.png){kind=icon}
返回
Lightweight Multi-Task UAV Detection for V2X Security Using HA-EffNet
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15081654.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
未经授权的无人机威胁车联网（V2X）频谱安全。实时边缘检测面临严格的硬件约束、严重的多径衰落和多普勒失真。本文提出HA-EffNet，一种基于物理的多任务学习框架，用于路侧单元（RSU）的射频（RF）感知。该网络限制其时域感受野以与信道相干时间数学对齐，从而防止深度噪声过拟合。分层机制整合了高效通道注意力（ECA）进行浅层噪声抑制和感受野注意力（RFA）进行深层特征提取。此外，共享多任务架构同时执行离散分类和连续频谱参数回归，有效将计算开销减半，相比冗余的单任务部署。在Microphase和DroneRFa数据集上的评估获得97.88%和94.67%的分类准确率。结合抽头延迟线（TDL-C）模型和动态信噪比（SNR）变化的复合测试验证了算法对严重物理退化的鲁棒性。利用120万参数量，该网络在NVIDIA Jetson Orin Nano Super上实现0.84 ms推理延迟和1204.9帧/秒（FPS）吞吐量，提供高效的边缘感知解决方案。
Keyword:
UAV detection
vehicle-to-everything
edge computing
multi-task learning
attention mechanisms
multipath fading
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Security Evaluation of RIS-Aided V2X Communication Systems in Low-Speed Scenarios白, Y.; 韩, S. 低速场景下基于RIS辅助的V2X通信系统安全评估. 在2024年IEEE第四届数字孪生与并行智能国际会议(DTPI)会议录; IEEE: 纽约, NY, USA, 2024; 页码: 302–305. [Google Scholar] [CrossRef]
PREAI
分享收藏
分享收藏A comprehensive survey of deep learning-based lightweight object detection models for edge devicesOAAI
OAAI分享收藏Towards UAV-Based MEC Service Chain Resilience Evaluation: A Quantitative Modeling Approach基于无人机的MEC服务链弹性评估: 一种定量建模方法OAAI
OAAI分享收藏分享收藏Li, Y.; Khan, F.; Ahmed, M.; Soofi, A.A.; Khan, W.U.; Sheemar, C.K.; Asif, M.; Han, Z. RIS-based Physical Layer Security for Integrated Sensing and Communication: A Comprehensive Survey. IEEE Internet Things J. 2025. [Google Scholar] [CrossRef]Li, Y.; Khan, F.; Ahmed, M.; Soofi, A.A.; Khan, W.U.; Sheemar, C.K.; Asif, M.; Han, Z. 基于RIS的物理层安全用于集成传感与通信：一项综合综述. IEEE Internet Things J. 2025. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容