首页|基于改进孤立森林算法的无人机异常行为检测

基于改进孤立森林算法的无人机异常行为检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为进一步提高低空无人机的管控能力，突破对合作型无人机运行状态的精准监控和非合作型无人机任务类型快速研判的关键技术，对无人机异常行为的检测方法进行研究。首先，定义了合作型和非合作型无人机运行过程中的异常行为，并对两类无人机的运行参数进行分析，明确了各种运行特征及其判定参数的提取方法。随后，提出了基于Sobel Operator-CNN算法的无人机类型判定方法。最后，改进孤立森林算法，提出动态最大生长高度的方法，对合作型和非合作型无人机的异常行为进行判别，根据数据节点判定无人机任务特点以及异常类型。基于ardupilot-airsim仿真平台的测试结果表明，改进的孤立森林算法具有收敛速度快、准确度高的特点，对异常行为的识别精准率达到96。4％，超过传统算法3。2％。
UAV abnormal behavior detection based on improved iForest algorithm

唐立、郝鹏、任沛阁、张祖耀、何翔、张学军

展开 >

西华大学智能空地融合载具及管控教育部工程研究中心,成都 610039

西华大学汽车与交通学院,成都 610039

国家空域管理中心,北京 100094

西华大学航空航天学院,成都 610039

展开 >

无人机监控技术 无人机识别分类 异常行为检测 Sobel Operator-CNN算法 改进孤立森林(iForest)算法

5210120621RH1900010872

2022

航空学报
中国航空学会 北京航空航天大学

航空学报

CSTPCDCSCD北大核心
影响因子：1.228
ISSN：1000-6893
年,卷(期)：2022.43(8)
  • 6
  • 17