特許 7542863 周波数ホッピングを使用してドローンの存在を検知し、監視し、軽減するシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-08-23

(45)【発行日】2024-09-02

(54)【発明の名称】周波数ホッピングを使用してドローンの存在を検知し、監視し、軽減するシステム及び方法

(51)【国際特許分類】

   H04B 1/713 20110101AFI20240826BHJP

【ＦＩ】

H04B1/713

【請求項の数】 20

(21)【出願番号】P 2021570407

(86)(22)【出願日】2020-05-28

(65)【公表番号】

(43)【公表日】2022-08-10

(86)【国際出願番号】 US2020034969

(87)【国際公開番号】W WO2020243340

(87)【国際公開日】2020-12-03

【審査請求日】2023-05-09

(31)【優先権主張番号】62/921,033

(32)【優先日】2019-05-29

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】521495552

【氏名又は名称】スカイセーフ インコーポレイテッド

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】ロー、ブランドン ファン－シュアン

(72)【発明者】

【氏名】トーボーグ、スコット

(72)【発明者】

【氏名】イェン、チュン キン オ

【審査官】川口 貴裕

(56)【参考文献】

【文献】特開２００２－２０４１８６（ＪＰ，Ａ）

【文献】国際公開第２０１８／１７０７３９（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０１７／０１４８３３２（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１８／００８１３５５（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｂ １／７１３ － １／７１４３

Ｈ０４Ｋ ３／００

(57)【特許請求の範囲】

【請求項1】

１つ又は複数のドローンの存在を検知するシステムであって、
第１のドローンと第１のドローンコントローラとの間で送信される第１のＲＦ信号を受信するように構成された無線周波数（ＲＦ）受信機であって、前記第１のＲＦ信号は、複数の第１の周波数ホッピングパラメータによって定義される第１の周波数ホッピングシーケンスを含む、無線周波数（ＲＦ）受信機と、
プロセッサと、
コンピュータ可読メモリと、を備え、
前記コンピュータ可読メモリは、
前記プロセッサと通信し、少なくとも１つのプロセッサに、
ある時間間隔でＲＦ受信機から前記第１のＲＦ信号のサンプルを含むサンプルのセットを受信し、
前記第１の周波数ホッピングパラメータのパラメータモデルを取得し、
前記サンプルのセットから第１の複数のサンプルをランダムに選択すること、前記選択された第１の複数のサンプルに基づいて前記複数の第１の周波数ホッピングパラメータを推定すること、前記推定された複数の第１の周波数ホッピングパラメータに基づいて前記パラメータモデルの第１のインスタンスを構築すること、及び、前記第１の複数のサンプルと前記パラメータモデルの前記構築された第１のインスタンスとの間のフィッティング誤差を評価することによって、前記第１の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより、前記パラメータモデルをサンプルのセットに当てはめ、
前記パラメータモデルの前記構築された第１のインスタンスの各々に対する前記正常値及び前記外れ値に基づいて前記パラメータモデルの前記第１のインスタンスの１つを選択し、
前記パラメータモデルの前記選択された第１のインスタンスに基づいて前記第１のドローンを特定する、
動作を実行させるコンピュータ実行可能命令を記憶する、
システム。

【請求項2】

前記ＲＦ受信機は、第２のドローンと第２のドローンコントローラとの間で送信される第２のＲＦ信号を受信するようにさらに構成され、前記第２のＲＦ信号は、複数の第２の周波数ホッピングパラメータによって定義される第２の周波数ホッピングシーケンスを含み、前記サンプルのセットは前記第２のＲＦ信号のサンプルをさらに含み、
前記コンピュータ可読メモリは、前記少なくとも１つのプロセッサに、
前記パラメータモデルを、前記パラメータモデルの前記選択されたインスタンスにフィットしない外れ値に対応するサンプルのセットのサブセットに当てはめることであって、前記サブセットから第２の複数のサンプルをランダムに選択すること、前記選択された第２の複数のサンプルに基づいて前記複数の第２の周波数ホッピングパラメータを推定すること、前記推定された複数の第２の周波数ホッピングパラメータに基づいて前記パラメータモデルの第２のインスタンスを構築すること、及び、前記第２の複数のサンプルと前記パラメータモデルの第２のインスタンスとの間のフィッティング誤差を評価することにより、前記第２の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより、前記パラメータモデルを外れ値に対応するサンプルのセットのサブセットに当てはめることと、
前記パラメータモデルの前記構築された第２のインスタンスの各々に対する前記正常値及び外れ値に基づいて前記パラメータモデルの前記第２のインスタンスの１つを選択することと、
前記パラメータモデルの前記選択された第２のインスタンスに基づいて前記第２のドローンを特定することと、
を実行させる、コンピュータ実行可能命令をさらに記憶する、
請求項１に記載のシステム。

【請求項3】

前記複数の第１の周波数ホッピングパラメータを推定することは、予め定めたチャンネル中心周波数のセットにさらに基づいている、請求項１に記載のシステム。

【請求項4】

前記複数の第１の周波数ホッピングパラメータは、最初のホップの開始時間、２つの隣接ホップ間のホップ周期、初期時間後の最初のホップの開始周波数、２つの隣接ホップ間の周波数差、及びチャンネル数を含む、請求項３に記載のシステム。

【請求項5】

前記第１の複数のサンプルを正常値又は外れ値として分類することは、
前記パラメータモデルの前記構築された第１のインスタンスに基づいて、前記第１の複数のサンプルの各サンプルに対して時間フィッティング誤差及び周波数フィッティング誤差を決定することと、
対応するサンプルの前記時間フィッティング誤差及び前記周波数フィッティング誤差に基づいて、前記第１の複数のサンプルの各サンプルに対して複合フィッティング誤差を決定することと、
対応する前記複合フィッティング誤差の比較に基づいて、前記第１の複数のサンプルの各サンプルを前記正常値又は前記外れ値として分類することと、を含む、
請求項１に記載のシステム。

【請求項6】

最大数の正常値を有する前記パラメータモデルの前記構築された第１のインスタンスが選択される、請求項１に記載のシステム。

【請求項7】

前記パラメータモデルは、線形周波数ホッピングシーケンス、擬似ランダム周波数ホッピングシーケンス、非線形周波数ホッピングシーケンス、及び任意の線形周波数ホッピングシーケンスのうちの１つのモデルを含む、請求項１に記載のシステム。

【請求項8】

前記推定された複数の第１の周波数ホッピングパラメータを受信し、前記推定された複数の第１の周波数ホッピングパラメータに基づいて、前記第１のドローンと前記第１のドローンコントローラとの間の通信を妨害するための妨害ＲＦ信号を生成するように構成された妨害装置をさらに含む、請求項１に記載のシステム。

【請求項9】

ドローンの存在を検知する方法であって、
ある時間間隔でサンプルのセットを受信することであって、前記サンプルのセットは第１のドローンと第１のドローンコントローラとの間で送信される第１のＲＦ信号のサンプルを含み、前記第１のＲＦ信号は、複数の第１の周波数ホッピングパラメータによって定義される第１の周波数ホッピングシーケンスを含み、
前記第１の周波数ホッピングパラメータのパラメータモデルを取得することと、
前記パラメータモデルを前記サンプルのセットに当てはめることであって、前記サンプルのセットから第１の複数の前記サンプルをランダムに選択すること、前記選択された第１の複数の前記サンプルに基づいて前記複数の第１の周波数ホッピングパラメータを推定すること、前記推定された複数の第１の周波数ホッピングパラメータに基づいて前記パラメータモデルの第１のインスタンスを構築すること、及び、前記第１の複数の前記サンプルと前記パラメータモデルの前記構築された第１のインスタンスとの間のフィッティング誤差を評価することによって、前記第１の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより、前記パラメータモデルを前記サンプルのセットに当てはめることと、
前記パラメータモデルの前記構築された第１のインスタンスの各々に対する前記正常値及び外れ値に基づいて、前記パラメータモデルの前記第１のインスタンスのうちの１つを選択することと、
前記パラメータモデルの前記選択された第１のインスタンスに基づいて前記第１のドローンを特定することと、
を含む方法。

【請求項10】

前記サンプルのセットは、第２のドローンと第２のドローンコントローラとの間で送信される第２のＲＦ信号のサンプルをさらに含み、前記第２のＲＦ信号は、複数の第２の周波数ホッピングパラメータによって定義される第２の周波数ホッピングシーケンスを含み、
前記パラメータモデルを、前記パラメータモデルの前記選択されたインスタンスにフィットしない外れ値に対応するサンプルのセットのサブセットに当てはめることであって、前記サブセットから第２の複数のサンプルをランダムに選択すること、前記選択された第２の複数のサンプルに基づいて前記複数の第２の周波数ホッピングパラメータを推定すること、前記推定された複数の第２の周波数ホッピングパラメータに基づいて前記パラメータモデルの第２のインスタンスを構築すること、及び、前記第２の複数のサンプルと前記パラメータモデルの第２のインスタンスとの間のフィッティング誤差を評価することにより、前記第２の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより、前記パラメータモデルを外れ値に対応するサンプルのセットのサブセットに当てはめることと、
前記パラメータモデルの前記構築された第２のインスタンスの各々に対する前記正常値及び前記外れ値に基づいて前記パラメータモデルの前記第２のインスタンスの１つを選択することと、
前記パラメータモデルの前記選択された第２のインスタンスに基づいて前記第２のドローンを特定することと、
をさらに含む、請求項９に記載の方法。

【請求項11】

前記複数の第１の周波数ホッピングパラメータを推定することは、予め定めたチャンネル中心周波数のセットにさらに基づいている、請求項９に記載の方法。

【請求項12】

前記複数の第１の周波数ホッピングパラメータは、最初のホップの開始時間、２つの隣接ホップ間のホップ周期、初期時間後の最初のホップの開始周波数、２つの隣接ホップ間の周波数差、及びチャンネル数を含む、請求項１１に記載の方法。

【請求項13】

前記第１の複数のサンプルを正常値又は外れ値として分類することは、
前記パラメータモデルの前記構築された第１のインスタンスに基づいて、前記第１の複数のサンプルの各サンプルに対して時間フィッティング誤差及び周波数フィッティング誤差を決定することと、
対応するサンプルの前記時間フィッティング誤差及び前記周波数フィッティング誤差に基づいて、前記第１の複数のサンプルの各サンプルに対して複合フィッティング誤差を決定することと、
対応する前記複合フィッティング誤差の比較に基づいて、前記第１の複数のサンプルの各サンプルを前記正常値又は前記外れ値として分類することと、を含む、
請求項９に記載の方法。

【請求項14】

最大数の正常値を有する前記パラメータモデルの前記構築された第１のインスタンスが選択される、請求項９に記載の方法。

【請求項15】

前記パラメータモデルは、線形周波数ホッピングシーケンス、擬似ランダム周波数ホッピングシーケンス、非線形周波数ホッピングシーケンス、及び任意の線形周波数ホッピングシーケンスのうちの１つのモデルを含む、請求項９に記載の方法。

【請求項16】

コンピュータ装置に、
ある時間間隔でＲＦ受信機から第１のＲＦ信号のサンプルを含むサンプルのセットを受信し、
第１の周波数ホッピングパラメータのパラメータモデルを取得し、
前記サンプルのセットから第１の複数のサンプルをランダムに選択すること、前記選択された第１の複数のサンプルに基づいて複数の第１の周波数ホッピングパラメータを推定すること、前記推定された複数の第１の周波数ホッピングパラメータに基づいて前記パラメータモデルの第１のインスタンスを構築すること、及び、前記第１の複数のサンプルと前記パラメータモデルの前記構築された第１のインスタンスとの間のフィッティング誤差を評価することによって、前記第１の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより、前記パラメータモデルをサンプルのセットに当てはめ、
前記パラメータモデルの前記構築された第１のインスタンスの各々に対する前記正常値及び外れ値に基づいて前記パラメータモデルの前記第１のインスタンスの１つを選択し、
前記パラメータモデルの前記選択された第１のインスタンスに基づいて第１のドローンを特定する、
各手順を実行させるためのプログラム。

【請求項17】

前記サンプルのセットは、第２のドローンと第２のドローンコントローラとの間で送信される第２のＲＦ信号のサンプルをさらに含み、前記第２のＲＦ信号は、複数の第２の周波数ホッピングパラメータによって定義される第２の周波数ホッピングシーケンスを含み、
前記コンピュータ装置に、
前記パラメータモデルを、前記パラメータモデルの前記選択されたインスタンスにフィットしない外れ値に対応するサンプルのセットのサブセットに当てはめることであって、前記サブセットから第２の複数のサンプルをランダムに選択すること、前記選択された第２の複数のサンプルに基づいて前記複数の第２の周波数ホッピングパラメータを推定すること、前記推定された複数の第２の周波数ホッピングパラメータに基づいて前記パラメータモデルの第２のインスタンスを構築すること、及び、前記第２の複数のサンプルと前記パラメータモデルの第２のインスタンスとの間のフィッティング誤差を評価することにより、前記第２の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより、前記パラメータモデルを外れ値に対応するサンプルのセットのサブセットに当てはめることと、
前記パラメータモデルの前記構築された第２のインスタンスの各々に対する前記正常値及び外れ値に基づいて前記パラメータモデルの前記第２のインスタンスの１つを選択することと、
前記パラメータモデルの前記選択された第２のインスタンスに基づいて前記第２のドローンを特定することと、をさらに実行させるための、
請求項１６に記載のプログラム。

【請求項18】

前記複数の第１の周波数ホッピングパラメータを推定することは、予め定めたチャンネル中心周波数のセットにさらに基づいている、請求項１６に記載のプログラム。

【請求項19】

前記複数の第１の周波数ホッピングパラメータは、最初のホップの開始時間、２つの隣接ホップ間のホップ周期、初期時間後の最初のホップの開始周波数、２つの隣接ホップ間の周波数差、及びチャンネル数を含む、請求項１８に記載のプログラム。

【請求項20】

前記第１の複数のサンプルを正常値又は外れ値として分類することは、
前記パラメータモデルの前記構築された第１のインスタンスに基づいて、前記第１の複数のサンプルの各サンプルに対して時間フィッティング誤差及び周波数フィッティング誤差を決定することと、
対応するサンプルの前記時間フィッティング誤差及び前記周波数フィッティング誤差に基づいて、前記第１の複数のサンプルの各サンプルに対して複合フィッティング誤差を決定することと、
対応する前記複合フィッティング誤差の比較に基づいて、前記第１の複数のサンプルの各サンプルを前記正常値又は前記外れ値として分類することと、を含む、
請求項１６に記載のプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

（関連出願との相互参照）
本出願は、その全体が参照により本明細書に組み込まれる、令和１年５月２９日に出願された米国仮出願第６２／９２１，０３３号の利益を主張する。

【0002】

本明細書で開示されるシステム及び方法はドローンの存在を検知し、監視し、軽減することを対象とする。より詳細には、このシステム及び方法は、無線周波数通信を採用する複数のドローンの存在を検知するために使用することができる。

【背景技術】

【0003】

近年、無人航空機システム（ＵＡＳ）（ドローンとしてより一般的に知られている）は、空撮、農業、製品配送、インフラ点検、航空ライトショー、及び趣味のドローンレースにわたる多数のエキサイティングでクリエイティブな用途で幅広く使用されている。多くの用途におけるドローンの有用性にもかかわらず、それらはまた、セキュリティ、安全性、及びプライバシーに関する懸念を増大させる。ドローンは、国境を越えて武器や薬物を密輸するために使用されている。空港の近くでドローンを使用することは、安全上の懸念を提示し、周囲の空域が確保されるまで空港を閉鎖しなければならなくなる可能性がある。また、ドローンは、企業や国家のスパイ活動のツールとしても使用されている。したがって、ドローンを検知し、監視し、必要に応じてドローンの脅威を軽減する効果的な対無人機システム（ＣＵＡＳ）ソリューションが求められている。

【発明の概要】

【0004】

本開示のシステム、方法、及び装置はそれぞれ、いくつかの革新的な態様を有し、そのうちの１つだけが、本明細書で開示される望ましい属性に単独で関与するわけではない。

【0005】

一態様では、１つ又は複数のドローンの存在を検知するためのシステムが提供される。このシステムは、第１のドローンと第１のドローンコントローラとの間で送信される第１のＲＦ信号を受信するように構成された無線周波数（ＲＦ）受信機であって、第１のＲＦ信号は、複数の第１の周波数ホッピングパラメータによって定義される第１の周波数ホッピングシーケンスを含む、無線周波数（ＲＦ）受信機と、プロセッサと、コンピュータ可読メモリと、を備える。コンピュータ可読メモリは、プロセッサと通信し、少なくとも１つのプロセッサに、ある時間間隔でＲＦ受信機から第１のＲＦ信号のサンプルを含むサンプルのセットを受信し、第１の周波数ホッピングパラメータのパラメータモデルを取得し、サンプルのセットから第１の複数のサンプルをランダムに選択すること、選択された第１の複数のサンプルに基づいて複数の第１の周波数ホッピングパラメータを推定すること、推定された複数の第１の周波数ホッピングパラメータに基づいてパラメータモデルの第１のインスタンスを構築すること、及び、第１の複数のサンプルと前記パラメータモデルの構築された第１のインスタンスとの間のフィッティング誤差を評価することによって、第１の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことによりパラメータモデルをサンプルのセットに当てはめ、パラメータモデルの構築された第１のインスタンスの各々に対して正常値及び外れ値に基づいてパラメータモデルの第１のインスタンスの１つを選択し、パラメータモデルの選択された第１のインスタンスに基づいて第１のドローンを特定する、動作を実行させるコンピュータ実行可能命令が記憶されている。

【0006】

別の態様では、ドローンの存在を検知する方法が提供される。この方法は、ある時間間隔でサンプルのセットを受信することであって、サンプルのセットは第１のドローンと第１のドローンコントローラとの間で送信される第１のＲＦ信号のサンプルを含み、第１のＲＦ信号は、複数の第１の周波数ホッピングパラメータによって定義される第１の周波数ホッピングシーケンスを含む、ある時間間隔でサンプルのセットを受信することと、第１の周波数ホッピングパラメータのパラメータモデルを取得することと、（サンプルのセットから第１の複数のサンプルをランダムに選択すること、選択された第１の複数のサンプルに基づいて複数の第１の周波数ホッピングパラメータを推定すること、推定された複数の第１の周波数ホッピングパラメータに基づいてパラメータモデルの第１のインスタンスを構築すること、及び、第１の複数のサンプルとパラメータモデルの構築された第１のインスタンスとの間のフィッティング誤差を評価することによって、第１の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより）パラメータモデルをサンプルのセットに当てはめることと、パラメータモデルの構築された第１のインスタンスの各々に対して正常値及び外れ値に基づいて、パラメータモデルの第１のインスタンスのうちの１つを選択することと、パラメータモデルの選択された第１のインスタンスに基づいて第１のドローンを特定することと、を含む。

【0007】

さらに別の態様では、非一時的なコンピュータ可読記憶媒体が提供される。非一時的なコンピュータ可読記憶媒体は、実行されると、コンピュータ装置に、ある時間間隔でＲＦ受信機から第１のＲＦ信号のサンプルを含むサンプルのセットを受信し、第１の周波数ホッピングパラメータのパラメータモデルを取得し、（サンプルのセットから第１の複数のサンプルをランダムに選択すること、選択された第１の複数のサンプルに基づいて複数の第１の周波数ホッピングパラメータを推定すること、推定された複数の第１の周波数ホッピングパラメータに基づいてパラメータモデルの第１のインスタンスを構築すること、及び、第１の複数のサンプルとパラメータモデルの構築された第１のインスタンスとの間のフィッティング誤差を評価することによって、第１の複数のサンプルを正常値又は外れ値として分類すること、を繰り返すことにより）パラメータモデルをサンプルのセットに当てはめ、パラメータモデルの構築された第１のインスタンスの各々に対して正常値及び外れ値に基づいてパラメータモデルの第１のインスタンスの１つを選択し、パラメータモデルの選択された第１のインスタンスに基づいて第１のドローンを特定する、動作を行わせる命令を記憶している。

【図面の簡単な説明】

【0008】

【図1】図１は、本開示の態様による、ドローン検知システムを含む例示的な環境を示す図である。

【図2A】図２Ａは本開示の態様による、ドローンを検知し、監視し、及び／又は軽減するために使用され得る、図１からの例示的なドローン検知システムを示す図である。

【図2B】図２Ｂは、本開示の態様による、図２Ａのドローン検知システムを用いて検知され得る、図１からのドローンの例を示す図である。

【図2C】図２Ｃは、本開示の態様による、ドローンを制御するために使用することができる、図１からの例示的なコントローラを示す図である。

【図2D】図２Ｄは、本開示の態様による、１つ又は複数のドローンの存在を検知するために使用され得る別の例示的なドローン検知システムを示す図である。

【図2E】図２Ｅは、本開示の態様による、２つの異なるドローンによって使用される周波数ホッピングシーケンスの例を示す図である。

【図3】図３は、本開示の態様による、ドローンの存在を検知する方法を示す図である。

【図4】図４は、本開示の態様による、パラメータモデルのパラメータを推定する方法を示す図である。

【図5】図５は、１つ又は複数のドローンを監視するためにドローン検知システムによって実行され得る例示的な方法を示す図である。

【図6】図６は、１つ又は複数のドローンを軽減するためにドローン検知システムによって実行され得る例示的な方法を示す図である。

【図7】図７は、ＨｏｐＳＡＣ推定器とＬＳ推定器において、グロス誤差やタイミング誤差がない場合の様々な入力サンプル数に対する検知確率を示すグラフである。

【図8】図８は、グロス誤差の影響下での検知確率を示すグラフである。

【図9】図９は、タイミング誤差の分散の増加におけるタイミング誤差の影響下での、本明細書に開示される技術の実施形態の検知確率と最小二乗（ＬＳ）推定量とを示す図である。

【図10】図１０は、入力サンプルに現れる様々なターゲット数に対するターゲット検知確率を示す図である。

【発明を実施するための形態】

【0009】

近年、産業、商業、及び消費者領域におけるドローン用途の急速な成長は、セキュリティ、安全性、及びプライバシーに関する大きな懸念を引き起こしている。このため、ドローンの検知、監視、及び軽減のためのシステム及び技術に対する需要が増大している。

【0010】

ＣＵＡＳシステム（又は、単に「ドローン検知システム」）は、複数の段階を使用して動作することができる。第１段階では、ドローン検知システムは、ドローンの存在を検知し、ドローンが敵か味方かを判断する。ドローン検知システムは、ドローンとコントローラとの間で交換される信号を傍受又は監視することにより、これを達成することができる。特定のドローンは、周波数ホッピングプロトコルを使用してコントローラと無線通信するように構成され得る。本開示の特定の態様は、ドローンとコントローラとの間の周波数ホッピングベースの通信をモデル化するために使用され得る周波数ホッピングパラメータを検知することに関連していてもよい。

【0011】

娯楽用途や商業用途で広く使用されている小型ドローンは、近年、頻繁に報告されている無許可ドローン事件のために、公共の安全及び国土安全保障に関する警戒すべき懸念を引き起こしてきた。周波数ホッピングを行うドローンやコントローラからの潜在的な脅威を効果的に無効化する目的で、ドローン検知システムは、リアルタイムに対応するために、周波数ホッピング信号のパラメータを高精度かつ低複雑度で推定するように構成されてもよい。

【0012】

したがって、ドローン検知システムにおいて、これらのすべての要件を満たすためのモデルパラメータ推定法を提供することが望ましい。本開示の態様は、上述の課題に対処するための、ランダムサンプルコンセンサス（それは「ＨｏｐＳＡＣ」と称される）に基づくホッピングパラメータ推定方法に関するものである。有利なことに、本開示の態様は、比較的少ないサンプルのセット（いくつかの例ではわずか２つのサンプル）を使用して、リアルタイムで周波数ホッピングパラメータを正確に推定することができる。一例では、本明細書に開示される方法は、線形周波数ホッピングシーケンスのパラメータを推定し、リアルタイムで実現可能な低い実装複雑度で高いマルチターゲット検知性能を達成することができる。シミュレーション結果は、本明細書で説明する推定技術が、グロス誤差、タイミング誤差、及び／又は複数のドローンターゲットの影響下において、モデルパラメータ推定の並外れた精度を達成する点で、線形最小二乗法よりも著しく優れていることを示した。

【0013】

図１は、本開示の態様によるドローン検知システム１０１を含む例示的な環境１００を示す。特定の実施形態では、環境１００は、ドローン検知システム１０１と、１つ又は複数のドローン１０３Ａ～１０３Ｎと、１つ又は複数のドローンコントローラ１０５Ａ～１０５Ｎ（又は、単に「コントローラ」）とを含む。１つ又は複数のドローン１０３Ａ～１０３Ｎの一例を図２Ｂに示す。１つ又は複数のコントローラ１０５Ａ～１０５Ｎの一例を図２Ｃに示す。

【0014】

特定の実施形態では、ドローン１０３Ａ～１０３Ｎの各々は、ＲＦ信号１０７Ａ～１０７Ｎを介してコントローラ１０５Ａ～１０５Ｎの対応する１つと通信するように構成される。図示されていないが、いくつかの実施形態では、コントローラ１０５Ａ～１０５Ｎのうちの単一のコントローラが、ドローン１０３Ａ～１０３Ｎのうちの２つ以上を制御するように構成されてもよい。

【0015】

ドローン検知システム１０１は、ドローン１０３Ａ～１０３Ｎの存在を検知するために、ドローン１０３Ａ～１０３Ｎとコントローラ１０５Ａ～１０５Ｎとの間の通信の監視１０９Ａ～１０９Ｎを受信するように構成される。例えば、ドローン検知システム１０１は、ドローン１０３Ａ～１０３Ｎとコントローラ１０５Ａ～１０５Ｎとの間の通信を監視１０９Ａ～１０９Ｎするために、ドローン１０３Ａ～１０３Ｎとコントローラ１０５Ａ～１０５Ｎとの間で送信されるＲＦ信号１０７Ａ～１０７Ｎを受信するように構成され得る。特定の実施形態では、ドローン検知システム１０１がＲＦ信号１０７Ａ～１０７Ｎを復号することができると、ドローン検知システム１０１は、ドローン１０３Ａ～１０３Ｎを監視し、ドローン１０３Ａ～１０３Ｎの潜在的な脅威を軽減するために特定の動作を行うことができる。例えば、図６に関して説明されるように、ドローン検知システム１０１は、検知されたドローン１０３Ａ～１０３Ｎとコントローラ１０５Ａ～１０５Ｎとの間の通信を妨害するために、妨害ＲＦ信号を送信することができるし、及び／又は、ドローン１０３Ａ～１０３Ｎに着陸又はその他の方法で環境１００から離れるようにコマンドを送信することによって、コントローラ１０５Ａ～１０５Ｎになりすますことができる。

【0016】

図２Ａは、本開示の態様による、１つ又は複数のドローン１０３Ａ～１０３Ｎの存在を検知するために使用され得る例示的なドローン検知システム１０１を示す。特定の実施形態では、ドローン検知システム１０１は、プロセッサ１１１と、メモリ１１３と、フロントエンド１１５と、複数の送信アンテナ１１７Ａ～１１７Ｎと、複数の受信アンテナ１１９Ａ～１１９Ｎとを含む。他の実施形態では、アンテナ１１７Ａ～１１９Ｎのうちの１つ又は複数を、信号の送信及び受信の両方に使用することができる。

【0017】

特定の実施形態では、ドローン検知システム１０１は、受信アンテナ１１９Ａ～１１９Ｎのうちの１つを介してＲＦ信号（例えば、図１のＲＦ信号１０７Ａ～１０７Ｎ）を受信するように構成される。受信アンテナ１１９Ａ～１１９Ｎのうちの１つは、受信したＲＦ信号をフロントエンド１１５に供給する。特定の実施形態では、フロントエンド１１５は、受信したＲＦ信号をプロセッサ１１１が読み取り可能なフォーマットに処理することができる。例えば、特定の実施形態では、フロントエンド１１５は、受信されたＲＦ信号に対して、フィルタリング、増幅、アナログ-デジタル変換などの動作のうちの１つ又は複数を実行することができる。

【0018】

特定の実施形態では、メモリ１１３は、受信アンテナ１１９Ａ～１１９Ｎを介して受信されたＲＦ信号に基づいて、プロセッサ１１１にドローン（例えば、図１のドローン１０３Ａ～１０３Ｎ）の存在を検知させるためのコンピュータ可読命令を記憶することができる。さらに、特定の実施形態では、ドローン検知システム１０１は、検知されたドローン（複数可）に送信される信号（例えば、妨害信号又はＲＦ通信信号）をフロントエンド１１５に供給するように構成することもできる。次に、フロントエンド１１５は、処理された信号を送信アンテナ１１７Ａ～１１７Ｎのうちの１つ又は複数に供給する前に、プロセッサ１１１から受信した信号を処理することができる。

【0019】

ドローン検知システム１０１がドローン１０３Ａ～１０３Ｎの存在を検知するために使用することができる多くの異なる技術がある。例えば、ドローン検知システム１０１は、ドローン１０３Ａ～１０３Ｎの特定のモデル（複数可）によって使用されることが知られている周波数の電波を走査することができる。既知のプロトコルが識別された場合、ドローン検知システム１０１は、次に、意図された受信機／コントローラ１０５Ａ～１０５Ｎであるかのように信号を復号することができる。実施形態によっては、これらの復号ステップは、同期、チャンネル推定、デインタリーブ、デスクランブル、復調、及びエラー制御復号を含むことができる。特定の実施形態では、ドローン検知システム１０１は、コントローラ１０５Ａ～１０５Ｎによって知られている情報に関する知識（装置ＩＤなど）の欠如のために、前述のステップのいくつかをブラインドで実行するように構成することができる。以下に説明するように、特定の通信プロトコル（例えば、同期信号）を使用するドローン１０３Ａ～１０３Ｎのブラインド検知が、本明細書で提供される。ドローンが検知されると、ドローン検知システム１０１は、１つ又は複数のドローン１０３Ａ～１０３Ｎの存在に関する警告（複数可）を提供することができる。

【0020】

ドローン検知システム１０１は、１つ又は複数のドローン１０３Ａ～１０３Ｎの存在を監視することができる。監視の一部として、環境１００に対する１つ又は複数のドローン１０３Ａ～１０３Ｎの位置をリアルタイムで監視して、１つ又は複数のドローン１０３Ａ～１０３Ｎの位置が許容空域の内側又は外側にはみ出すかどうかを判断することができる。

【0021】

また、ドローン検知システム１０１によって取ることができる多数の軽減措置がある。例えば、１つ又は複数のドローン１０３Ａ～１０３Ｎを検知した後、ドローン検知システム１０１は、図６を参照して説明した動作のうちの１つ又は複数を行うことができる。例えば、特定の実施形態では、これらのアクションは、何もしない／監視し続けること、ドローン特有の妨害（drone-specific jamming）、広帯域妨害、及び制御の乗っ取りを含むことができる。

【0022】

図２Ｂは、本開示の態様による、ドローン検知システム１０１を用いて検知することができる例示的なドローン１０３を示す。特定の実施形態では、ドローン１０３は、１つ又は複数のプロペラ１２１、１つ又は複数のモータコントローラ１２３、バッテリ又は他の電源１２５、メモリ１２７、プロセッサ１２９、フロントエンド１３１、アンテナ１３３、及びカメラ１３５を含む。上述したように、アンテナ１３３は、コントローラ１０５（図２Ｃ参照）からＲＦ信号１０７を受信し、ＲＦ信号１０７をコントローラ１０５に戻すように構成されてもよい（例えば、カメラ１３５から得られた画像）。特定の実施形態では、アンテナ１３３から送信／受信されたＲＦ信号１０７はプロセッサ１２９に／プロセッサ１２９から供給され、フロントエンド１３１によって処理される。特定の実施形態では、プロペラ（複数可）１２１は、ドローン１０３が空域を操縦するときに、ドローン１０３に揚力と提供し、ドローン１０３の動きを制御する。プロペラ（複数可）１２１はまた、各プロペラ１２１に個別に動力を供給するように構成された１つ又は複数のモータ（図示せず）を含むことができる。

【0023】

特定の実施形態では、モータコントローラ（複数可）１２３は、（例えば、メモリ１２７に格納された命令と、コントローラ１０５から受信されたＲＦ信号１０７とに基づいて）プロセッサ１２９からドローン１０３を空域内の特定の地点に移動させる命令を受信し、受信した命令をプロペラ１２１に提供されるモータ位置コマンドに変換するように構成されている。特定の実施形態では、バッテリ１２５は、ドローン１０３の構成要素のそれぞれに電力を供給し、プロペラ１２１がドローン１０３を所定時間操縦することを可能にするのに十分な蓄電量を有している。カメラ１３５は、リアルタイムで画像を捕捉し、捕捉された画像を、ンテナ１３３を介してコントローラ１０５に提供することができ、これはユーザがドローン１０３の動きを制御するのを補助することができる。

【0024】

図２Ｃは、本開示の態様に従ってドローン１０３を制御するために使用され得る例示的なコントローラ１０５を示す。特定の実施形態では、コントローラ１０５は、メモリ１４１、プロセッサ１４３、フロントエンド１４５、アンテナ１４７、入力装置１４９、及びディスプレイ１５１を備える。上述したように、アンテナ１４７は、ドローン１０３（図２Ｂ参照）からＲＦ信号１０７（例えば、カメラ１３５から得られた画像）を受信し、ドローン１０３の動きを制御するために、ＲＦ信号１０７をドローン１０３に戻すように構成されてもよい。特定の実施形態では、アンテナ１４７から送信／受信されたＲＦ信号１０７は、プロセッサ１４３へ／プロセッサ１４３から供給され、フロントエンド１４５によって処理される。特定の実施形態では、入力装置１４９は、ユーザからの入力を受け付けるように構成される。ユーザからの入力は、ドローン１０３の動きを制御するコマンドを生成するためにプロセッサ１４３によって使用され得る。特定の実施形態では、ディスプレイ１５１は、ドローン１０３から受信した画像をユーザに表示して、ドローン１０３の現在位置及びその環境１００に関するフィードバックを提供するように構成される。いくつかの実施形態では、ディスプレイは、カメラ１３５によって取得された画像の一人称視点（first person view）を提供するために、ユーザによって着用される一対のゴーグルとして実装され得る。

【0025】

図２Ｄは、本開示の態様による、１つ又は複数のドローン１０３の存在を検知するために使用することができる別の例示的なドローン検知システム１０１を示す。特に、図２Ｄに示すドローン検知システム１０１は、簡素化されたシステムモデルである。実装態様に応じて、ドローン検知システム１０１は、図２Ｄに示されるよりも多いか又は少ない数の構成要素を含むことができる。ドローン検知システム１０１は、受信アンテナ１１９、受信機１６１、センサ／検出器１６３、ＨｏｐＳＡＣ推定器１６５、妨害装置１６７、送信機１６９、及び送信アンテナ１１７を含む。図２Ｄでは別個のブロックとして示されているが、ブロック１６１～１６９のうちの１つ又は複数は同じ構成要素（複数可）によって一緒に実装され得る。例えば、１つの実装形態では、受信機１６１、センサ／検出器１６３、妨害装置１６７、及び送信機１６９は、図２Ａに示すフロントエンド１１５によって実装され得る。一方、ＨｏｐＳＡＣ推定器１６５は、図２Ａに示すプロセッサ１１１によって実装され得る。

【0026】

特定の実施形態では、ドローン検知システム１０１は、ドローン検知システム１０１の検知範囲内のすべてのドローン１０３及び／又はコントローラ１０５から広帯域周波数ホッピング信号を受信することができる。特定の実施形態では、ドローン検知システム１０１は、次に、前処理後に、受信された周波数ホッピング信号の各々の信号パラメータを、パルス記述子ワード（ＰＤＷ：pulse descriptor words）の形態で記憶することができる。いくつかの実装形態では、前処理は、エミッタの種類や到来角度、パワースケルチ（power squelch）によるレベル制御、及び／又は整合フィルタリングによる相関のうちの１つ又は複数に基づいて、周波数ホッピング信号のクラスタを生成することを含むことができる。

【0027】

特定の実施形態では、センサ／検出器１６３は、時間

及び周波数

における周波数ホッピング信号のうちの所与の１つの存在を決定することができる。ここで、ｎは、時間-周波数サンプルのインデックスである。特定の実施形態では、センサ／検出器１６３は、パラメータ推定のために、Ｔ_ｓ秒毎に時間-周波数サンプル

のセットをＨｏｐＳＡＣ推定器１６５に送信することができる。特定の実施形態では、ＨｏｐＳＡＣ推定器１６５は、周波数ホッピングパラメータを推定し、妨害装置１６７を構成するために推定されたパラメータを提供することができる。特定の実施形態では、送信機１６９は、送信アンテナ１１７を介して反撃用の干渉信号を送信することができる。

【0028】

周波数ホッピングを用いたドローン（複数可）の検知
近年、ドローン１０３の使用は、それらの手頃さ及び汎用性のために人気を得ている。ドローン１０３はドローンレースのような娯楽飛行から、荷物の配送や不動産撮影のような商業利用まで、多くの用途で広く使用されている。FAA Forecastによれば、非モデル（商業用）ドローン１０３の使用は２０１８年から２０２３年にかけて３倍に増加するのに対し、モデル（娯楽用）ドローン１０３の使用は５年で１２５万台から１３９万台に増加するとされている。しかしながら、空港やスタジアム、国境付近でのドローン無許可の活動や事件が頻繁に報告されるようになり、公共の安全や国土安全保障に対する懸念が高まっている。したがって、効果的なドローン検知システム１０１は、ドローン１０３の不適切でかつ無許可の使用によって引き起こされる潜在的で差し迫った脅威を検知し、特定し、無効化するために、法執行機関及び軍隊にとって不可欠な機構となる。

【0029】

特定の実施形態において、ドローン検知システム１０１は、ドローン１０３及びコントローラ１０５が検知範囲内にあるときに、ドローン１０３及びコントローラ１０５から送信される任意の無線信号を検出し、時間的にいつ、周波数的にどこで受信信号が検出されたかを決定することができる。それにもかかわらず、時間及び周波数の情報は、誤差の影響を受ける。これらの誤差は、検知や測定の誤差、フェージングや干渉などのチャンネル障害、及び／又はキャリア周波数オフセットやタイミングジッタなどのハードウェア制限によって引き起こされ得るものである。ドローン１０３を検知する際の主な課題の１つは、これらのノイズの多い時間-周波数サンプルから周波数ホッピングパラメータを特定することである。これらのパラメータの推定は、複数のドローン１０３が検知範囲内に存在するマルチターゲットシナリオによってさらに複雑になる。

【0030】

周波数ホッピングパラメータ推定法には、動的計画法と低ランクトリリニア分解（low-rank trilinear decomposition）、スパース線形回帰、スパースベイズ法、直交マッチング追求など、様々な手法に基づくものがある。これらの手法は一般に、実装の複雑度が高く、リアルタイムで実行するのは困難である。したがって、応答時間が重要な制約となるリアルタイム用途には適していない。

【0031】

本開示の態様は、ランダムサンプルコンセンサスアルゴリズムに基づく周波数ホッピングパラメータ推定法（「ＨｏｐＳＡＣ」と称さることがある）を使用して１つ又は複数のドローン１０３を検知するシステム及び方法に関するものである。ランダムサンプルコンセンサス（ＲＡＮＳＡＣ）は、モデルを観測データに当てはめることによってモデルのパラメータを推定する手法である。ＲＡＮＳＡＣと同様に、本明細書で説明される特定の方法は、サンプルの小さなサブセットのみでグロス誤差を除去するその優れた能力のために、線形最小二乗法（ＬＳ）法よりも性能が優れている。外れ値（outliers）としても知られるグロス誤差は、大多数の観測値から著しく逸脱したデータサンプルである。本明細書で説明される方法がグロス誤差を切り捨てる能力によって、ドローン検知システム１０１は、より低い信号対雑音比（ＳＮＲ）での検知のために、より高い誤警報率を許容することが可能である。加えて、本明細書で説明される特定の方法は、タイミング誤差及び周波数誤差に対して非常にロバストであり、妨害装置１６７が時間的にはるかに正確なパルスを送信することを可能にし、したがって電力効率を改善し、巻き添え被害を低減する。

【0032】

本明細書で説明されるＨｏｐＳＡＣ技術の態様は、ドローン検知システム１０１が、周波数ホッピングするドローン及びコントローラのリアルタイムのパラメータ推定において、低い複雑度で推定精度の高い性能を実現するための効果的な方法を提供する。

【0033】

周波数ホッピング通信のモデル
周波数ホッピングパラメータの検出に使用されるシステム及び技術を説明するために、ドローン検知システム１０１は、ドローン１０３が通信に用いる線形ホッピングシーケンスの１つ又は複数のモデルを使用する。すなわち、ドローン１０３は、通信時に異なる周波数（又はチャンネル）間でホップするＲＦ通信を使用してコントローラ１０５と通信する。前述したように、ドローン検知システム１０１の検知範囲内に複数のドローン１０３が存在していてもよい。

【0034】

図２Ｅは、本開示の態様による、２つの異なるドローン１０３によって使用される周波数ホッピングシーケンスの例を示す。図２Ｅにおいて、赤色の点は第１の周波数ホッピングシーケンス１８１を示し、青色の点は第２の周波数ホッピングシーケンス１８３を示す。図２Ｅに示すように、第１の周波数ホッピングシーケンス１８１及び第２の周波数ホッピングシーケンス１８３は、それぞれ、一定の時間周期で複数の周波数間をホップする。

【0035】

特定の実施形態では、周波数ホッピングシーケンスは、図２Ｅに示す第１の周波数ホッピングシーケンス１８１及び第２の周波数ホッピングシーケンス１８３のような線形周波数ホッピングシーケンスであってもよい。線形周波数ホッピングシーケンスを使用してドローン１０３を検知するための技術は、本明細書において詳細に提供されるが、本開示の態様は、他のタイプの周波数ホッピングシーケンス、例えば、擬似ランダム周波数ホッピングシーケンス（例えば、線形フィードバックシフトレジスタ（ＬＦＳＲ）ベースの擬似ランダムホッピングシーケンス）、非線形周波数ホッピングシーケンス、任意の線形周波数ホッピングシーケンスなどにも適用することができる。

【0036】

図２Ｅに示す線形周波数ホッピングシーケンスのモデルは、２タプル（2-tuples）のシーケンスを表すｘ＝{ｘ_ｎ}と、周波数ホッピング信号の時間－周波数観測値を表す

と、を用いて記述することが可能である。ドローン１０３の送信時刻をｔ_ｎ、周波数をｆ_ｎと定義すると、タイミング誤差は、

と定義することができ、周波数誤差は、

と定義することができる。タイミング誤差ｔ_δ,ｎと周波数誤差ｆ_δ,ｎとは、それぞれ分散σ_ｔ ^２と分散σ_ｆ ^２とを有する独立同一分布（i.i.d.）のゼロ平均ガウス変数であると仮定することができる。すなわち、ｔ_δ，ｎ～Ｎ（０，σ_ｔ ^２）とｆ_δ，ｎ～Ｎ（０，σ_ｆ ^２）である。測定誤差に加えて、グロス誤差の発生はパラメータλを有するポアソン分布に従うと仮定することができ、ここでλは、時間間隔Ｔ_ｓ当たりのグロス誤差の平均数であり、外れ値到着率（outlier arrival rate）と呼ぶことができる。従って、各サンプルｘ_ｎは、実際のターゲットドローンの送信である可能性もあれば、スプリアスソース又はハードウェア障害によって引き起こされた誤警報である可能性もある。周波数ホッピングを使用してドローン１０３の存在を効果的に検知するために、実際のターゲットドローン１０３の送信と誤警報とを区別することが重要であり得る。

【0037】

上述のように、本明細書で説明される技術は、任意の周波数ホッピングモデルに適用することができる。しかしながら、線形帰還シフトレジスタ（ＬＦＳＲ）ベースの擬似ランダムホッピングシーケンスなどの特定の線形ホッピングシーケンスは、ホッピング状態の数が多いために、正確にフィットさせるために多数のサンプルを必要とする。例えば、線形ホッピングシーケンスｆ_ｍは、下記式のようにモデル化することができる。

【0038】

【数1】

【0039】

ここで、ｆ_０はタイムスタンプ０の後の最初のホップの開始周波数であり、ｆ_ｂは最下位チャンネルの中心周波数であり、ｆ_ｄは２つの隣接ホップ間の周波数差又は周波数間隔であり、Ｂ＝Ｎ_ｃ・ｂはすべてのチャンネルの総帯域幅であり、Ｎ_ｃはホッピングシーケンスで使用されるチャンネル数であり、ｂは特定の実施形態においてドローン検知システム１０１に知られ得るチャンネル帯域幅である。状況によっては、すべてのホップがドローン検知システム１０１によって観察され検知されるとは限らない。チャンネル中心周波数がチャンネル０（１）から始まるチャンネル番号にマッピングされる場合、線形周波数ホッピングシーケンスｆ_ｍは、下記式のように簡略化され得る。

【0040】

【数2】

【0041】

ここで、ｃ_ｍ＝（ｆ_ｍ－ｆ_ｂ）／ｂ、ｃ_０＝（ｆ_０－ｆ_ｂ）／ｂ、及びｃ_ｄ＝ｆ_ｄ／ｂである。ｃ_ｄは、ホップ番号又はホップ数とも称され得る。各ホップの対応するタイムスタンプｔ_ｍは、下記式で与えることができる。

【0042】

【数3】

【0043】

ここで、ｔ_０は最初のホップの開始時間であり、ｔ_ｄはホップ周期と呼ばれる２つの隣接ホップ間の時間間隔である。したがって、いくつかの実施形態では、周波数ホッピングパラメータモデルは、i）開始時間ｔ_０、ii）開始周波数ｆ_０又は開始チャンネルｃ_０、iii）ホップ周期ｔ_ｄ、iv）周波数間隔ｆ_ｄ又はホップ数ｃ_ｄ、及びｖ）チャンネル数Ｎ_ｃの５つのパラメータを含む。ＬＦＳＲベースの擬似ランダムシーケンスの例では、パラメータは、バイナリシーケンスからチャンネルの中心周波数へのマッピングが与えられた場合、シーケンス長Ｎ（例えば、ＬＦＳＲ段数Ｌ）及び多項式（ｇ_０、ｇ_Ｌ－１）を含むことができる。

【0044】

小型モデルドローンの動作周波数は公知であり、ＦＣＣ試験報告書で公開されている場合がある。例えば、ＤＪＩ ＧＬ３００Ａリモートコントローラの２．４ＧＨｚ帯域の２４０４ＭＨｚから２４８０ＭＨｚまでの３９チャンネルが定義されてもよい。動作周波数の差は、可能なすべてのチャンネルの中心周波数から導き出すことができる。図２Ｅは、ＤＪＩリモートコントローラＧＬ３００Ａ及びＧＬ３００Ｆからの周波数ホッピングシーケンスの例を示している。第１の周波数ホッピングシーケンス１８１は、パラメータｆ_ｂ＝２４０４ＭＨｚ、ｔ_０＝０．０１２秒、ｆ_０＝２４５６．７ＭＨｚ、ｔ_ｄ＝０．０１４秒、ｆ_ｄ＝３２．３ＭＨｚ、Ｎ_ｃ＝４５、及びｂ＝１．７ＭＨｚによって定義され得る。第２の周波数ホッピングシーケンス１８３は、パラメータｆ_ｂ＝２４０４ＭＨｚ、ｔ_０＝０．００７秒、ｆ_０＝２４１４ＭＨｚ、ｔ_ｄ＝０．０１４秒、ｆ_ｄ＝１０ＭＨｚ、Ｎ_ｃ＝３９、及びｂ＝２ＭＨｚによって定義され得る。

【0045】

周波数ホッピングパラメータを検出する技術の概要
図３は、本開示の態様による、ドローン１０３Ａ～１０３Ｎの存在を検知するための方法３００を示す。具体的には、方法３００は、検知範囲内の１つ又は複数のドローン１０３について周波数ホッピングパラメータを検出することを含む。特に、ドローン検知システム１０１は、１つ又は複数のドローン１０３Ａ～１０３Ｎの存在を検知するために、１つ又は複数のドローン１０３Ａ～１０３Ｎとコントローラ１０５Ａ～１０５Ｎとの間の通信に使用される周波数ホッピングシーケンスを定義するパラメータを検出することができる。

【0046】

方法３００はブロック３０１から開始する。ブロック３０２において、方法３００は、ある時間間隔についてＲＦ受信機からサンプルのセットを受信することを含む。いくつかの実装形態では、方法３００は、各時間間隔Ｔ_ｓについてセンサ／検出器１６３から長さ

の時間-周波数サンプルｘのベクトルを受信することを含むことができる。

【0047】

ブロック３０４では、方法３００は、周波数ホッピングパラメータのパラメータモデルを取得することを含む。例えば、線形周波数ホッピングシーケンスを使用して１つ又は複数のドローン１０３を検知する場合、パラメータモデルは、式（１）及び式（２）によって定義されるモデルのうちの１つに対応し得る。しかしながら、本開示の態様は、式（１）及び式（２）に記載されるパラメータモデルに限定されず、他の実施形態においては他のパラメータモデルを使用することができる。

【0048】

ブロック３０６において、方法３００は、パラメータモデルをサンプルに当てはめることを含む。本開示の態様は、パラメータモデルをサンプルに当てはめる際にＲＡＮＳＡＣパラダイムを使用することに関する。いくつかの実装形態では、パラメータモデルをサンプルに当てはめることは、サンプルｘのセットからｎ_ｓ個のサンプルをランダムに選択し、選択されたサンプルｎ_ｓを用いてパラメータを推定し、推定されたパラメータを用いてパラメータモデルのインスタンスを構築し、サンプルｎ_ｓの各々に対してフィッティング誤差を評価することによって、サンプルｎ_ｓを正常値（inliers）又は外れ値（outliers）に分類することを含む。ここで、正常値とは、パラメータモデルに密接に一致し、フィッティング誤差が無視できるか又は全くないサンプルを指す（例えば、フィッティング誤差が閾値誤差未満である）。一方、外れ値とは、フィッティングによる大きな誤差（グロス誤差）を生じるサンプルである（例えば、フィッティング誤差が閾値誤差以上である）。

【0049】

パラメータモデルをサンプルに当てはめる工程３０６は、パラメータモデルの複数のインスタンスを構築するために、Ｎ_ｒ回のトライアルのために繰り返されてもよい。ブロック３０８において、方法３００は、パラメータモデルの構築された第１のインスタンスの各々について、正常値及び外れ値に基づいてパラメータモデルの第１のインスタンスのうちの１つを選択することを含む。特定の実施形態では、例えば、「最適」モデルＭは、サンプルの最大のグループであるＩがコンセンサスに達するように、最大数の正常値|I|を有するパラメータモデルのインスタンスとして選択され得る。

【0050】

ブロック３１０において、方法３００は、パラメータモデルの選択されたインスタンスに基づいて第１のターゲットドローン１０３を特定することを含むことができる。第１のターゲットドローン１０３に対するパラメータモデルのインスタンスを選択した後で、パラメータモデルのインスタンスは、ターゲットセットＴに格納され得る。方法３００は、これらの正常値が第１のターゲットドローン１０３に関連するコンセンサスグループを既に形成しているので、サンプルのセットから正常値のセットを除去することをさらに含むことができる。その結果、外れ値のセットＯを入力サンプルｘとして用いて、第２のターゲットドローン１０３の最適モデルを求めることができる。したがって、方法３００は、受信したサンプルのセットが、第１のターゲットドローン１０３からの正常値が除去されたサンプルのサブセットである状態で、ブロック３０２から開始されて繰り返され得る。方法３００は、新しいターゲットドローン１０３が見つからなくなるまで、又はサンプルのセットに残っている外れ値の数が方法３００を実行するのに不十分になるまで、繰り返され得る。方法３００が完了すると、ターゲットセットＴは、検知されたターゲットドローン１０３のすべてについてのパラメータモデルのインスタンスを含む。

【0051】

モデルパラメータの推定
図４は、本開示の態様による、パラメータモデルのパラメータを推定する方法４００を示す。例えば、方法４００は、パラメータモデルを選択されたサンプルに当てはめるために、方法３００のブロック３０６の一部として実行することができる。

【0052】

特定の実施形態では、モデルパラメータ推定手順は、ランダムに選択されたサンプルと、定義されたチャンネル中心周波数Ｆ_ｉの情報とを用いて、モデルパラメータを推定する。ドローン検知デバイスは、周波数ホッピングデバイスタイプｉに対して公知の定義されたチャンネル中心周波数Ｆ_ｉのセットであるＦ＝∪_ｉＦ_ｉを記憶することができる。任意の２つの定義されたチャンネル周波数の周波数差と、所与のデバイスタイプｉに対するチャンネルの総数とは、Ｆ_ｉの事前情報に基づいて知ることができる。

【0053】

図３及び図４を参照して説明する。方法３００の各トライアルｒにおいて、方法４００は、チャンネル中心周波数Ｆ_ｉの事前情報を用いて各デバイスタイプｉのモデルパラメータを推定し、このデバイスタイプのパラメータモデルＭ´を得るために使用され得る。特定の実施形態では、デバイスタイプのパラメータモデルＭ´内のモデルパラメータを使用することによって、ドローン検知システム１０１は、サンプルのセットからすべてのサンプルのフィッティング誤差を計算し、特定のサンプルとデバイスタイプのパラメータモデルＭ´との間のフィッティング誤差に応じて、各サンプルを正常値又は外れ値として分類することができる。

【0054】

デバイスタイプのパラメータモデルＭ´は、パラメータモデルＭの選択されたインスタンスが以前のトライアルｒで見つかった場合、ブロック３０８で選択されたパラメータモデルＭのインスタンスと比較され得る。特定の実施形態では、パラメータモデルＭの選択されたインスタンスは、デバイスタイプのパラメータモデルＭ´の正常値の数|I'|が、パラメータモデルＭの選択されたインスタンスの正常値の数よりも大きい場合には、デバイスタイプのパラメータモデルＭ´と置き換えられ得る。すなわち、コンセンサスに到達する多数の正常値が、パラメータモデルＭの選択されたインスタンスよりもデバイスタイプのパラメータモデルＭ´に関連付けられている場合には、デバイスタイプのパラメータモデルＭ´は、ターゲットドローン１０３の最適推定値である可能性がより高くなり得る。すべてのトライアルｒの終了時に、パラメータモデルＭの選択されたインスタンスに残っている最適モデルは、推定されたホッピングパラメータの特定のセットを有する検知されたターゲットドローン１０３のモデルである。

【0055】

特定の実施形態では、モデルパラメータ推定手順は、ランダムに選択されたサンプルと、定義されたチャンネル中心周波数Ｆ_ｉの情報とを使用してモデルパラメータを推定する。図４を参照すると、ブロック４０２において、方法４００は、時間間隔Ｔ_ｓにおける観測値からｎ_ｓ個のサンプルをランダムに選択することを含む。式（１）及び式（２）で定義されるモデルのような線形ホッピングモデルでは、毎回ランダムに選択されるわずか２つのサンプル（ｎ_ｓ＝２）でパラメータ推定に充分であり得る。特定の実施形態では、まず、ｎ_ｓ個のサンプルがランダムに選択される。

２つのサンプルのいずれかの間の時間差及び周波数差のセットは、各々、

と

として計算することができる。Ｄ_ｔとＤ_ｆには、

個の要素がある。

【0056】

ブロック４０４では、方法４００は、周波数ホッピングパラメータを推定することを含む。例えば、一例では、ブロック４０４は、まず、ホップ周期ｔ_ｄの新しい推定値と、最初のホップｔ_０の開始時間を求めることを含むことができる。センサ／検出器１６３は、ホップ周期ｔ_ｄの粗い推定値

を提供することができる。

のそれぞれについて、サンプル

の間のホップ周期の数は、下記式によって求めることができる。

【0057】

【数4】

【0058】

ここで、[・]は丸め関数を表す。ｄ_ｔ,ｊ,ｋそれぞれのホップ周期ｔ_ｄの推定値は、下記式で得ることができる。

【0059】

【数5】

【0060】

最初のホップｔ_０の開始時間は、下記式のように推定され得る。

【0061】

【数6】

【0062】

ここで、ｓ_ｆは数値安定性のための安定係数である。

【0063】

次に、ドローン検知システム１０１は、開始周波数ｆ_０及び周波数間隔ｆ_ｄの新たな推定値を求めることができる。チャンネル中心周波数Ｆ_ｉから、チャンネル中心周波数Ｆ_ｉにおける動作周波数の差分のセットは、

である。

のそれぞれについて、ｄ_{ｆ，ｊ，ｋ}がＤ_ｉのいずれかの要素と小さな誤差δ_ｆ以内で一致する場合、ホップ間の周波数差の推定値

は、下記式を満たすｆ_{ｄ，ｊ，ｋ}とする。

【0064】

【数7】

【0065】

開始周波数ｆ_{０，ｊ，ｋ}を求めるために、方法４００は、まず、

から下記式で与えられる第１のサンプルｎ_{０，ｊ，ｋ}までのホップ数を求めることを含むことができる。

【0066】

【数8】

【0067】

開始周波数ｆ_{０，ｊ，ｋ}は、下記式のように推定することができる。

【0068】

【数9】

【0069】

同じグループ内の推定値が同じであるか、又は無視できる程度の差しか無い場合、それらは有効な推定値であると判断され得るし、有効な推定値を使用してパラメータモデルのインスタンスを作成することができる。すなわち、下記式を満たす。

【0070】

【数10】

【0071】

また、ｎ_ｃ＝１（ｎ_ｓ＝２）の場合は、

となる。チャンネル数Ｎ_ｃは、単純に|Ｆ_ｉ|であってもよい。ブロック４０６において、方法４００は、パラメータモデルのインスタンスを次のように構築することができる。

上述したように、ブロック４０８において、方法４００は、サンプルの各々についてフィッティング誤差を評価することによって、サンプルｎ_ｓを正常値又は外れ値として分類することを含むことができる。例えば、ドローン検知システム１０１は、サンプルｎ_ｓ各々のフィッティング誤差を閾値誤差と比較し、閾値誤差より小さいフィッティング誤差を有するサンプルｎ_ｓを正常値として分類し、残りのサンプルｎ_ｓを外れ値として分類することができる。方法４００は、ブロック４１０で終了する。

【0072】

正常値と外れ値の分類
ブロック４０８の分類プロセスの一実施形態は、フィッティング誤差の評価から開始することができる。フィッティング誤差の評価は、Ｍ´内のパラメータモデルの現在のインスタンスに基づいてすべてのサンプルのフィッティング誤差を計算することを含む。いくつかの実装形態では、各サンプルｋについて、ドローン検知システム１０１は、時間フィッティング誤差ε_ｔ，ｋと、周波数フィッティング誤差ε_ｆ，ｋとを別々に求めることができる。時間フィッティング誤差ε_ｔ，ｋは、数値的安定性のためのｓ_ｆの助けを借りて下記式で計算することができる。

【0073】

【数11】

【0074】

周波数フィッティング誤差ε_ｆ，ｋを求めるために、ドローン検知システム１０１は、まず、次式で与えられるサンプルのセットの最初から現在のサンプル

までのホップ間隔の数であるホップ位相ｈ_ｐを決定することができる。

【0075】

【数12】

【0076】

次いで、ドローン検知システム１０１は、モデルパラメータに基づいて、現在のサンプルの周波数を次のように推定することができる。

【0077】

【数13】

【0078】

次に、周波数フィッティング誤差は、

と決定することができる。次に、ドローン検知システム１０１は、時間フィッティング誤差ε_ｔ，ｋの２乗と、周波数フィッティング誤差ε_ｆ，ｋの２乗との和の平方根によって、複合フィッティング誤差εを決定することができる。すなわち、

である。各サンプルのフィッティング誤差ε_ｋは、フィッティング誤差の閾値

と比較することができる。ε_ｋが閾値

より小さい場合、サンプルｘ_ｋは正常値であり、正常値のセットＩ’に含まれる。それ以外の場合は、外れ値であり、外れ値のセットＯ´に含まれる。

【0079】

ドローン（複数可）の監視方法の例
ドローン１０３が、例えば、上記メトリクスの１つを使用して検知されると、ドローン検知システム１０１は、ドローン１０３に対して潜在的に軽減措置を講じる前に、一定期間ドローン１０３を監視することができる。図５は、ドローン１０３のうちの１つ又は複数を監視するためにドローン検知システム１０１によって実行され得る例示的な方法５００である。

【0080】

方法５００はブロック５０１から開始する。いくつかの実装形態では、方法５００は、図３の方法３００に基づいてドローン１０３を検知することに応答して実行され得る。ブロック５０２において、方法５００は、ドローン１０３とコントローラ１０５との間で送信されるＲＦ信号１０７を復号することを含む。ＲＦ信号１０７の周波数ホッピングパラメータが本開示の態様に従って推定される場合、ＲＦ信号１０７の復号は、これらのパラメータを使用して再構成された周波数ホッピングシーケンスに従うように受信機１６１を構成し、ＲＦ信号１０７と同期させることによって実行されてもよい。

【0081】

ブロック５０４において、方法５００は、復号されたＲＦ信号１０７からドローン１０３に関連するデータを記憶することを含む。例えば、データはドローン１０３によって実行される任意の活動（例えば、飛行データ）、ドローン１０３が敵か味方かを示すことができるドローンの挙動、一意のドローン識別子などを含むことができる。ブロック５０６において、方法５００は、ドローン１０３に対して軽減措置を実行すべきかどうかを判断することを含む。軽減措置が正当化される（warranted）と判断したことに応答して、方法５００はブロック５０６で終了することができ、そこで軽減措置６００を実行することができる。軽減措置が正当化されないと判断したことに応答して、方法５００はブロック５０２に戻る。

【0082】

ドローン（複数可）を軽減するための例示的な方法
ドローン１０３の軽減が適切であると判定した後、特定の実施形態では、ドローン検知システム１０１は、本開示の態様に従って、いくつかの異なる軽減措置のうちの１つ又は複数を実行する。図６は、ドローン１０３の１つ又は複数を軽減するためにドローン検知システム１０１によって実行することができる例示的な方法６００である。

【0083】

方法６００はブロック６０１から開始する。特定の実装形態では、方法６００は、図５のブロック５０６において軽減措置が正当化されると判断したことに応答して実行され得る。ブロック６０２において、方法６００は、実行する軽減手法を選択することを含む。次に、方法６００は、ブロック６０２で選択された軽減手法に基づいて、ブロック６０４～６１０のうちの１つに続くことを含む。

【0084】

ブロック６０４において、方法６００は、ドローン１０３を監視し続けることを含み、これは、方法５００のブロック５０２に戻ることを含むことができる。例えば、ドローン１０３が友好的であると判断された場合、及び／又はドローン検知システム１０１がより積極的な措置を取る法的権限を有していない場合、ドローン検知システム１０１は、ドローン１０３の存在をユーザに警告しながらドローン１０３の監視を継続することのみを許可されてもよい。

【0085】

ブロック６０６において、方法６００は、ドローン特有の妨害を実行することを含む。例えば、ドローン検知システム１０１がドローン１０３によって使用される周波数ホッピングパラメータを推定した場合、ドローン検知システム１０１は、推定されたパラメータを用いて妨害装置１６７を構成することができる。次に、妨害装置１６７は、妨害信号を生成し、送信アンテナ１１７を介して検知範囲内のすべてのドローン１０３に妨害信号を送信して、ドローン１０３とコントローラ１０５との間のＲＦ通信を妨害することができる。

【0086】

ブロック６０８において、方法６００は、ドローン検知システム１０１が、広帯域妨害を実行することを含む。特定の実施形態では、ドローン検知システム１０１がドローン特有の妨害を実行するためにＲＦ信号１０７によって使用される通信プロトコルに関する十分な情報を有しておらず、かつ広帯域妨害が環境１００内の他の友好的なドローン１０３に影響を及ぼさない場合には、広帯域妨害が適切であり得る。

【0087】

ブロック６１０において、方法は、ドローン検知システム１０１が、ドローン１０３の制御を乗っ取ることを含む。例えば、特定の実施形態では、周波数ホッピングＲＦ信号１０７を再構成するために、本開示の態様に従って推定された推定周波数ホッピングパラメータを使用して、ドローン検知システム１０１は、ドローン１０３に特定の操縦、例えばドローン１０３を安全な領域に着陸させることを実行させるために、ドローン１０３にコマンドを送信することができる。方法６００はブロック６１２で終了する。

【0088】

シミュレーション
以下の説明は、１つ又は複数のドローン１０３Ａ～１０３Ｎを検知するための上記の技術についての検証を提供する。検証は、Ｎ_ｉｔｅｒ＝１０，０００回の反復を伴うモンテカルロシミュレーションを使用して、ホッピングパラメータ推定のために本明細書で説明される技術の一実施形態について実行される。また、この性能を、グロス誤差、タイミング誤差、及びマルチターゲットの影響下で、線形ＬＳ推定の性能と比較した。シミュレーションにおけるパラメータ設定値を表１に示す。

【0089】

【表1】

【0090】

以下のシミュレーションは３つの線形周波数ホッピングデバイス（例えば、ターゲットドローン１０３）に基づいている。２．４ＧＨｚ帯のスペクトログラムは、ホップ間の粗い周期ｔ_ｄがおよそ１４ミリ秒であることを示している。反復毎に、シミュレーションは、検討中のこれら３つのデバイスからランダムにＮ_ｔ個のデバイスを選択することにより、Ｎ_ｔ個のターゲットドローンを生成する。各ターゲットドローンの周波数ホッピングシーケンスは、パラメータ

によって構成され、ここで、Ｆ_ｉは選択されたデバイスｉによって決定される。なお、同じデバイスが、異なるホッピングパラメータ及びホッピング挙動を有する複数のターゲットとして複数回選択され得ることに留意されたい。シミュレーションでは、すべてのターゲットからのホッピングサンプルが結合され、Ｎ_０個の外れ値が追加される。ここで、Ｎ_０は外れ値到着率λを有するポアソン処理によって決定され、時間間隔Ｔ_ｓ及びＦで定義された周波数範囲にランダムに配置され、ｔ_ｋはガウス分布Ｎ(０，σ_ｔ ^２)に従うタイミング誤差で調整される。最後に、すべての時間-周波数サンプルが時間領域でソートされて、入力サンプルが形成される。

【0091】

シミュレートされた実施形態及びＬＳ推定器の性能は、メトリック（下記式で定義されるターゲット検知確率Ｐ_ｄ）を使用することによって評価される。

【0092】

【数14】

【0093】

ここで、Ｉ_{ｊ，ｋ，ｌ}{ｘ}は、ターゲットｋとテストｌとに対する反復ｊの指標関数であり、ｘが真値である場合には１を返し、それ以外の場合には０を返す。

は、５つのテスト基準であり、

は、ターゲットｋの真のホッピングパラメータであり、

は、反復ｊの最適ホッピングパラメータ推定値である。まず、ターゲット検知性能を満たすために必要な入力サンプル数を求める。次に、グロス誤差とタイミング誤差の影響のもとでの単一ターゲット検知（Ｎ_ｔ＝１）の性能を評価した。最後に、マルチターゲットシナリオにおけるパラメータ推定性能が評価される。

【0094】

入力時間－周波数サンプル数
最初に、特定の実施形態では、この処理は、モデルパラメータ推定精度及びターゲット検知確率Ｐ_ｄの特定の水準を達成するために、各検知／取得周期Ｔ_ｓにおいて検出器で必要とされるサンプルの個数を決定する。図７は、グロス誤差（λ＝０）やタイミング誤差（σ_ｔ ^２＝０）の無いＨｏｐＳＡＣ及びＬＳ推定器について様々な入力サンプル数（Ｎ_ｓ）に対する検知確率Ｐ_ｄを示すグラフである。図７に示すように、本明細書に記載の技術の実施形態は、最小二乗法（ＬＳ）よりもＰ_ｄ＝０．９を達成するために、必要とされるサンプルがわずかに少ない。１００％に近い精度を達成するためには、両方の方法は、約３５個のサンプルを必要とする。公平な比較のために、特に断らない限り、残りのシミュレーションでは、取得期間はＴ_ｓ＝０．５秒に設定された。これは、粗いホップ周期＝０．０１４秒について約３５個の時間-周波数サンプルを生成する。

【0095】

グロス誤差の影響
次に、モデルパラメータの推定精度に対するグロス誤差の影響を評価した。図８は、グロス誤差の影響下での検知確率を示すグラフである。図８は、入力サンプルにおける外れ値到着率λの様々な度合いに対する、本明細書で説明する技術の実施形態及びＬＳ推定器の検知確率を示す。同じ取得周期（Ｔ_ｓ＝０．５秒）において、本発明の態様による性能は、外れ値到着率の増加によって実質的に影響を受けないのに対し、ＬＳの性能は著しく低下し、単一の外れ値であっても５０％未満に低下している。この結果は、ＲＡＮＳＡＣのような開示された技術はグロス誤差を排除することができるので、予想されていたものである。一方、ＬＳは、外れ値を含むすべてのサンプルを推定に使用する。その結果、大きなグロス誤差の外れ値はいずれもフィッティング精度にかなり影響を与える可能性がある。特定の実施形態では、本開示の態様による推定器のターゲット検知確率は、異なるレベルのグロス誤差に対してすべて０．９９６を超えているので、このグロス誤差を破棄する優れた能力は誤検知の影響がより低く、より低い検知閾値（例えば、より低い一定誤警報率（ＣＦＡＲ）閾値）を使用できることを意味する。したがって、検出器は、より低いＳＮＲでより高い検知確率を達成することができる。

【0096】

タイミング誤差の影響
次に、タイミング誤差がホッピングパラメータの推定性能に及ぼす影響について考察する。図９は、タイミング誤差の分散の増加におけるタイミング誤差の影響下での、本明細書に開示される技術の実施形態及びＬＳ推定器の検知確率を示す。図９に示すように、本明細書で説明する技術は、同じサンプル数でＬＳを劇的に上回る性能を有する。ＬＳとは異なり、本開示の態様は、分散σ_ｔ ^２＜０．０１の小さなタイミング誤差に対して非常にロバストである。機能的なハードウェアで巨大なタイミング誤差を観測することはまず無いので（例えば、通常、タイミングジッタはピコ秒のオーダである）、本開示の態様は、タイミングジッタによって引き起こされるタイミング誤差に対して非常にロバストである。また、タイミング誤差に対するロバスト性が大幅に改善されたことは、ＣＵＡＳ妨害装置によって送信されるパルスを時間的により正確なものにできることを意味する。これにより、ＣＵＡＳ送信機の電力効率を向上させ、他の正当なＵＡＳシステムに対する巻き添え被害や望ましくない干渉が低減される。

【0097】

マルチターゲットのシナリオ
最後に、マルチターゲット検知に対するＨｏｐＳＡＣとＬＳ推定器の性能を評価した。図１０は、入力サンプルに現れる様々な数のターゲットに対するターゲット検知確率を示す。入力サンプル数Ｎ_ｓは、同じ取得間隔Ｔ_ｓ＝０．５秒において、ターゲット数Ｎ_ｔに比例して増加する。図１０では、本開示の態様による特定の実施形態は、最大１０個のターゲットの検知について０．９９４を超えるターゲット検知確率を達成することが分かる。この結果は、ＨｏｐＳＡＣが一貫しており、マルチターゲット検知でも良好に機能することを確認するものである。対照的に、ＬＳは、２つのターゲットのみであっても、マルチターゲットのシナリオにおいて何も検知することができない。特定の実施形態では、複数のターゲットを検知するための本開示の技術の能力は、外れ値と正常値を分類し、正常値のサンプルの各セットを１つずつ特定のターゲットに関連付け、他のターゲットの推定のためにすべてのサンプルから外れ値を抽出する能力にある。このため、本開示の態様の複雑度は、検知のためのターゲットの数と共に線形に増大する。これに対し、ＬＳ推定器は、ターゲットの数にかかわらず、すべてのサンプルを推定に使用する。１つのターゲットの送信からのサンプルは、他のターゲットの外れ値である。したがって、ＬＳ推定器は、マルチターゲットの送信によって大きく影響され、任意のマルチターゲットのシナリオにおいて、パラメータを正確に推定することができない。

【0098】

本開示では、ドローン検知システム１０１のためのＲＡＮＳＡＣパラダイムに基づくＨｏｐＳＡＣ周波数ホッピングパラメータ推定方法及びシステムが開示される。本開示の態様は、ＬＳ法を上回り、グロス誤差、小さなタイミング誤差、及び複数のターゲットの存在の影響下で、事実上１００％の推定精度を達成することが示されている。本開示の非常に優れたグロス誤差除去能力により、ドローン検知システム１０１は、低いＳＮＲ領域において良好な検知性能を有し、より高い誤検知（false positives）を許容することができる。さらに、タイミング誤差に対する本開示の態様のロバスト性は、送信の精度及び電力効率を高めながら、応答時間及び巻き添え被害を大幅に低減する。最後に、本開示の態様は、線形に増加する複雑度を犠牲にして、非常に高い検知確率で複数のターゲットを検知することに優れている。

【0099】

実装システムと用語
本明細書で開示される実装形態は、ドローンの存在を検知するためのシステム、方法、及び装置を提供する。本明細書で使用される用語「結合する（couple）」、「結合（coupling）」、「結合された（coupled）」、又は単語「結合する（couple）」の他の変形は、間接接続又は直接接続のいずれかを示し得ることに留意されたい。例えば、第１の構成要素が第２の構成要素に「結合」される場合、第１の構成要素は、別の構成要素を介して第２の構成要素に間接的に接続されるか、又は第２の構成要素に直接接続され得る。

【0100】

本明細書で説明するドローン検知機能は、プロセッサ読み取り可能な媒体又はコンピュータ読み取り可能な媒体に１つ又は複数の命令として記憶することができる。「コンピュータ可読媒体」という用語は、コンピュータ又はプロセッサによってアクセス可能な任意の利用可能な媒体を意味する。限定ではなく例として、このような媒体はＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、ＣＤ－ＲＯＭ又は他の光ディスク記憶装置、磁気ディスク記憶装置又は他の磁気記憶装置、或いは、所望のプログラムコードを命令又はデータ構造の形成で記憶するために使用することができ、コンピュータによってアクセスすることができる他の任意の媒体を含むことができる。コンピュータ可読媒体は、有形かつ非一時的であってもよいことに留意されたい。本明細書で使用される場合、「コード」という用語は、コンピューティング装置又はプロセッサによって実行可能であるソフトウェア、命令、コード又はデータを指す場合がある。

【0101】

本明細書で開示される方法は、説明される方法を実現するための１つ又は複数のステップ又は動作を備えている。方法のステップ及び／又は動作は、特許請求の範囲から逸脱することなく、互いに入れ替え可能である。換言すれば、説明されている方法の適切な動作のためにステップ又は動作の特定の順序が必要とされない限り、特定のステップ及び／又は動作の順序及び／又は使用は、特許請求の範囲から逸脱することなく変更され得る。

【0102】

本明細書で使用される場合、用語「複数（plurality）」は２つ以上を示す。例えば、複数の構成要素は、２つ以上の構成要素を示す。用語「判断（determining）」は多種多様な動作を包含し、したがって、「判断」は、計算（calculating）、計算（computing）、処理（processing）、導出（deriving）、調査（investigating）、ルックアップすること（例えば、表、データベース、又は別のデータ構造をルックアップすること）、確認（ascertaining）などを含むことができる。また、「判断」は受信（例えば、情報の受信）、アクセス（例えば、メモリ内のデータへのアクセス）等を含むことができる。また、「判断」は、解決（resolving）、選択（selecting）、選択（choosing）、確立（establishing）などを含むことができる。

【0103】

「に基づく（based on）」という用語は、別段の明示の規定がない限り、「にのみに基づく」という意味ではない。換言すれば、「に基づく」という語句は、「にのみ基づく」及び「少なくとも～に基づく」の両方を記述している。

【0104】

開示された実装形態の以上の説明は、当業者が本発明を製造又は使用することを可能にするために提供されたものである。これらの実装形態に対する様々な修正は当業者には容易に明らかであり、本明細書で定義される一般的な原理は、本発明の範囲から逸脱することなく、他の実装形態に適用され得る。例えば、当業者であれば、工具部品の締結、装着、結合、又は係合の同等の方法、特定の作動動作を生成するための同等の機構、及び電気エネルギーを供給するための同等の機構など、多数の対応する代替的で同等の構造詳細を採用することができることが理解されよう。したがって、本発明は、本明細書に示された実装形態に限定されることを意図するものではなく、本明細書に開示された原理及び新規な特徴と一致する最も広い範囲を与えられるべきである。

【図1】

【図2A】

【図2B】

【図2C】

【図2D】

【図2E】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】