ENERGY-BASED DETECTION FOR MULTIPLE UNAUTHORIZED UNMANNED AERIAL VEHICLES USING SPIKING NEURAL NETWORKS. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF MS Thesis Signed.pdf - Accepted Version Restricted to Repository staff only until 17 September 2025. Download (4MB)

Arabic Abstract

عنوان الرسالة: الكشف المعتمد على الطاقة عن الطائرات المتعددة بدون طيار بإستخدام الشبكات العصبية النبضية التخصص: ماجستير العلوم في هندسة الاتصالات تاريخ الدرجة العلمية: مايو 2024 تستخدم الطائرات بدون طيار على نطاق واسع وفي العديد من التطبيقات. ومع ازدهار وتوسع صناعة الطائرات بدون طيار والتقنيات ذات الصلة، فإن القلق بشأن الخروقات الأمنية والتهديدات المرتبطة بالطائرات الغير مصرح لها يدفع لحاجة ملحة إلى تطوير نظام كشف دقيق وموثوق للكشف عنها في وقت قياسي. في هذه الأطروحة، سنقدم مراجعة للأبحاث السابقة المتعلقة بتقنيات الكشف عن الطائرات بدون طيار؛ وبشكل أكثر تحديدًا حول اعتماد التعلم الآلي للكشف عنها بناء على الترددات الراديوية. علاوة على ذلك، قمنا بصياغة رياضية لمسألة الكشف عن الطائرات بدون طيار الغير مصرح لها مع الأخذ في الاعتبار عدة جوانب عملية منها العينات الزمنية المناسبة من الإشارة المستشعرة غير المعروفة، وظروف خط البصر مع الطائرة بفرضية أنه غير معروف مسبقاً، والانتشار أو التلاشي للإشارات الراديوية، وعدد من المعاملات العملية للنظام المقترح والمعتمد على الإشارة المستقبلة. وبناء على ذلك تم اشتقاق العبارات والنماذج الرياضية وحساب احتمالات الإنذار الكاذب والكشف الصحيح. أما بالنسبة للتحدي المتمثل في وجود عدة طائرات غير مصرح لها في آن واحد، نقترح الشبكات العصبية النبضية حيث تم تحليل الأداء بناءً على بيانات حقيقية للتردد الراديوي لطائرات دون طيار. وتم تحقيق دقة واعدة بنسبة 97.5% للتصنيف من خلال معالجة مسبقة ودقيقة لبيانات الإشارات.

English Abstract

Unnamed aerial vehicles (UAVs) or drones have been adopted widely for many applications. As the UAV industry and related technologies flourish and expand, the concern of security breaches, and associated threats, drive the essential need for an accurate and reliable real-time detection system. In this thesis, we will provide a literature review on drone detection techniques; and more specifically on the machine learning adoption for Radio Frequency (RF)-based detection. Moreover, we formulate the detection problem of an intruding UAV considering proper sampling of unknown sensed signal, unknown line-of-sight or non-line-of-sight conditions, multipath propagation, and practical system parameters of energy-based detectors. Based on that, closed-form mathematical expressions are derived for the false alarm and detection probabilities. For the challenging problem of multiple intruding UAVs, we propose Spiking Neural Networks (SNNs) based on a real RF measurement/dataset. A promising accuracy of 96.5 % has been achieved for the classification with meticulous and proper pre-processing.

Item Type:	Thesis (Masters)
Subjects:	Engineering Research Research > Engineering Aerospace Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Al-Dharrab, Suhail
Committee Members:	Alghadhban, Samir and Qureshi, Khurram
Depositing User:	ABDULLAH ALSHAMMARI (g201604540)
Date Deposited:	24 Sep 2024 05:52
Last Modified:	24 Sep 2024 05:52
URI:	http://eprints.kfupm.edu.sa/id/eprint/143056