【报告内容】

汇报人：姚梦钊

汇报单位：河海大学

主题：《Unmanned Aerial Vehicles anomaly detection model based on sensor information fusion and hybrid multimodal neural network》

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1.待解决问题描述

传统的无人机异常检测模型存在一些不足，首先，它们无法整合来自多个传感器的跨时间和频域数据，阻碍了异常检测模型准确评估无人机状态的能力。

其次，它们将相同的预测误差损失应用于所有类别，从而导致某些关键类别出现过多的误报。

最后，它们大多使用单模态分类模型来处理来自多个异构传感器的数据，这使得模型难以提取目标特征。

2.相关创新方案

本文提出了一种基于传感器信息融合和混合多模态神经网络(IF-HMNN)的无人机异常检测模型。

首先，基于新设计的多源异构无人机传感器信息对齐算法(MHSIA)，IF-HMNN可以实现多传感器信息融合。

其次，设计了类权分配机制，增加了IF-HMNN对关键类的关注。

最后，根据不同的时频域特征对两种模态的神经网络分别进行训练，并通过混合投票机制对其分类结果进行合并。

3.实验总结

在实验部分，本文分别使用ALFA、UAVGPSAttack集进行了对比实验。实验结果表明，IF-HMNN模型在测试集上的精度高于基本模型和可比模型。IF-HMNN模型比其他异常检测模型具有更高的精度，但该模型可能会受到一些异常值的影响，导致误报。

4.未来工作

将致力于提高IF-HMNN的鲁棒性，并对其进行持续优化。此外，还将更多地关注UAV集群的异常检测，为该模型提供更广阔的发展前景。

报告时间：2024年08月30日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)