Framework di rilevamento acustico di UAV migliora l'F1 score al 78,6% in condizioni di campo di battaglia

Uno studio recente pubblicato su arXiv (2608.14287) introduce un framework completo per il rilevamento acustico passivo di piccoli veicoli aerei senza pilota (UAV) in ambienti di campo di battaglia reali. Affronta due problemi principali: gli alti livelli di rumore ambientale e i domain shift dovuti a hardware variabile. Il metodo combina la normalizzazione dell'energia per canale (PCEN) con il pooling basato su attenzione per migliorare l'estrazione delle caratteristiche in scenari a basso rapporto segnale-rumore. Inoltre, un approccio di addestramento domain-aware utilizza classi ausiliarie e dati multi-microfono per ridurre i cali di prestazioni tra domini. Testato su un dataset distintivo di registrazioni di combattimento dal fronte ucraino, il metodo migliora notevolmente l'F1 score dal 55,4% al 78,6%. Questa ricerca sottolinea il rilevamento acustico passivo come una soluzione praticabile ed economicamente vantaggiosa per il rilevamento di UAV in contesti militari.