🤖 machine learning

Classification and detection of multiple UAVs using rational Gaussian wavelet neural networks

यह शोध पत्र एक लागत प्रभावी, व्याख्यात्मक मशीन लर्निंग प्रणाली का प्रस्ताव करता है जो ध्वनिक संकेतों के आधार पर एकल मानव रहित विमानों (UAVs) और ड्रोन झुंडों दोनों का पता लगाने और वर्गीकरण करने के लिए रैशनल गॉसियन वेवलेट न्यूरल नेटवर्क का उपयोग करता है, जो विभिन्न वातावरणों में पारंपरिक तरीकों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

मूल लेखक: Ungvári Gergő, Ferenc Braun, Attila Ámon, Péter Kackstädter, János Volk, Péter Kovács, Tamás Dózsa

प्रकाशित 2026-05-27

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ungvári Gergő, Ferenc Braun, Attila Ámon, Péter Kackstädter, János Volk, Péter Kovács, Tamás Dózsa

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक बहुत ही शोर वाले जंगल में एक विशिष्ट पक्षी की चहचहाहट को पहचानने की कोशिश कर रहे हैं। आप पक्षी को देख नहीं सकते, और कारों, हवा और अन्य जानवरों का शोर हो रहा है। अधिकांश सुरक्षा प्रणालियाँ इस समस्या को "सुपर-हियरिंग" माइक्रोफ़ोन का उपयोग करके हल करने का प्रयास करती हैं और फिर उस ध्वनि को एक विशाल, 'ब्लैक-बॉक्स' कंप्यूटर मस्तिष्क (डीप लर्निंग) के माध्यम से चलाती हैं जो अनुमान लगाता है कि वह ध्वनि क्या है। जबकि ये ब्लैक बॉक्स अक्सर अनुमान लगाने में बहुत अच्छे होते हैं, वे यह नहीं बताते कि उन्होंने वह अनुमान क्यों लगाया, और उन्हें चलाने के लिए महंगे, शक्तिशाली कंप्यूटरों की आवश्यकता होती है।

यह शोध पत्र ड्रोन (UAVs) को सुनने के लिए एक अलग, स्मार्ट और सस्ता तरीका प्रस्तावित करता है। यहाँ उनके दृष्टिकोण का विवरण दिया गया है:

1. समस्या: "भूसे के ढेर में सुई"

ड्रोन आम होते जा रहे हैं, लेकिन उनका उपयोग जासूसी या तस्करी जैसे बुरे कामों के लिए भी किया जा सकता है। उन्हें रोकने के लिए, हमें उन्हें सुनना होगा। लेकिन ड्रोन छोटे होते हैं, कम ऊंचाई पर उड़ते हैं, और उनकी आवाज़ हवा, यातायात या अन्य शोर द्वारा आसानी से दबा दी जाती है। इसके अलावा, कभी-कभी एक अकेला ड्रोन उड़ रहा होता है, और कभी-कभी पूरा "स्वार्म" (एक समूह) एक साथ उड़ रहा होता है। एक ड्रोन और एक समूह के बीच अंतर करना, या एक "मैविक" (Mavic) ड्रोन को "मिनी" (Mini) ड्रोन से अलग पहचानना, ऐसा है जैसे किसी के द्वारा वॉयलिन और बांसुरी दोनों बजाने के दौरान ट्रक के गुजरने के शोर के बीच अंतर करने की कोशिश करना।

2. समाधान: "ब्लैक बॉक्स" के बजाय एक "ट्यूनेबल कान"

लेखकों ने एक ऐसा सिस्टम बनाया है जो एक ब्लैक बॉक्स के बजाय एक ट्यूनेबल कान (समायोज्य कान) की तरह काम करता है।

पुराना तरीका (स्थिर फिल्टर): कल्पना कीजिए कि आप हेडफ़ोन के एक निश्चित फिल्टर के साथ एक विशिष्ट पक्षी को सुनने की कोशिश कर रहे हैं। यदि पक्षी अपना गाना बदल देता है या हवा तेज हो जाती है, तो आपके हेडफ़ोन खुद को समायोजित नहीं कर सकते, और आप पक्षी को सुनने से चूक जाते हैं। पिछले तरीकों ने इन "स्थिर" फिल्टरों का उपयोग किया था।
नया तरीका (अनुकूलन योग्य फिल्टर): लेखकों ने रेशनल गॉसियन वेवलेट (Rational Gaussian Wavelet - RGW) नामक एक विशेष उपकरण बनाया है। इसे एक आकार बदलने वाले कान के रूप में सोचें।
- यह एक बुनियादी आकार (जैसे एक सामान्य कान) से शुरू होता है।
- जैसे ही यह ड्रोन को सुनता है, यह उस विशिष्ट ड्रोन की "गूंज" (hum) से पूरी तरह मेल खाने के लिए अपना आकार बदलने के बारे में सीख जाता है।
- यह एक छोटे ड्रोन या एक बड़े औद्योगिक ड्रोन के ध्वनि सिग्नेचर के अनुरूप ढलने के लिए खिंच सकता है, सिकुड़ सकता है और मुड़ सकता है, भले ही हवा चल रही हो।

3. यह कैसे काम करता है: "संगीत स्कोर"

सिस्टम कच्ची ध्वनि (raw sound) को लेता है और उसे इस आकार बदलने वाले कान के माध्यम से चलाता है।

वेवलेट (Wavelet): केवल ध्वनि के वॉल्यूम को देखने के बजाय, यह ध्वनि को एक "समय-पैमाने" (time-scale) के मानचित्र में तोड़ देता है (जैसे एक संगीत स्कोर जो दिखाता है कि कोई नोट कब होता है और वह कितना ऊंचा या नीचा है)।
सीखना (Learning): सिस्टम केवल ध्वनि को याद नहीं करता; यह ध्वनि के सिग्नेचर के आकार को सीखता है। यह ठीक से समझ जाता है कि कौन से "नोट्स" (फ्रीक्वेंसी) ड्रोन के हैं और कौन से हवा के हैं।
निर्णय (Decision): एक बार जब ध्वनि इन स्पष्ट, भौतिक विशेषताओं में टूट जाती है, तो एक छोटा, सरल कंप्यूटर मस्तिष्क (एक छोटा न्यूरल नेटवर्क) उस स्कोर को देखता है और कहता है, "यह मैविक प्रो है," या "यह तीन ड्रोनों का एक समूह है," या "यह सिर्फ हवा है।"

4. यह क्यों विशेष है

यह व्याख्या योग्य (Explainable) है: क्योंकि यह सिस्टम इन "आकार बदलने वाले कानों" (वेवलेट्स) का उपयोग करता है जिनका एक स्पष्ट गणितीय आकार होता है, हम परिणामों को देख सकते हैं और समझ सकते हैं कि सिस्टम ने क्या सुना। हम केवल एक रहस्यमय कंप्यूटर पर भरोसा नहीं कर रहे हैं; हम उन भौतिक विशेषताओं को देख सकते हैं जिन्हें इसने पाया है।
यह हल्का (Lightweight) है: क्योंकि सिस्टम सुनने के मामले में स्मार्ट है, इसे एक विशाल सुपरकंप्यूटर की आवश्यकता नहीं है। यह छोटे, सस्ते हार्डवेयर (जैसे फोन में माइक्रोफोन) पर चल सकता है।
यह स्वार्म (Swarms) को संभालता है: यह एक ड्रोन और एक समूह के बीच अंतर कर सकता है, जो अन्य प्रणालियों के लिए एक कठिन कार्य है।

5. परिणाम: शोर पर जीत

लेखकों ने दो स्थानों पर इसका परीक्षण किया:

एक शांत स्टूडियो: जहाँ वे ड्रोनों को पूरी तरह से सुन सकते थे।
एक शोर वाला बाहरी वातावरण: जहाँ हेलीकॉप्टर, यातायात और हवा का शोर पृष्ठभूमि में चिल्ला रहा था।

परिणाम:

शांत स्टूडियो में, उनका सिस्टम विभिन्न ड्रोन मॉडलों को बताने में लगभग पूर्ण (99% सटीकता) था, जिसने परीक्षण किए गए लगभग सभी अन्य तरीकों को पीछे छोड़ दिया।
शोर वाले बाहरी वातावरण में, यह अभी भी यह पता लगाने में सर्वश्रेष्ठ था कि वहां ड्रोन है या नहीं, जिसने जटिल, भारी-भरकम कंप्यूटर मॉडलों को भी पछाड़ दिया।
महत्वपूर्ण रूप से, इसने यह सब करते हुए भी व्याख्यात्मकता (हम जानते हैं कि यह कैसे काम करता है) और लागत-प्रभावशीलता (इसे महंगे हार्डवेयर की आवश्यकता नहीं है) बनाए रखी।

संक्षेप में: उन्होंने एक विशाल, रहस्यमय कंप्यूटर मस्तिष्क को एक चतुर, अनुकूलन योग्य "आकार बदलने वाले कान" से बदल दिया है जो तूफान में भी ड्रोन के विशिष्ट गीत को सुन सकता है, और यह स्पष्ट रूप से बता सकता है कि उसने क्या सुना।

तकनीकी सारांश: रेशनल गौसियन वेवलेट न्यूरल नेटवर्क का उपयोग करके मल्टीपल UAV का वर्गीकरण और पहचान

समस्या विवरण

अनमैन्ड एरियल व्हीकल्स (UAVs) की पहचान और वर्गीकरण, तस्करी से लेकर निगरानी तक के खतरों के विरुद्ध नागरिक और सैन्य बुनियादी ढांचे की सुरक्षा के लिए एक महत्वपूर्ण चुनौती है। जबकि विभिन्न पहचान विधियाँ (रडार, विजन, RF) मौजूद हैं, ध्वनि-आधारित पहचान विशिष्ट लाभ प्रदान करती है: यह लागत प्रभावी है, इसे बिना लाइन-ऑफ-साइट के तैनात किया जा सकता है, और UAV प्रकारों को वर्गीकृत करने तथा उनकी स्थिति का अनुमान लगाने में सक्षम है। हालांकि, ध्वनिक पहचान (acoustic detection) में महत्वपूर्ण बाधाएं आती हैं, जिनमें बैकग्राउंड शोर, हवा का हस्तक्षेप, और ड्रोन ऑडियो संकेतों की गैर-स्थिर (non-stationary) और गैर-आवधिक (non-periodic) प्रकृति शामिल है।

मौजूदा ध्वनि-आधारित दृष्टिकोण अक्सर स्थिर फीचर एक्सट्रैक्शन (जैसे, शॉर्ट-टाइम फूरियर ट्रांसफॉर्म) और पारंपरिक मशीन लर्निंग मॉडल पर निर्भर करते हैं। हालांकि ये व्याख्या योग्य (interpretable) हैं, लेकिन ये बदलते हुए UAV प्रकारों, युद्धाभ्यास और पर्यावरणीय स्थितियों के अनुकूल होने में विफल रहते हैं। इसके विपरीत, डीप लर्निंग मॉडल उच्च प्रदर्शन प्राप्त करते हैं लेकिन अक्सर भौतिक व्याख्यात्मकता (physical interpretability) की कमी होती है और उन्हें विशेष हार्डवेयर की आवश्यकता होती है, जो सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए जोखिम पैदा करता है। लेखक एक ऐसे सिस्टम के लिए अंतराल की पहचान करते हैं जो अत्यधिक सटीक और भौतिक रूप से व्याख्या योग्य हो, और शोर वाले वातावरण में एकल UAV को झुंड (swarms) से अलग करने में सक्षम हो।

कार्यप्रणाली

यह शोध पत्र एक मॉडल-ड्रिवन मशीन लर्निंग (MDML) दृष्टिकोण का प्रस्ताव करता है जो एक रेशनल गौसियन वेवलेट (RGW) कनवल्शनल न्यूरल नेटवर्क का उपयोग करता है। यह आर्किटेक्चर भौतिक व्याख्यात्मकता सुनिश्चित करने के लिए सिग्नल प्रोसेसिंग को सीधे सीखने की प्रक्रिया में एकीकृत करता है।

1. सिग्नल प्रोसेसिंग और डेटा अधिग्रहण

डेटा स्रोत: प्रयोगों में नियंत्रित इनडोर स्टूडियो (192 kHz सैंपलिंग) और शोर वाले आउटडोर वातावरण (8 kHz सैंपलिंग) दोनों से प्राप्त ऑडियो डेटा का उपयोग किया गया।
प्रीप्रोसेसिंग: ऑडियो सिग्नल्स को 100 ms के नॉन-ओवरलैपिंग विंडोज़ (19,200 सैंपल्स @ 192 kHz) में विभाजित किया गया और जीरो मीन एवं यूनिट वेरिएंस के लिए नॉर्मलाइज किया गया।
UAV विविधता: डेटासेट में विभिन्न कमर्शियल मल्टीरोटर UAVs (जैसे, DJI Mavic सीरीज़, Avata 2, Matrice 30T) शामिल थे, जिनमें अलग-अलग द्रव्यमान (mass), रोटर कॉन्फ़िगरेशन और RPM रेंज थी ताकि एक विस्तृत ध्वनिक स्पेक्ट्रम को कवर किया जा सके।

2. रेशनल गौसियन वेवलेट (RGW) कर्नेल्स

मुख्य नवाचार RGW कर्नेल्स का उपयोग है, जो कि एक पैरामीटर वेक्टर $\eta$ द्वारा परिभाषित एडमिसेबल वेवलेट्स (admissible wavelets) की एक श्रेणी है, जिसमें बहुपद शून्य ( $t_k$ ) और पोल ( $z_j$ ) शामिल हैं। मदर वेवलेट $\psi_\eta(t)$ को इस प्रकार परिभाषित किया गया है:
$\psi_\eta(t) = C(\eta) P_\eta(t) v_\eta(t) e^{-t^2/2}$
फिक्स्ड शेप वाले पारंपरिक वेवलेट्स के विपरीत, RGWs मदर वेवलेट की आकृति (morphology) को सीखे जाने योग्य (learnable) पैरामीटर्स के माध्यम से अनुकूलित करने की अनुमति देते हैं। यह नेटवर्क को विशिष्ट UAV हस्ताक्षरों (signatures) के लिए इष्टतम वेवलेट आकार को अनुकूल रूप से सीखने में सक्षम बनाता है।

3. नेटवर्क आर्किटेक्चर

प्रस्तावित नेटवर्क में निम्नलिखित शामिल हैं:

RGW कनवल्शन लेयर: यह कई स्केल्स ( $\lambda_k$ ) पर RGW कर्नेल्स के साथ इनपुट सिग्नल के डिस्क्रीट कनवल्शन को लागू करता है। यह लेयर डिलेशन पैरामीटर्स ( $\lambda$ ) और मॉर्फोलॉजी पैरामीटर्स ( $\eta$ ) को सीखती है।
पूलिंग लेयर: एक अनूठा पूलिंग मैकेनिज्म जो प्रत्येक स्केल के लिए केवल शीर्ष $Q$ मैक्सिमम एब्सोल्यूट वेवलेट कोएफिशिएंट्स को बनाए रखता है। यह एक 1D फिल्टर के रूप में कार्य करता है, जो शोर को हटाते हुए डोमिनेंट फ्रीक्वेंसी कंपोनेंट्स (स्यूडो-फ्रीक्वेंसीज) को निकालता है।
क्लासिफिकेशन हेड: इसके बाद ReLU एक्टिवेशन के साथ फुली कनेक्टेड लेयर्स होती हैं। आउटपुट बाइनरी कार्यों (डिटेक्शन) के लिए सिग्मॉइड (Sigmoid) एक्टिवेशन या मल्टी-क्लास कार्यों के लिए सॉफ्टमैक्स (Softmax) का उपयोग करता है।

यह मॉडल हल्का (lightweight) बनाया गया है, जो सीमित हार्डवेयर पर रियल-टाइम डिप्लॉयमेंट के लिए उपयुक्त है, और पूरी तरह से डिफरेंशिएबल (differentiable) है, जिससे एंड-टू-एंड ट्रेनिंग संभव है।

मुख्य योगदान

नया RGW कनवल्शन लेयर: लेखक एक नया कनवल्शनल लेयर पेश करते हैं जो RGW कर्नेल्स का उपयोग करता है जो इष्टतम मदर वेवलेट मॉर्फोलॉजी और प्रासंगिक स्केल्स दोनों को सीखता है। यह सिस्टम को नॉन-पीरियडिक, नॉन-स्टेशनरी सिग्नल्स से भौतिक रूप से सार्थक फीचर्स निकालने की अनुमति देता है।
स्वार्म डिटेक्शन क्षमता: अध्ययन यह प्रदर्शित करता है कि प्रस्तावित विधि एकल UAV घुसपैठ और समन्वित ड्रोन झुंडों (coordinated drone swarms) के बीच प्रभावी ढंग से अंतर कर सकती है, जो कई रक्षा रणनीतियों को जटिल बनाता है।
व्याख्यात्मकता और प्रदर्शन: यह दृष्टिकोण पारंपरिक व्याख्या योग्य सिग्नल प्रोसेसिंग और डीप लर्निंग के बीच के अंतर को पाटता है। वेवलेट कोएफिशिएंट्स भौतिक अर्थ (विशिष्ट स्केल्स पर विशिष्ट वेवलेट आकृतियों के साथ समानता) वहन करते हैं, जो मानक डीप न्यूरल नेटवर्क के अस्पष्ट (opaque) पैरामीटर्स के विपरीत है।
लागत प्रभावी सिस्टम: MEMS माइक्रोफोन और एक लाइटवेट न्यूरल नेटवर्क का उपयोग करके, लेखक एक ऐसा सिस्टम प्रस्तावित करते हैं जो रडार या विजन-आधारित सिस्टम की उच्च लागत और जटिलता से बचता है, जबकि उच्च सटीकता बनाए रखता है।

प्रयोगात्मक परिणाम

लेखकों ने 5-फोल्ड क्रॉस-वैलिडेशन का उपयोग करके तीन परिदृश्यों में अपने मॉडल का मूल्यांकन किया, जिसकी तुलना रैंडम फॉरेस्ट (RF), SVM (लीनियर और RBF), नैव बेयस (NB), फुली कनेक्टेड NN (FCNN), और मानक कनवल्शनल NN (CNN) से की गई।

परिदृश्य 1: स्वार्म डिटेक्शन (इनडोर)
- कार्य: बैकग्राउंड नॉइज़, एक एकल UAV, और मल्टीपल UAVs के बीच अंतर करना।
- परिणाम: प्रस्तावित RGW मॉडल ने 92.52% की औसत सटीकता प्राप्त की, जो मानक CNN (90.57%) से बेहतर है और पारंपरिक ML विधियों (जैसे, RF 78.94%) से काफी आगे है।
परिदृश्य 2: UAV वर्गीकरण (इनडोर)
- कार्य: विशिष्ट UAV मॉडल्स (Mavic Pro, Mavic Pro 2, Mavic Mini) को वर्गीकृत करना।
- परिणाम: RGW मॉडल ने 99.20% औसत सटीकता प्राप्त की, जो CNN (99.97%) के समकक्ष है लेकिन कम पैरामीटर्स और उच्च व्याख्यात्मकता के साथ है।
परिदृश्य 3: शोर वाले आउटडोर वातावरण में डिटेक्शन
- कार्य: भारी बैकग्राउंड शोर (ट्रैफिक, हवा, हेलीकॉप्टर) के बीच एक एकल UAV की बाइनरी डिटेक्शन।
- परिणाम: RGW मॉडल ने 90.55% की औसत सटीकता प्राप्त की, जो CNN (89.60%) और सभी बेसलाइन विधियों से बेहतर है। लेखकों ने उल्लेख किया कि ऐसे कठिन परिवेश में मॉडल की वैधता को सत्यापित करने के लिए व्याख्यात्मकता (interpretability) अत्यंत महत्वपूर्ण थी।

महत्व और दावे

पेपर का दावा है कि प्रस्तावित विधि एक भौतिक रूप से व्याख्या योग्य मशीन लर्निंग एल्गोरिदम प्रदान करती है जो UAV डिटेक्शन कार्यों में पारंपरिक मशीन लर्निंग दृष्टिकोणों से बेहतर प्रदर्शन करती है और स्टेट-ऑफ-द-आर्ट डीप लर्निंग प्रदर्शन के बराबर या उससे अधिक है।

महत्व के संबंध में प्रमुख दावे हैं:

अनुकूलन क्षमता (Adaptability): स्थिर फीचर एक्सट्रैक्टर्स के विपरीत, RGW लेयर विभिन्न UAV प्रकारों और पर्यावरणीय स्थितियों के अनुकूल होती है।
सुरक्षा-महत्वपूर्ण उपयुक्तता: फीचर्स की व्याख्यात्मकता डीप लर्निंग की "ब्लैक बॉक्स" प्रकृति से जुड़ी चिंताओं को संबोधित करती है, जो सुरक्षा-महत्वपूर्ण रक्षा अनुप्रयोगों में महत्वपूर्ण है।
दक्षता (Efficiency): मॉडल कम संख्या में पैरामीटर्स के साथ उच्च सटीकता प्राप्त करता है, जिससे यह संसाधन-सीमित हार्डवेयर पर डिप्लॉयमेंट के लिए उपयुक्त बनता है।
पुनरुत्पादकता (Reproducibility): लेखक अपने कार्यान्वयन को सार्वजनिक रूप से उपलब्ध होने पर जोर देते हैं, जिससे उनके परिणामों की पुनरुत्पादकता सुनिश्चित होती है।

लेखक निष्कर्ष निकालते हैं कि हालांकि उनका वर्तमान जेनेरिक मॉडल प्रभावी है, भविष्य का कार्य विशिष्ट कार्यों के लिए विशेष मॉडल और रियल-टाइम डिप्लॉयमेंट पर केंद्रित होगा। वे सभी ड्रोन डिटेक्शन चुनौतियों को हल करने का दावा नहीं करते हैं, बल्कि ध्वनिक-आधारित पहचान और वर्गीकरण के लिए एक मजबूत, व्याख्या योग्य और लागत प्रभावी समाधान प्रस्तुत करते हैं।