Resumo Técnico: Classificação e Detecção de Múltiplos Veículos Aéreos Não Tripulados (UAVs) Usando Redes Neurais de Ondaletas Gaussianas Racionais

Declaração do Problema

A detecção e classificação de Veículos Aéreos Não Tripulados (UAVs) é um desafio crítico para proteger infraestruturas civis e militares contra ameaças que vão desde o contrabando até a vigilância. Embora existam várias modalidades de detecção (radar, visão, RF), a detecção baseada em som oferece vantagens distintas: é custo-efetiva, pode ser implantada sem necessidade de linha de visada e é capaz de classificar tipos de UAVs e estimar posições. No entanto, a detecção acústica enfrenta obstáculos significativos, incluindo ruído de fundo, interferência do vento e a natureza não estacionária e não periódica dos sinais de áudio de drones.

Abordagens existentes baseadas em som frequentemente dependem de extração de características estáticas (por exemplo, Transformada Rápida de Fourier de Tempo Curto) seguidas por modelos tradicionais de aprendizado de máquina. Embora interpretáveis, esses métodos estáticos falham em adaptar-se a tipos variados de UAVs, manobras e condições ambientais. Por outro lado, modelos de aprendizado profundo alcançam alto desempenho, mas frequentemente carecem de interpretabilidade física e exigem hardware especializado, o que representa riscos para aplicações críticas de segurança. Os autores identificam uma lacuna para um sistema que seja tanto altamente preciso quanto fisicamente interpretável, capaz de distinguir UAVs individuais de enxames em ambientes ruidosos.

Metodologia

O artigo propõe uma abordagem de Aprendizado de Máquina Orientado a Modelos (MDML) utilizando uma Rede Neural Convolucional de Ondaletas Gaussianas Racionais (RGW). Esta arquitetura integra o processamento de sinais diretamente no processo de aprendizado para garantir interpretabilidade física.

1. Processamento de Sinais e Aquisição de Dados

• Fontes de Dados: Os experimentos utilizaram dados de áudio de um estúdio interno controlado (taxa de amostragem de 192 kHz) e de um ambiente externo ruidoso (taxa de amostragem de 8 kHz).
• Pré-processamento: Os sinais de áudio foram segmentados em janelas não sobrepostas de 100 ms (19.200 amostras a 192 kHz) e normalizados para média zero e variância unitária.
• Diversidade de UAVs: O conjunto de dados incluiu vários UAVs comerciais multirotores (por exemplo, série DJI Mavic, Avata 2, Matrice 30T) com massas, configurações de rotor e faixas de RPM diferentes para cobrir um amplo espectro acústico.

2. Núcleos de Ondaletas Gaussianas Racionais (RGW)

A inovação central é o uso de núcleos RGW, uma classe de ondaletas admissíveis definidas por um vetor de parâmetros $\eta$ contendo zeros polinomiais ($t_k$) e polos ($z_j$). A ondaleta mãe $\psi_\eta(t)$ é definida como:
$$\psi_\eta(t) = C(\eta) P_\eta(t) v_\eta(t) e^{-t^2/2}$$
Diferentemente das ondaletas tradicionais com formas fixas, os RGWs permitem que a morfologia da ondaleta mãe seja otimizada através de parâmetros aprendíveis. Isso permite que a rede aprenda adaptativamente a forma de ondaleta ideal para assinaturas específicas de UAVs.

3. Arquitetura da Rede

A rede proposta consiste em:

1. Camada de Convolução RGW: Aplica convoluções discretas do sinal de entrada com núcleos RGW em múltiplas escalas ($\lambda_k$). A camada aprende os parâmetros de dilatação ($\lambda$) e os parâmetros de morfologia ($\eta$).
2. Camada de Pooling: Um mecanismo de pooling único que retém apenas os $Q$ maiores coeficientes de ondaleta absolutos para cada escala. Isso atua como um filtro 1D, extraindo os componentes de frequência dominantes (pseudo-frequências) enquanto descarta o ruído.
3. Cabeça de Classificação: Seguida por camadas totalmente conectadas com ativação ReLU. A saída utiliza ativação Sigmoid para tarefas binárias (detecção) ou Softmax para tarefas multiclasse (classificação).

O modelo é projetado para ser leve, adequado para implantação em tempo real em hardware limitado, e totalmente diferenciável, permitindo treinamento de ponta a ponta.

Principais Contribuições

1. Nova Camada de Convolução RGW: Os autores introduzem uma nova camada convolucional usando núcleos RGW que aprende tanto a morfologia ótima da ondaleta mãe quanto as escalas relevantes. Isso permite que o sistema extraia características fisicamente significativas de sinais não periódicos e não estacionários.
2. Capacidade de Detecção de Enxames: O estudo demonstra que o método proposto pode distinguir efetivamente entre intrusões de UAVs individuais e enxames coordenados de drones, uma tarefa que complica muitas estratégias de defesa.
3. Interpretabilidade e Desempenho: A abordagem preenche a lacuna entre o processamento de sinais interpretável tradicional e o aprendizado profundo. Os coeficientes de ondaleta carregam significado físico (similaridade a formas de ondaleta específicas em escalas específicas), ao contrário dos parâmetros opacos de redes neurais profundas padrão.
4. Sistema Custo-Efetivo: Ao utilizar microfones MEMS e uma rede neural leve, os autores propõem um sistema que evita os altos custos e a complexidade de sistemas baseados em radar ou visão, mantendo alta precisão.

Resultados Experimentais

Os autores avaliaram o modelo em três cenários usando validação cruzada de 5 dobras, comparando-o com Random Forest (RF), SVM (Linear e RBF), Naive Bayes (NB), Rede Neural Totalmente Conectada (FCNN) e Rede Neural Convolucional padrão (CNN).

• Cenário 1: Detecção de Enxames (Interno)
  • Tarefa: Distinguir entre ruído de fundo, um único UAV e múltiplos UAVs.
  • Resultado: O modelo RGW proposto alcançou uma precisão média de 92,52%, superando a CNN padrão (90,57%) e superando significativamente os métodos tradicionais de ML (por exemplo, RF em 78,94%).
• Cenário 2: Classificação de UAVs (Interno)
  • Tarefa: Classificar modelos específicos de UAV (Mavic Pro, Mavic Pro 2, Mavic Mini).
  • Resultado: O modelo RGW alcançou 99,20% de precisão média, comparável à CNN (99,97%), mas com menos parâmetros e maior interpretabilidade.
• Cenário 3: Detecção em Ambiente Externo Ruidoso
  • Tarefa: Detecção binária de um único UAV em meio a ruído de fundo pesado (tráfego, vento, helicópteros).
  • Resultado: O modelo RGW alcançou 90,55% de precisão média, superando a CNN (89,60%) e todos os métodos de linha de base. Os autores observam que a interpretabilidade foi crucial aqui para verificar a validade do modelo em tal cenário difícil.

Significado e Alegações

O artigo alega que o método proposto oferece um algoritmo de aprendizado de máquina fisicamente interpretável que supera as abordagens tradicionais de aprendizado de máquina e iguala ou excede o desempenho de aprendizado profundo de última geração em tarefas de detecção de UAVs.

Alegações-chave sobre o significado incluem:

• Adaptabilidade: Diferentemente de extratores de características estáticos, a camada RGW adapta-se a diferentes tipos de UAVs e condições ambientais.
• Adequação para Aplicações Críticas de Segurança: A interpretabilidade das características aborda preocupações sobre a natureza de "caixa preta" do aprendizado profundo em aplicações de defesa críticas para a segurança.
• Eficiência: O modelo alcança alta precisão com um pequeno número de parâmetros, tornando-o adequado para implantação em hardware com recursos limitados.
• Reprodutibilidade: Os autores enfatizam que sua implementação está publicamente disponível, garantindo a reprodutibilidade de seus resultados.

Os autores concluem que, embora seu modelo genérico atual seja eficaz, trabalhos futuros focarão em modelos especializados para tarefas específicas e implantação em tempo real. Eles não alegam resolver todos os desafios de detecção de drones, mas apresentam uma solução robusta, interpretável e custo-efetiva para detecção e classificação baseadas em acústica.