропо-новано иростий спойб, заснований на характершй особливоста сиектр1в акустичного випромпновання багатомоторних дрошв, а саме наявноста в локаль-них спектралышх максимумах основних та гармошчних складових декшькох близьких спектралышх смуг (Рис. 3). Смуги виникають в результат! розбь жноста частот обертання двигушв дрона.
Спектр потужноста розраховувався по звуковим сегментам триватстю 4 с з 50% порокриттям. Кожш 2 с даеться оцшка класифжатора. Експерпмент показав можлившть правильного розшзнавання дрошв ввд 74% до 97% заложно в1д вщношення SNR.
Таким чином, спираючись на проведений анатз, постдовшсть етап1в локатзаци дрошв за акусти-чиим випромпнованням паступиа: спосторожоння простору з використанням алгоритхпв КПХП або КПКХ; ирийняття piinoiiira про виявлоння па ocnoBi еиергетичиих або гармоншних методов; визначення кутових координат по значению коруючих часових затримок; класифшадоя дрона з застосуванням про-стих щонтифшацшних характеристик наявноста в
локалышх спектралышх максимумах осиовиих та гармошчних складових.
All raîors RPM - grount truth Ггогп LIAS flight controller tag
d 40®
Л iftaaice
¡000 900
soo ГР0 " eoo
a
I Mtl
300 300
iLJJSJb
Sp sei regram üf UAS sound
,... .ßffh
— /h=93f]Iz
— ß] = Ü5SHz
■ /j| = Ti5Hi
■ fr.-ium
— /j]-i72H7
— /i.--1i;Hlz
— ii;-3l6Ill —-fil-iSSIIl
—/«-= I it,m
ffii - 143Hz
i->01" ;; I' If 'л зс: i5
Ь Tims.UTC
Fig. 6. Alta 6 hexacopter. Rotors RPM (a) and corresponding sound soectroeiam l b).
Рис. 3. Сиектрограма випромпновання дрона [17]
2 Експериментальна nepeßip-ка алгоритзшв локал1зацп та щентифжацп MJIA
Поров1рку алгоритм1в було проведено по записам зробленнм в натурних експеримеитах описаиих в робот1 [9]. Квадрокоптор Phantom 3 Standard летав
3 максимально! ввдеташ в 100 м на висота 30 м з приблизно постайною швидшетю 3 м/с по нормаль-nifi траекторп до акустично! бази двох мшрофошв. Сканування простору велось в горизонталыпй пло-щиш в межах кутав в1д 0° до 180° з кутовим кроком 1°. Спочатку були иор1вняш алгоритми пеленгува-иия. Полонгацшна характеристика методу КПКХ (Рис. 4) мае перевагу перед полонгашйною характеристикою КПХП за рахунок гостроти niKy та моншим piBiieM 6i4iinx максиму м1в.
Наступним кроком стало сканування простору з застосуванням алгоритму КПКХ. Отримаш записи аудк)фашпв з двох мшрофошв оброблялись у ввдиовщноста до icTopi! польоту, по Mipi наближон-ия дрону, сегментами тривалктю 1 с з перекриттям 50%. Результат сканування простору в горизонталь-nifi площиш пелеигограма, приведена на Рис. 5. Бона дае можлившть спосторЬати трасктор1ю польоту МЛА по смуз1 максимально! яскравоста (чор-воний Kcuiip). Недол1ки: наявн1сть шторфоронцшних лйпй внклнканнх внсокочастотннмн складовнмн випромпновання дрона; розмиття треку поясшоеться динам1кою руху ^!ЛА та змшою ф1знчного стану атмосферн. IvpiM того пелеигограма не забозпочуе макснмальну ввдетань внявлення, яку краще вестн
зидно правилу прийняття ршгсння na ociiobi анал1зу oiiopriï звукових процейв [9].
Спектр
80 100 120 140 160 Куг.град
400 600 800 Частота,Гц
Рис. 4. Полонгащйш характеристики на середиш траскторп польоту дрона
1
0.9 0.8 0.7 0.6
0.5 04
'0.3 0.2 0.1
0.
(а)
Спектр
Х212 Y: 1
Х240 Y: 0.8114
X 224 ! Y: 0,7024
I
1
X 720 Y: 0.09643 Х888
№ Jmw™ 745 UU
Частота, Гц
Рис. 5. Полонгограма
Пор1вняемо онорготичний та гармошчний спосо-би внявлення МЛА. Для цього розраховувалась СЩП методом Уелча для согмонпв запису зробло-них по траскторп польоту. Анатз спектрального складу акустичиого випроминовання дрона на в1д-CTani приблизно 20 м (Рис. 6а) демонструс чоти-ри основннх тонн випроминовання 164 Гц, 188 Гц, 224 Гц, 228 Гц та чотири групп гармошчних складових.
На вщсташ 50 м вщ хйкрофошв змшилися ча-стотн, ввдносш piBiii основних toiiîb та ïx гармошк (Рис. 66), що вказус на змшу режиму польоту, на-явшсть у дрона, як джерела звуку, властивосп про-CTopoBo'i спрямованосп та ослабления гармошчних складових звуку за рахунок розйяння i поглинання в шарах атмосфори. Треба зауважити на вщхилоння гармошчних частот в1д закону кратносп основному тону.
(б)
Рис. 6. Споктри акустичиого випроминовання дрона в заложносп ввд ввдсташ до хйкрофошв: (а) вадстань 20 м, (б) вадстань 50 м
На бшыних ввдстанях визначити Bei чотири ociiOBiii тони випроминовання, а тим бшыно i'x гармошки, не вдалось. Тому застосування гармошчного способу (1) для дальнього внявлення дрошв з докшькома двигунами с проблематичиим. Перевага внявлення МЛА по дальноста на бонд енергетично-го шдходу, який враховус вклад Bcix спектралышх складових випроминовання i не залежнть ввд типу дрона.
Розшзнавання бажано вести методами, яш не потребують великих баз акустичних сигнатур та ix постшного поиовнення. Таким с шдхвд оснований на оцшш структури спектру акустичиого випроминовання МЛА. Теоротичш оцшки та дослщжо-ння спектр1в акустичних сигнатур шдтверджують наявшсть частот основних тошв випроминовання ввдповщно до кшькосп електричних двигушв. Щ характеристики, з урахуванням кшькосп лопатей пропел ера,можна використати у якосп класифша-цшних ознак. У наводоному окспоримента МЛА
класифшуеться на вщсташ 50 м по трьом частотам основних тошв (Рис. 66) як трикоптер, а на вщста-ni 20 м по чотирьом основним частотам (Рис. 6а) як квадрокоптор. Достов1ршсть розшзнання збшь-шусться з наближенням дрона. тобто i3 зростан-ням вщношоння сигнал/завада. Можна прогнозу-вати збшынення ввдсташ достов1рно1 класифжащ! за рахунок покращення просторовсм селективност прнймача.
Висновки
1. В робот розглянуп ряд методов та способов внявлення. локатзаид та щентифшаш! МЛА за акустнчннм випромпнованням. Встановлено переваги та подотки окремих способяв та запропоновано послщовшсть дШ для вщлшоння поставлено! задачк
• спостереження простору вести методом КПКХ, якнй мае крапц пеленгащйш характеристики гостроту основного тку, по яшй визиачасться кут приходу шш, та незначш бячш макснмумн:
• прнйняття ршмння про виявлеиия МЛА про-водити енергетичним методом по наперед заданнм характеристикам внявлення:
• щентифшащю проводити з урахуванням кон-кретннх ознак прнтаманннх МЛА, а само ввдпо-вщносп кшькосп двигушв та доапазону частот 1х обортаиня в рожихй польоту кшькосп частот основних тошв та доапазону 1х змши у спектралыий сигнатур!.
2. Перев1рка запропонованси послщовносп дШ здшсшовалась по експорнменталышм даннм прн-воденнм в робот [9]. Результата обробки запийв аудоофашпв польоту МЛА та проведет розрахунки можна оцшювати як задовшыи. Внзначення кута приходу звуково! хвшп по поленгограм1 було блнзь-кнм до оч1куваного в 90°. Виявити МЛА вдалось на ввдеташ 90 м, а класифшувати МЛА як квадрокоптор почали з 20 м. Нодатки експориментав та можлив1 шляхи IX усуиеиия:
• додаткеш максимуми на пеленгащйшй хара-ктеристищ отримаш методом КПКХ (Рис. 4) та зароестроваш на пеленгограм1 у виглядо кольорових илям (Рнс. 5) викликаш невщповщшетю розхйру акустичнси базн доелвджуваному частотному д1апа-зону. Можуть бути усунош збшыненням кшькосп мшрофошв та опттпзащяо хвильового розм1ру ба-зи:
• розмиття троку поясшосться динампано ру-ху МЛА та змшою стану атмосфори. Шляхи покращоння застосування алгоритхпв статистичнсм обробки та фшьтращ! даннх:
• покращнтн класифшащйш характеристики 1з зростаиням вщеташ можна збшьшенням просторовсм солективносп прнймача та розшнренням вектору шформащйних ознак.
Перелж посилань
1. Birch G. С. UAS Detection, Classification, and Neutralization: Market Survey "2015 / G. C. Birch, .1. C. Griffin, M. K. Erdman // Sandia Rep. '2015. C. 74. https://doi.org/10.2172/1222445.
2. Park S. Survey on Anti-Drone Systems: Components, Designs, and Challenges / S. Park, H. T. Kim, S. Lee, H. .loo, H. Kim // IEEE Access. 2021. T. 9. C. 42635-42659. doi: 10.1109/ACCESS.2021.3065926.
3. Sinibaldi G. Experimental analysis on the noise of propellers for small UAV / G. Sinibaldi, L. Marino // Applied Acoustics. 2013. T. 74, №. 1. C. 79-88. doi:10.1016/j.apacoust.2012.06.011.
4. Cabell R. Measured Noise from Small Unmanned Aerial vehicles / R. Cabell , F. Grosveld , R. McSwain // Inter-Noise and Noise-Con Congress and Conference Proceedings. Institute of Noise Control Engineering, 2016. T. 252, №. 2. C. 345-354.
5. Карташов В. M. Информационные характеристики звукового излучения малых бесиилотиых летательных аппаратов / В. М. Карташов, В. Н. Олейников, С. А. Шеико, С. 11. Бабкин, 11. В. Корытцев, О. В. Зубков, М. А. Анохин // Радиотехника. 2017. Выи. 191. С. 181-187. https://openarchive.nure.ua/handle/document/5740.
6. Державш буд!вельш иорми Укра'ши. Захист терито-piu, будиишв i сиоруд вы шуму ДВН В.1.1-31:2013. ВУДСТАНДАРТ Online.
7. Козерук С. О., Коржик О. В. Виявлеиия малих ,;ii-талышх аиараПв за акустичиим вииромшюваииям // BicuuK НТУУ "Kill". Copin Радютехшка, Ра-д1оаиаратобудува1шя. 2019. №. 76. С. 15-20. http://radap.kpi.ua/radiotechnique/article/view/1537.
8. Mandal S. Acoustic Detection of Drones through Realtime Audio Attribute Prediction / S. Mandal, L. Chen, V. Alaparthy, M. L. Cummings // A1AA Scitech 2020 Forum. 2020. C. 491. https://doi.org/10.2514/6.2020-0491.
9. Козерук С. О., Коржик О. В. Корелящшши ие-леигатор малих .;iiTa;ibimx auapa'riB // BicuuK НТУУ "Kill". Copin Радютехшка, Радшаиарато-будуваиия. 2019. №. 79. С. 41-47. DOI: https://doi.org/10.20535/RADAP.2019.79.41-47.
10. Benyamin М. and Goldman G. Н. Acoustic Detection and Tracking of a Class 1 UAS with a Small Tetrahedral Microphone Array // Army Research Laboratory, Adelphi, MD 20783-1138. 2014. 26 p. https://apps.dtic.mil/sti/pdfs/ADA610599.pdf.
11. Козерук С. О., Коржик О. В., Воловик Д. 1., Пуха Г. С. Акустичнии модуль для иелеш'уваиия малих лггалышх аиараПв // BicuuK НТУУ "Kill". Copin Радютехшка, Радюаиаратобудуваиия. №.82, с. 25-34. doi: 10.20535/RADAP.2020"82.25-34.
12. Case Е. Е., Zelnio A. М. and Rigling В. D. Low-Cost Acoustic Array for Small UAV Detection and 'Hacking // 2008 IEEE National Aerospace and Electronics Conference. 2008. pp. 110-113. doi: 10.1109/NAECON .2008.4806528.
13. Harvey В., 0:Young S. Acoustic Detection of a Fixed-Wing" UAV // Drones. 2018. T. 2, №. 1. C. 4. doi:10.3390/drones2010004.
14. Mezei .1., Molnar A. Drone sound detection by correlation // "2016 IEEE 11th International Symposium on Applied Computational Intelligence and Informatics (SAC1). 2016. C. 509-518. DOl: 10.1109/SAC1.2016.7507430.
15. Bernardini A., Mangiatordi F., Pallotti E., Capodiferro L. Drone detection by acoustic signature identilication // Electronic Imaging. 2017. Vol. 10. C. 60-64. DOl: 10.2352/1SSN.2470-1173.2017.10.1MAWM-168.
16. Олейников В. H. и др. Исследование эффективности обнаружения и распознавания малоразмерных бесиилотиых летательных аппаратов ио их акустическому излучению // Радиотехника. 2018. Т. 4, №. 195. С. 209-217. https://nure.ua/wp-content/uploads/2018/Scientilic_editions/rvmnts_2018-_195_23.pdf.
17. Sedunov A. et al. Stevens Drone Detection Acoustic System and Experiments in Acoustics UAV Tracking // 2019 IEEE International Symposium on Technologies for Homeland Security (HST). 2019. C. 1-7. doi: 10.1109/HST47167.2019.9032916.
References
[1] Birch G. C„ Griffin .1. C., Erdman M. K. (2015). UAS Detection, Classification, and Neutralization: Market Survey 2015. SAN VIA REPORT, 74 p. doi : 10.2172/1222445.
[2] Park S„ Kim H. T., Lee S„ .loo H. and Kim H. (2021). Survey on Anti-Drone Systems: Components, Designs, and Challenges. IEEE Access, Vol. 9, pp. 42635-42659. doi: 10.1109/ACCESS.2021.3065926.
[3] Sinibaldi G., Marino L. (2013). Experimental analysis on the noise of propellers for small UAV. Applied Acoustics, Vol. 74, Iss. 1, pp. 79-88. doi:10.1016/j.apacoust.2012.06.011.
[4] Cabell R., McSwain R„ Grosveld F. (2016). Measured Noise from Small Unmanned Aerial Vehicles. Inter-Noise and Noise-Con Congress and Conference Proceedings, Institute of Noise Control Engineering, Vol. 252, Iss. 2, pp. 345-354.
[5] Kartashov V. M. et al. (2017). Information characteristics of sound radiation of small unmanned aerial vehicles [Informacionnye harakteristiki zvukovogo izlucheniya malyh bespilotnyh letatel:nyh apparatov]. Radio engineering, Iss. 191, pp. 181-187. [In Russian].
[6] State building regulations of Ukraine. Protection of territories, buildings and structures from noise DBN V.l.l-31:2013 [Derzhavni budivelni normy Ukrainy. Zakhyst terytorii, budynkiv i sporud vid shumu DBN V.l.l-31:2013]. BUVSTANVART Online. [In Ukrainian],
[7] Kozeruk S. O., Korzhik O. V. (2019). Detection Small Aircraft by Acoustic Radiation. Visnyk N'l'UU KP1 Seriia -Radiotekhnika Radioaparatobuduuannia, Vol. 76, pp. 15-20. [In Ukrainian].
[8] Mandai S., Chen L., Alaparthy V., Cummings M. L. (2020). Acoustic Detection of Drones through Real-time Audio Attribute Prediction. A1AA Scitech 2020 Forum. doi: 10.2514/6.2020-0491.
[9] Kozeruk S. O., Korzhik O. V. (2019). Correlation direction finder for small aircraft. Visnyk N'l'UU KP1 Seriia - Radiotekhnika Radioaparatobuduuannia, Vol. 79, pp. 41-47. doi: 10.20535/RADAP.2019.79.41-47. [In Ukrainian],
[10] Benyamin M. and Goldman G. H. (2014). Acoustic Detection and 'Hacking of a Class 1 UAS with a Small Tetrahedral Microphone Array. Army Research Laboratory, Adelphi, MD 20783-1138, 26 p.
[11] Kozeruk S. O., Korzhik O. V., Volovik D. 1., Pukha G. S. (2020). Acoustic Module for Direction Finding of Small Aircraft. Visnyk N'l'UU KP1 Seriia - Radiotekhnika Radioaparatobuduuannia, Vol. 82, pp. 25-34. doi: 10.20535/RADAP.2020.82.25-34. [In Ukrainian],
[12] Case E. E„ Zelnio A. M. and Rigling B. D. (2008). Low-Cost Acoustic Array for Small UAV Detection and 'Hacking. 2008 IEEE National Aerospace and Electronics Conference, pp. 110-113, doi: 10.1109/NAECON.2008.4806528.
[13] Harvey B., 0:Young S. (2018). Acoustic Detection of a Fixed-Wing UAV. Drones, Vol. 2(1), 4. doi:10.3390/drones2010004.
[14] Mezei .1., Molnar A. (2016). Drone sound detection by correlation. 2016 IEEE 11th International Symposium on Applied Computational Intelligence and Informatics (SAC1), pp. 509-518. DOl: 10.1109/SAC1.2016.7507430.
[15] Bernardini A., Mangiatordi F., Pallotti E., Capodiferro L. (2017). Drone detection by acoustic signature identification. Electronic Imaging, Vol. 10, pp. 60-64. DOl: 10.2352/1SSN.2470-1173.2017.10.1MAWM-168.
[16] Oleinikov V. N. et al. (2018). Study of the efficiency of detection and recognition of small-sized unmanned aerial vehicles by their acoustic radiation [Issledovanie eflekti-vnosti obnaruzheniya i raspoznavaniya malorazmernyh bespilotnyh letatel:nyh apparatov po ih akusticheskomu izlucheniyu]. Radio engineering, Vol. 4, Iss. 195, pp. 209217. [In Russian].
[17] Sedunov A. et al. (2019). Stevens Drone Detection Acoustic System and Experiments in Acoustics UAV Tracking. 2019 IEEE International Symposium on Technologies for Homeland Security (HST), pp. 1-7, doi: 10.1109/HST47167.2019.9032916.
Detection, Localization, and Identification of Small Aircraft by Acoustic Radiation
Kozeruk S. O., Korzhik O. V.
Introduction. Small unmanned aerial vehicles (UAV), or drones, have recently been increasingly used in community service: environmental monitoring services, protection of territories and facilities, postal and courier services, and household services for individual needs. The growth of the drone market and their high availability is having the opposite effect, as more and more opportunities are being created for the use of small aircraft in criminal and terrorist acts. There is a need to develop means of monitoring the airspace of the location and identification of the drone in the presence of natural and industrial obstacles. The paper considers some approaches to localization and identification of small aircraft, by their acoustic radiation.
Theoretical Results. A number of methods and ways to detect, localize, and identify MLA by acoustic radiation were considered. The advantages and disadvantages of some methods are identified and a sequence of solutions is proposed:
to conduct observations by the method of controlled correlation spatial characteristics:
decision-making 011 the detection of the drone to be carried out by the energy method according to the predetermined characteristics of the detection:
identification of the emitter should be carried out taking into account the correspondence of the number of motors and the range of frequencies of their rotation in the flight, mode the number of fundamental frequencies in the spectral signature.
Experiment. Verification of the proposed algorithm was carried out according to experimental data given in [9].
The results of processing the records made in the above sequence can be assessed as satisfactory. Determining the angle of arrival of the sound wave according to the direction-finding was close to the expected 90°. The aircraft was identified as a drone at a maximum detection distance 90 m. and the UAV as a quadcopt.er began to be classified from 20 m.
Keywords: unmanned aerial vehicles: direction finding: identification
