看天上!這是一只鳥!這是一架飛機(jī)!雷達(dá)實(shí)際上很容易分辨出差異。盡管從K星飛來的外星人，在幾乎空曠的，敞開的天空中移動(dòng)的東西很少，就像飛機(jī)一樣大而又快。但是，如果雷達(dá)信號從云層向下移動(dòng)并進(jìn)入城市的街道，突然之間就會有很多物體可能會被誤認(rèn)為彼此。僅需保持距離，速度和方向，無人機(jī)就可以很容易地“隱藏在視野中”在雷達(dá)顯示器上緩慢移動(dòng)的汽車，騎自行車的人，慢跑的人甚至是空調(diào)單元的旋轉(zhuǎn)葉片中。

從安全的角度來看，隨著無人機(jī)變得越來越流行和令人擔(dān)憂，許多項(xiàng)目都在尋求對系統(tǒng)進(jìn)行工程設(shè)計(jì)以發(fā)現(xiàn)它們。在擔(dān)任國防高級研究計(jì)劃局(DARPA)項(xiàng)目經(jīng)理期間，杜克大學(xué)電氣與計(jì)算機(jī)工程教授Jeffrey Krolik發(fā)起了一個(gè)名為“空中Dragnet”的項(xiàng)目。通過將無人機(jī)網(wǎng)絡(luò)懸停在城市景觀或其他需要防御的大型發(fā)達(dá)地區(qū)之上，多種類型的傳感器將向下窺探城市的峽谷，并挑選出任何無人機(jī)。該項(xiàng)目最近在弗吉尼亞州的羅西恩(Rossyln)進(jìn)行了城市測試，并成功結(jié)束了該項(xiàng)目。

對于試圖保護(hù)廣闊市區(qū)的單位而言，使用友好的無人駕駛飛機(jī)群尋找敵方無人機(jī)是很有意義的。但是，在以固定資產(chǎn)(例如使館，醫(yī)院或營地)為目標(biāo)的保護(hù)環(huán)境中，需要一種能夠在安全的隔離距離范圍內(nèi)保持周邊的系統(tǒng)。再次由DARPA資助，Krolik轉(zhuǎn)向雷達(dá)，機(jī)器學(xué)習(xí)和專用硬件，以制造一種無人駕駛監(jiān)視系統(tǒng)，該系統(tǒng)具有足夠的范圍，可以在無人機(jī)到達(dá)城市保護(hù)區(qū)之前對其進(jìn)行檢測和停止。

“存在可以檢測用于控制現(xiàn)成無人機(jī)的信號的系統(tǒng)，但它們往往非常昂貴，并且已經(jīng)有可以完全自動(dòng)飛行而無需任何無線電控制的商用無人機(jī)，” Krolik說。“我們需要能夠在任何時(shí)候，無論何時(shí)何地載有這些東西的偵察系統(tǒng)，而不論它們?nèi)绾问艿娇刂啤?rdquo;

雖然可以訓(xùn)練計(jì)算機(jī)在視覺上發(fā)現(xiàn)無人機(jī)，但光學(xué)系統(tǒng)的射程非常有限?？梢允褂每缮炜s鏡頭，但是這樣會大大限制其視場。取而代之的是，Krolik轉(zhuǎn)向了能夠扭轉(zhuǎn)第二次世界大戰(zhàn)中的空中敵人(雷達(dá))的技術(shù)。但是，借助于一種稱為“深度神經(jīng)網(wǎng)絡(luò)”(DNN)的機(jī)器學(xué)習(xí)，1940年代的技術(shù)正在得到2020年代的升級。

教學(xué)雷達(dá)街頭智慧

Krolik的想法是安裝雷達(dá)天線以掃描受監(jiān)視的城市景觀區(qū)域。在幾天或幾周的時(shí)間里，在沒有無人機(jī)的情況下，DNN會通過學(xué)習(xí)其運(yùn)動(dòng)學(xué)來訓(xùn)練自己，以區(qū)分汽車，自行車，人和其他物體，在雷達(dá)回波中也被視為“微多普勒”就像他們沿著空間移動(dòng)的路徑一樣。

雷達(dá)和視頻設(shè)置從停車場的窗戶向下看(左)，以試圖發(fā)現(xiàn)下方飛行的無人機(jī)(右)。學(xué)分：杜克大學(xué)

Krolik說：“大多數(shù)系統(tǒng)都是在實(shí)驗(yàn)室設(shè)計(jì)的，可以帶到現(xiàn)場。” “這是從環(huán)境中學(xué)習(xí)的，因?yàn)榇蠖鄶?shù)時(shí)候無人機(jī)都不在那兒。”

例如，汽車通常遵循道路定義的路徑。而且，盡管自行車和行人具有更多可變的動(dòng)力，但它們的微多普勒簽名卻非常有特色。隨著時(shí)間的流逝，該算法會了解給定空間中哪些雷達(dá)信號正常，以便當(dāng)無人機(jī)飛過且螺旋槳的運(yùn)動(dòng)和軌跡與該區(qū)域的正常情況非常不同時(shí)，它將觸發(fā)警報(bào)。

到目前為止，它正在工作。在杜克大學(xué)的校園中，該系統(tǒng)能夠成功地將無人駕駛飛機(jī)與騎自行車的人，行人，汽車和其他物體進(jìn)行分類的概率為98%。

需要明確的是，Krolik和他的團(tuán)隊(duì)并非白天和黑夜都在校園內(nèi)飛行無人機(jī)。取而代之的是，他們訓(xùn)練算法來學(xué)習(xí)科學(xué)大道停車場周圍的正常交通情況，并分別從在福雷斯特公爵(Duke Forrest)上飛行的無人機(jī)收集數(shù)據(jù)。然后，他們以計(jì)算方式將數(shù)據(jù)放在一起，然后讓DNN進(jìn)行最終的混搭工作。

硬連接神經(jīng)網(wǎng)絡(luò)

為了幫助發(fā)現(xiàn)無人機(jī)的DNN算法，Krolik求助于杜克大學(xué)電氣與計(jì)算機(jī)工程系Clare Boothe Luce教授Helen Li。DNN本質(zhì)上是通過以類似于網(wǎng)格的方式在圖像上滑動(dòng)窗口，確定每個(gè)窗口中存在哪個(gè)功能并將該信息傳遞到新的數(shù)據(jù)層來工作的。該過程會重復(fù)進(jìn)行，直到將圖像提煉成其最基本的功能(使程序可以對其進(jìn)行分類)為止。

DNN不可避免地是計(jì)算密集型程序，它們占用傳統(tǒng)CPU的時(shí)間比無人機(jī)監(jiān)視系統(tǒng)所需的時(shí)間長得多。但是，可以通過將任務(wù)分解為可以同時(shí)處理的片段來加快算法的運(yùn)行速度。應(yīng)對這一挑戰(zhàn)的硬件的常見選擇是圖形處理單元(GPU)，它們是專用于加速圖形渲染的專用處理器，該處理器對機(jī)器學(xué)習(xí)，視頻編輯和游戲應(yīng)用也很有用。

但是任何曾經(jīng)編寫了一個(gè)小時(shí)的視頻或失去時(shí)間游戲記錄的人都知道，GPU通過消耗大量電能來產(chǎn)生大量熱量。為了使他們的無人機(jī)檢測系統(tǒng)更高效，Li改為求助于現(xiàn)場可編程門陣列(FPGA)。

雷達(dá)天線在城市環(huán)境中檢測無人駕駛飛機(jī)的樣機(jī)可能看起來像。學(xué)分：杜克大學(xué)

Li說：“盡管GPU超級強(qiáng)大，但也很浪費(fèi)。” “相反，我們可以進(jìn)行針對雷達(dá)信號處理的特定應(yīng)用設(shè)計(jì)。”

顧名思義，通過將一些計(jì)算硬連接到設(shè)備本身，可以對FPGA進(jìn)行設(shè)計(jì)和重新設(shè)計(jì)，以更有效地處理某些任務(wù)。這使計(jì)算機(jī)科學(xué)家可以外科手術(shù)，以多少運(yùn)算能力來提供算法的各個(gè)方面。

Li繼續(xù)說道：“可以針對特定的神經(jīng)網(wǎng)絡(luò)模型優(yōu)化FPGA，而不必支持其他不同配置和大小的模型。” Li繼續(xù)推動(dòng)了將FPGA用于機(jī)器學(xué)習(xí)應(yīng)用的趨勢。“而且在到達(dá)硬件之前，典型代碼首先必須經(jīng)過操作系統(tǒng)和編譯器的地方，我們的方法實(shí)質(zhì)上是直接在FPGA板上實(shí)現(xiàn)DNN算法。”

設(shè)定較高的標(biāo)準(zhǔn)

結(jié)果是，該系統(tǒng)不僅能夠以98%的精度定位無人機(jī)，而且所消耗的能源也比基于GPU的系統(tǒng)少100倍，同時(shí)還能保持實(shí)時(shí)工作所需的性能和速度。

Krolik和Li認(rèn)為到目前為止的結(jié)果是有希望的，而DARPA也是這樣。在完成了項(xiàng)目的前五十萬美元階段并展示了其結(jié)果之后，該項(xiàng)目獲得了為期九個(gè)月的第二筆五十萬美元的贈(zèng)款。他們在那段較長的時(shí)間里面臨的挑戰(zhàn)?

鳥類。

“事實(shí)證明，當(dāng)您只看飛行物體的速度和方位時(shí)，鳥看起來就很像無人機(jī)，” Krolik說。“在杜克花園的工作人員的幫助下，我們已經(jīng)收集了花園鴨塘周圍各種鳥類的雷達(dá)數(shù)據(jù)。到目前為止，我們的DNN算法已經(jīng)能夠以97%以上的精度區(qū)分鳥類與無人機(jī)?，F(xiàn)在，我們必須將所有這些因素放在一起，以在真正的城市環(huán)境中檢測無人機(jī)，鳥類，汽車和行人的情況，與Helen和其他團(tuán)隊(duì)一起工作非常有趣，我們還有整個(gè)夏天的時(shí)間來解決這個(gè)問題出去。”

標(biāo)簽： 檢測無人機(jī)