MétaCan
Menu
Retour à la cohorte
Enregistrement W4399144264 · doi:10.5515/kjkiees.2024.35.4.257

Real-Time Broadband Drone RF Signal Monitoring Using Low-Cost Multi-SDRs

2024· article· en· W4399144264 sur OpenAlexaff
Sumin Han, Ji-Sung Lee, Jung-Min Cho, GeonU Hwang, Byung‐Jun Jang

Notice bibliographique

RevueThe Journal of Korean Institute of Electromagnetic Engineering and Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensGroup Health Centre
Organismes subventionnairesSamsung
Mots-clésDroneNarrowbandBroadbandAnechoic chamberRadio frequencySpectrogramWidebandComputer sciencePython (programming language)Real-time computingScannerElectronic engineeringEngineeringComputer hardwareEmbedded systemElectrical engineeringTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Implementing an RF scanner-type anti-drone system requires an expensive broadband receiver that collects real-time broadband drone RF signals, which change rapidly over time. In this study, we implemented a system that can monitor the spectrogram image of a wideband drone radio signal in real time using low-cost narrowband SDR equipment instead of an expensive wideband receiver. The implemented system, comprising three Adalm Pluto SDRs running in python, can monitor the spectrogram of drone RF signals in the entire 2.4 GHz ISM frequency band in real time in a typical PC environment. The performance of the implemented system was verified by measuring the RF signals generated by four types of commercial drones in an electromagnetic anechoic chamber. Combining the implemented receiver with an AI engine based on python provides the possibility of implementing a real-time anti-drone system at a low cost.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,370

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,227
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Korean Institute of Electromagnetic Engineering and ScienceMême sujetUAV Applications and OptimizationTravaux en français237 207