В Саратове ученые создали инновационную систему, позволяющую идентифицировать типы беспилотных летательных аппаратов (БПЛА) по издаваемым ими звукам. Как сообщили в пресс-службе Саратовского государственного технического университета им. Гагарина Ю. А. (СГТУ), где велась разработка, система отличается высокой эффективностью даже в условиях городского шума и при ограниченной видимости.
В университете подчеркнули, что разработанная система способна обходить факторы, затрудняющие распознавание дронов, успешно функционировать в шумной городской среде и при плохой видимости, а также адаптироваться к новым моделям беспилотников.
В процессе создания программного обеспечения разработчики провели масштабное исследование, направленное на выявление слабых мест существующих систем обнаружения дронов и анализ применяемых в данной области коммерческих и исследовательских решений. В результате был предложен комбинированный подход, объединяющий методы частотно-временного анализа звука с алгоритмами глубокого машинного обучения на основе искусственного интеллекта.
По словам руководителя проекта, Сергея Кузнецова, расширение возможностей БПЛА влечет за собой увеличение рисков, связанных с их несанкционированным применением. Он отметил, что традиционные методы обнаружения, такие как визуальный или радиолокационный, имеют недостатки: они малоэффективны при плохой видимости, требуют больших затрат и не всегда обеспечивают скрытность. Поэтому разработка альтернативных подходов, в том числе анализ акустических сигналов, является актуальной задачей.
Исследователь добавил, что разработанное решение легко интегрируется в существующую инфраструктуру и работает на стандартном оборудовании. Его применение позволит снизить риски несанкционированного использования БПЛА за счет оперативного обнаружения. Тестирование подтвердило эффективность системы в городских условиях, где она успешно выделяет акустические сигналы дронов на фоне посторонних шумов.
В вузе сообщили, что для обучения системы использовались методы аугментации данных, включая добавление шумов и изменение скорости, а также трансферное обучение. Это обеспечило высокую точность распознавания даже при наличии фоновых помех.
Научным руководителем проекта выступил кандидат технических наук, доцент кафедры "Прикладные информационные технологии" СГТУ Михаил Королев.