Resumen Técnico: Clasificación y Detección de Múltiples UAVs Mediante Redes Neuronales de Ondículas Gaussianas Racionales

Enunciado del Problema

La detección y clasificación de Vehículos Aéreos No Tripulados (UAVs) es un desafío crítico para proteger la infraestructura civil y militar frente a amenazas que van desde el contrabando hasta la vigilancia. Aunque existen diversas modalidades de detección (radar, visión, RF), la detección basada en sonido ofrece ventajas distintivas: es rentable, desplegable sin necesidad de línea de visión y capaz de clasificar tipos de UAVs y estimar posiciones. Sin embargo, la detección acústica enfrenta obstáculos significativos, incluido el ruido de fondo, la interferencia del viento y la naturaleza no estacionaria y no periódica de las señales de audio de los drones.

Los enfoques existentes basados en sonido a menudo dependen de la extracción de características estáticas (por ejemplo, la Transformada Rápida de Fourier de Ventana Deslizante) seguida de modelos tradicionales de aprendizaje automático. Aunque son interpretables, estos métodos estáticos no logran adaptarse a los diversos tipos de UAV, maniobras y condiciones ambientales. Por el contrario, los modelos de aprendizaje profundo logran un alto rendimiento pero a menudo carecen de interpretabilidad física y requieren hardware especializado, lo que plantea riesgos para aplicaciones críticas para la seguridad. Los autores identifican una brecha para un sistema que sea tanto altamente preciso como físicamente interpretable, capaz de distinguir UAVs individuales de enjambres en entornos ruidosos.

Metodología

El artículo propone un enfoque de Aprendizaje Automático Impulsado por Modelos (MDML) que utiliza una Red Neuronal Convolucional de Ondículas Gaussianas Racionales (RGW). Esta arquitectura integra el procesamiento de señales directamente en el proceso de aprendizaje para garantizar la interpretabilidad física.

1. Procesamiento de Señales y Adquisición de Datos

• Fuentes de Datos: Los experimentos utilizaron datos de audio de un estudio interior controlado (muestreo a 192 kHz) y de un entorno exterior ruidoso (muestreo a 8 kHz).
• Preprocesamiento: Las señales de audio se segmentaron en ventanas no superpuestas de 100 ms (19.200 muestras a 192 kHz) y se normalizaron a media cero y varianza unitaria.
• Diversidad de UAVs: El conjunto de datos incluía varios UAVs comerciales de múltiples rotores (por ejemplo, series DJI Mavic, Avata 2, Matrice 30T) con diferentes masas, configuraciones de rotores y rangos de RPM para cubrir un amplio espectro acústico.

2. Núcleos de Ondículas Gaussianas Racionales (RGW)

La innovación central es el uso de núcleos RGW, una clase de ondículas admisibles definidas por un vector de parámetros $\eta$ que contiene ceros ($t_k$) y polos ($z_j$) polinómicos. La ondícula madre $\psi_\eta(t)$ se define como:
$$\psi_\eta(t) = C(\eta) P_\eta(t) v_\eta(t) e^{-t^2/2}$$
A diferencia de las ondículas tradicionales con formas fijas, las RGW permiten que la morfología de la ondícula madre se optimice mediante parámetros aprendibles. Esto permite que la red aprenda adaptativamente la forma de ondícula óptima para firmas específicas de UAV.

3. Arquitectura de la Red

La red propuesta consta de:

1. Capa de Convolución RGW: Aplica convoluciones discretas de la señal de entrada con núcleos RGW a múltiples escalas ($\lambda_k$). La capa aprende los parámetros de dilatación ($\lambda$) y los parámetros de morfología ($\eta$).
2. Capa de Agrupación (Pooling): Un mecanismo de agrupación único que retiene solo los $Q$ coeficientes de ondícula absolutos máximos para cada escala. Esto actúa como un filtro 1D, extrayendo los componentes de frecuencia dominantes (pseudo-frecuencias) mientras descarta el ruido.
3. Cabeza de Clasificación: Seguida por capas totalmente conectadas con activación ReLU. La salida utiliza una activación Sigmoid para tareas binarias (detección) o Softmax para tareas multiclase (clasificación).

El modelo está diseñado para ser ligero, adecuado para el despliegue en tiempo real en hardware limitado y completamente diferenciable, permitiendo el entrenamiento de extremo a extremo.

Contribuciones Clave

1. Nueva Capa de Convolución RGW: Los autores introducen una nueva capa convolucional que utiliza núcleos RGW y que aprende tanto la morfología óptima de la ondícula madre como las escalas relevantes. Esto permite que el sistema extraiga características físicamente significativas de señales no periódicas y no estacionarias.
2. Capacidad de Detección de Enjambres: El estudio demuestra que el método propuesto puede distinguir eficazmente entre intrusiones de UAV individuales y enjambres de drones coordinados, una tarea que complica muchas estrategias de defensa.
3. Interpretabilidad y Rendimiento: El enfoque cierra la brecha entre el procesamiento de señales interpretable tradicional y el aprendizaje profundo. Los coeficientes de ondícula tienen un significado físico (similitud con formas de ondícula específicas a escalas específicas), a diferencia de los parámetros opacos de las redes neuronales profundas estándar.
4. Sistema Rentable: Al utilizar micrófonos MEMS y una red neuronal ligera, los autores proponen un sistema que evita los altos costos y la complejidad de los sistemas basados en radar o visión, manteniendo al mismo tiempo una alta precisión.

Resultados Experimentales

Los autores evaluaron el modelo en tres escenarios utilizando validación cruzada de 5 pliegues, comparándolo con Random Forest (RF), SVM (Lineal y RBF), Naive Bayes (NB), Red Neuronal Totalmente Conectada (FCNN) y Red Neuronal Convolucional estándar (CNN).

• Escenario 1: Detección de Enjambres (Interior)
  • Tarea: Distinguir entre ruido de fondo, un UAV individual y múltiples UAVs.
  • Resultado: El modelo RGW propuesto logró una precisión media del 92,52%, superando a la CNN estándar (90,57%) y superando significativamente a los métodos tradicionales de aprendizaje automático (por ejemplo, RF con 78,94%).
• Escenario 2: Clasificación de UAVs (Interior)
  • Tarea: Clasificar modelos específicos de UAV (Mavic Pro, Mavic Pro 2, Mavic Mini).
  • Resultado: El modelo RGW logró una precisión media del 99,20%, comparable a la CNN (99,97%) pero con menos parámetros y mayor interpretabilidad.
• Escenario 3: Detección en Entorno Exterior Ruidoso
  • Tarea: Detección binaria de un UAV individual en medio de un fuerte ruido de fondo (tráfico, viento, helicópteros).
  • Resultado: El modelo RGW logró una precisión media del 90,55%, superando a la CNN (89,60%) y a todos los métodos de referencia. Los autores señalan que la interpretabilidad fue crucial aquí para verificar la validez del modelo en un entorno tan difícil.

Significancia y Afirmaciones

El artículo afirma que el método propuesto ofrece un algoritmo de aprendizaje automático físicamente interpretable que supera a los enfoques tradicionales de aprendizaje automático y iguala o supera el rendimiento del estado del arte en aprendizaje profundo en tareas de detección de UAVs.

Las afirmaciones clave sobre la significancia incluyen:

• Adaptabilidad: A diferencia de los extractores de características estáticos, la capa RGW se adapta a diferentes tipos de UAV y condiciones ambientales.
• Adecuación para Aplicaciones Críticas para la Seguridad: La interpretabilidad de las características aborda las preocupaciones sobre la naturaleza de "caja negra" del aprendizaje profundo en aplicaciones de defensa críticas para la seguridad.
• Eficiencia: El modelo logra una alta precisión con un número reducido de parámetros, lo que lo hace adecuado para el despliegue en hardware con recursos limitados.
• Reproducibilidad: Los autores enfatizan que su implementación está disponible públicamente, asegurando la reproducibilidad de sus resultados.

Los autores concluyen que, aunque su modelo genérico actual es efectivo, el trabajo futuro se centrará en modelos especializados para tareas específicas y en el despliegue en tiempo real. No afirman resolver todos los desafíos de detección de drones, sino que presentan una solución robusta, interpretable y rentable para la detección y clasificación basadas en acústica.