设计一种基于注意力机制的方法，用于无人机检测与分类中的射频指纹识别

《Scientific Reports》：Designing an attention-based approach for RF fingerprinting in drone detection and classification

　　

摘要

随着无人机技术的快速发展，人们越来越需要一种智能且高效的射频指纹识别系统，用以检测、识别并分类无人机的运行模式。本文提出了一种基于变换器的注意力架构，可用于高效分析现实场景中的射频信号。该架构采用两阶段特征提取流程，包括相关滤波特征选择、方差分析特征选择，以及多头自注意力编码器，从而获取频谱序列。在大型DroneRF数据集上的测试表明，该模型在三类分层任务中表现优异：二元无人机检测、四类无人机分类以及十类飞行模式分类。交叉验证准确率分别为100.00%、99.80%和99.23%；模型参数数量在39,270到152,194之间，浮点运算次数则在2.45百万次到9.81百万次之间，这样的性能指标非常适合那些根据任务需求定制了结构和深度的边缘设备。为检验其在实际场景中的适用性，该框架还在2.4GHz和5.8GHz频段下的VTI_DroneSET_FFT数据集上进行了测试，涵盖了单无人机和多无人机场景。实验以68.09%的较低准确率作为基准，通过逐步优化设计，最终在最具挑战性的5.8GHz多无人机场景中实现了88.10%的准确率。在所有测试场景中，该模型的准确率均处于较高水平，分别为98.84%、96.03%、89.58%和88.09%。对注意力机制的分析显示，该模型能够在多种射频环境下有效检测无人机，且能够清晰地识别和描述其特性。