技術概要：有理ガウスウェーヴレットニューラルネットワークを用いた複数 UAV の分類と検出

問題定義

無人航空機（UAV）の検出と分類は、密輸から監視に至るまで多様な脅威から民間および軍事インフラを保護する上で極めて重要な課題である。レーダー、視覚、RF など、さまざまな検出モダリティが存在するが、音響に基づく検出には明確な利点がある。すなわち、コスト効果が高く、視界を必要とせずに展開でき、UAV の種類を分類し位置を推定できる点である。しかし、音響検出には、背景雑音、風による干渉、ドローンの音声信号の非定常性・非周期性といった重大な障壁が存在する。

既存の音響ベースのアプローチは、しばしば静的な特徴量抽出（短時間フーリエ変換など）に従って従来の機械学習モデルを適用するものである。解釈可能である一方で、これらの静的な手法は、UAV の種類、機動、環境条件の変化に適応することができない。一方、深層学習モデルは高い性能を達成するが、物理的な解釈性が欠如しており、専用ハードウェアを必要とするため、安全上重要なアプリケーションにおいてリスクを伴う。著者らは、高い精度と物理的な解釈性の両方を備え、騒音環境において単一の UAV と群れを区別できるシステムの必要性を指摘している。

手法

本論文は、物理的な解釈性を確保するために信号処理を学習プロセスに直接統合する**モデル駆動型機械学習（MDML）**アプローチを提案する。このアーキテクチャは、**有理ガウスウェーヴレット（RGW）**畳み込みニューラルネットワークを利用する。

1. 信号処理とデータ取得

• データソース: 実験には、制御された屋内スタジオ（192 kHz サンプリング）と騒音の多い屋外環境（8 kHz サンプリング）の両方からのオーディオデータが使用された。
• 前処理: オーディオ信号は、100 ミリ秒の非重なりウィンドウ（192 kHz では 19,200 サンプル）にセグメント化され、平均ゼロ、分散 1 に正規化された。
• UAV の多様性: データセットには、質量、ローター構成、RPM 範囲が異なるさまざまな商用マルチローター UAV（DJI Mavic シリーズ、Avata 2、Matrice 30T など）が含まれており、広範な音響スペクトルをカバーしている。

2. 有理ガウスウェーヴレット（RGW）カーネル

中核的な革新は、多項式の零点（$t_k$）と極（$z_j$）を含むパラメータベクトル $\eta$ によって定義される許容ウェーヴレットのクラスである RGW カーネルの使用である。母ウェーヴレット $\psi_\eta(t)$ は以下のように定義される：
$$\psi_\eta(t) = C(\eta) P_\eta(t) v_\eta(t) e^{-t^2/2}$$
固定された形状を持つ従来のウェーヴレットとは異なり、RGW は学習可能なパラメータを通じて母ウェーヴレットの形態を最適化することを可能にする。これにより、ネットワークは特定の UAV 署名に対して最適なウェーヴレット形状を適応的に学習できる。

3. ネットワークアーキテクチャ

提案されたネットワークは以下の構成からなる：

1. RGW 畳み込み層: 入力信号と RGW カーネルとの離散畳み込みを複数のスケール（$\lambda_k$）で適用する。この層は、伸縮パラメータ（$\lambda$）と形態パラメータ（$\eta$）を学習する。
2. プーリング層: 各スケールに対して、上位 $Q$ 個の絶対値最大のウェーヴレット係数のみを保持する独自のプーリング機構である。これは 1 次元フィルタとして機能し、支配的な周波数成分（疑似周波数）を抽出しながらノイズを棄却する。
3. 分類ヘッド: ReLU 活性化関数を持つ全結合層に続く。出力は、二値タスク（検出）にはシグモイド活性化を、多クラスタスク（分類）にはソフトマックスを使用する。

このモデルは軽量であり、限られたハードウェアでのリアルタイム展開に適しており、かつ完全に微分可能であるため、エンドツーエンドの学習が可能である。

主な貢献

1. 新規 RGW 畳み込み層: 著者らは、最適な母ウェーヴレットの形態と関連するスケールの両方を学習する RGW カーネルを用いた新しい畳み込み層を導入した。これにより、非周期的・非定常な信号から物理的に意味のある特徴を抽出することが可能になる。
2. 群れ検出能力: 本研究は、提案された手法が単一の UAV 侵入と協調したドローン群れを効果的に区別できることを実証している。これは多くの防衛戦略を複雑にする課題である。
3. 解釈性と性能: このアプローチは、従来の解釈可能な信号処理と深層学習の間のギャップを埋める。ウェーヴレット係数は、標準的な深層ニューラルネットワークの不透明なパラメータとは異なり、特定のスケールにおける特定のウェーヴレット形状との類似性という物理的な意味を担っている。
4. コスト効果の高いシステム: MEMS マイクロフォンと軽量なニューラルネットワークを利用することで、著者らは、レーダーや視覚ベースのシステムの高いコストと複雑さを回避しつつ、高い精度を維持するシステムを提案している。

実験結果

著者らは、ランダムフォレスト（RF）、SVM（線形および RBF）、ナイーブベイズ（NB）、全結合 NN（FCNN）、標準的な畳み込み NN（CNN）と比較して、5 回交差検証を用いた 3 つのシナリオでモデルを評価した。

• シナリオ 1: 群れ検出（屋内）
  • タスク: 背景雑音、単一の UAV、複数の UAV を区別する。
  • 結果: 提案された RGW モデルは平均精度 92.52% を達成し、標準的な CNN（90.57%）を上回り、従来の機械学習手法（例：RF は 78.94%）を大幅に凌駕した。
• シナリオ 2: UAV 分類（屋内）
  • タスク: 特定の UAV モデル（Mavic Pro、Mavic Pro 2、Mavic Mini）を分類する。
  • 結果: RGW モデルは 99.20% の平均精度を達成し、CNN（99.97%）と同等であったが、パラメータ数が少なく、解釈性が高い。
• シナリオ 3: 騒音の多い屋外環境での検出
  • タスク: 交通、風、ヘリコプターなどの激しい背景雑音の中で単一の UAV を二値検出する。
  • 結果: RGW モデルは 90.55% の平均精度を達成し、CNN（89.60%）およびすべてのベースライン手法を上回った。著者らは、このような困難な設定においてモデルの有効性を検証するために、解釈性が重要であったと指摘している。

意義と主張

本論文は、提案された手法が、UAV 検出タスクにおいて従来の機械学習アプローチを上回り、最先端の深層学習の性能と同等かそれ以上である物理的に解釈可能な機械学習アルゴリズムを提供すると主張している。

重要性に関する主な主張には以下が含まれる：

• 適応性: 静的な特徴量抽出器とは異なり、RGW レイヤーは異なる UAV の種類や環境条件に適応する。
• 安全上重要な用途への適合性: 特徴の解釈性は、安全上重要な防衛アプリケーションにおける深層学習の「ブラックボックス」性に関する懸念に対処する。
• 効率性: このモデルは少数のパラメータで高い精度を達成するため、リソース制約のあるハードウェアでの展開に適している。
• 再現性: 著者らは、実装が公開されており、結果の再現性が保証されていることを強調している。

著者らは、現在の汎用モデルは効果的であるが、将来の研究は特定のタスク向けの専用モデルとリアルタイム展開に焦点を当てることを結論付けている。彼らはすべてのドローン検出の課題を解決したと主張するのではなく、音響ベースの検出と分類のための堅牢で解釈可能かつコスト効果の高い解決策を提示している。