I Sistemi Aeromobili a Pilotaggio Remoto (SAPR), comunemente conosciuti come "droni", possono costituire una minaccia di tipo "asimmetrico" in quanto utilizzabili per attacchi terroristici, o in quanto possono generare problematiche di sicurezza in caso di impiego non corretto ed autorizzato.
Il contrasto di tali dispositivi comporta l'adozione di tecniche diverse tra le quali è essenziale la disponibilità di sensori elettromagnetici (radiogoniometri) in grado di rilevare la presenza di un SAPR e contestualmente localizzarlo attraverso la misurazione delle sue emissioni radio.
In questo progetto viene affrontato il problema di calcolare una disposizione ottimale dei sensori a partire dalla geometria ed orografia della zona che si vuole monitorare (Zona di Interesse, ZdI), dalla conoscenza circa gli ostacoli presenti (edifici o altri manufatti) che possono impedire la visibilità radio di un eventuale SAPR, e dalle caratteristiche dei sensori.
In particolare, le posizioni trovate per i sensori saranno tali da ottimizzare congiuntamente un certo insieme di Key Performance Indicator (KPI), ovvero: contenimento del costo di posizionamento dei sensori, contenimento della percentuale di volume della ZdI non coperto, frammentazione soddisfacente della porzione di ZdI non coperta in regioni sconnesse.
Proponiamo un nuovo metodo basato sulla geometria computazionale e sull'intelligenza artificiale per trovare un posizionamento ottimo valutando efficientemente un grande numero di posizionamenti possibili.
Verrà inoltre sviluppato un generatore automatico di scenari realistici (ZdI) che permetterà di valutare estensivamente l'approccio proposto tramite simulazione in parallelo. Ciò sarà possibile grazie alla collaborazione con aziende del settore, le quali forniranno la conoscenza di dominio necessaria.
In questo progetto, avanzeremo lo stato dell'arte nell'ottimizzazione di dispiegamenti di sensori per la sorveglianza in aree critiche.
In particolare, sfrutteremo ed estenderemo tecniche tipiche della verifica e falsificazione simulation-based di Cyber-Physical System (CPS) [28] per la ricerca di posizionamenti.
Attualmente, non esistono approcci che puntino a ottimizzare il posizionamento di sensori in uno spazio continuo.
La tecnica proposta in questo progetto, invece di discretizzare lo spazio di ricerca tramite la suddivisione della ZdI in un numero finito di celle, permetterà di ragionare efficientemente nel continuo e renderà possibile la ricerca di posizionamenti per ZdI con dimensioni e caratteristiche realistiche.
L'ottimizzatore utilizzerà l'output del simulatore come feedback per direzionare la ricerca del posizionamento in modo intelligente; inoltre, insieme a quelle conosciute, verranno sfruttate euristiche geometriche, anche generate tramite apprendimento automatico.
A differenza degli approcci esistenti, i quali operano su scenari troppo semplificati per essere di interesse in applicazioni reali (p.es., in due dimensioni o in assenza di ostacoli), l'approccio proposto, basato su tecniche di geometria computazionale, permetterà ottimizzare il posizionamento di sensori in regioni tridimensionali, in presenza di ostacoli alla visibilità radio, considerando le caratteristiche orografiche della ZdI e le caratteristiche tecniche dei sensori a disposizione.
Inoltre, il simulatore che realizzeremo sarà il primo strumento software in grado di calcolare esplicitamente la regione di spazio non coperta da un dato insieme di sensori. Ciò, oltre a rappresentare un importante contributo scientifico, per via dei nuovi algoritmi che saranno progettati, avrà un alto valore pratico in contesti industriali e di pubblica sicurezza.
Infatti, il nostro approccio permetterà di ispezionare e analizzare facilmente una soluzione trovata, tramite la creazione di un ambiente di realtà virtuale in cui l'utente potrà visualizzare le porzioni della ZdI che non sono coperte da un insieme di sensori.
====Bibliografia
[1] X. Shi et al., "Anti-drone system with multiple surveillance technologies: Architecture, implementation, and challenges," IEEE Communications Magazine, 2018.
[2] I. Guvenc et al., "Detection, localization, and tracking of unauthorized uas and jammers," in 2017 IEEE/AIAA 36th Digital Avionics Systems Conference (DASC).
[3] I. Guvenc et al., "Detection, tracking, and interdiction for amateur drones," IEEE Communications Magazine, 2018.
[4] T. Martelli et al., "Detection and 3d localization of ultralight aircrafts and drones with a wifi-based passive radar," 2017.
[5] R. Nakamura et al., "Characteristics of ultra-wideband radar echoes from a drone," IEICE Communications Express, 2017.
[6] F. Hoffmann et al., "Micro-doppler based detection and tracking of uavs with multistatic radar," in 2016 IEEE Radar Conference (RadarConf).
[7] P. Nguyen et al., "Investigating cost-effective rf-based detection of drones," in Proceedings of the 2nd Workshop on Micro Aerial Vehicle Networks, Systems, and Applications for Civilian Use.
[8] H. Shin et al., "Security analysis of fhss-type drone controller," in International Workshop on Information Security Applications.
[9] J. Busset et al., "Detection and tracking of drones using advanced acoustic cameras," in Unmanned/Unattended Sensors and Sensor
Networks XI; and Advanced Free-Space Optical Communication Techniques and Applications.
[10] M. Wu et al., "Real-time drone detection using deep learning approach," in International Conference on Machine Learning and Intelligent Communications.
[11] X. Chang et al., "A surveillance system for drone localization and tracking using acoustic arrays," in 2018 IEEE 10th Sensor Array and
Multichannel Signal Processing Workshop (SAM).
[12] W.-C. Ke et al., "Constructing a wireless sensor network to fully cover critical grids by deploying minimum sensors on grid points is
np-complete," IEEE Transactions on Computers, 2007
[13] T. Mancini et al., "Optimal fault-tolerant placement of relay nodes in a mission critical wireless network," Proceedings of RCRA, 2018.
[14] Y. E. Osais et al., "Directional sensor placement with optimal sensing range, field of view and orientation," Mobile Networks and Applications,
2010
[15] A. V. Savkin et al., "A method for optimized deployment of a network of surveillance aerial drones," IEEE Systems Journal, 2019.
[16] A. Krause et al., "Near-optimal sensor placements: Maximizing information while minimizing communication cost," in Proceedings of the
5th international conference on Information processing in sensor networks.
[17] E. Park et al., "Antenna placement optimization for distributed antenna systems," IEEE Transactions on Wireless Communications, 2012.
[18] Y. Yang et al., "Fast optimal antenna placement for distributed mimo radar with surveillance performance," IEEE Signal Processing Letters, 2015.