开源｜DroneRFa：面向低空反无人机探测的大规模射频信号数据集（浙大最新成果）
重磅开源｜DroneRFa：面向低空反无人机探测的大规模射频信号数据集（浙大最新成果）
发布平台：电子与信息学报｜2024 年第 4 期
作者：俞宁宁，毛盛健，周成伟，孙国威，史治国 *，陈积明
单位：浙江大学浙江省协同感知与自主无人系统重点实验室、承德市公安局
原文链接
一、为什么我们需要一套全新无人机射频公开数据集？![]()
近些年消费级、工业级无人机普及速度飞快，航拍、电力巡检、农林植保、应急救援都离不开无人机，但随之而来的黑飞、滥飞安全事件持续激增，已经成为空域安防、公共治安、机场管控、重点区域防护的重大难题。
文中整理近年全球典型无人机违规事件，涵盖毒品走私、隐私偷拍、机场停运、禁区闯入、公共设施损毁等多类场景：
美国加州利用微型无人机跨境走私毒品；
法、意多地无人机闯入政务活动、历史地标空域；
国内海口、武汉接连出现铁路、居民区无人机违规拍摄；
爱尔兰都柏林机场因无人机入侵临时停运航班。
现有空域管控手段对带 GPS 的正规商用无人机约束有效，但无 GPS 自制改装无人机、境外改装飞控设备不受禁飞区限制，管控存在巨大漏洞。当前主流四类反无人机探测方案各有明显短板：
| 探测方式 | 探测距离 | 核心优势 | 致命短板 |
|---|---|---|---|
| 视觉光电 | 1–2km | 无源隐蔽、目标直观 | 受光照、遮挡影响极大，夜间探测成本高 |
| 声学探测 | ＜150m | 设备廉价、无源接收 | 城市车流、人声噪声严重干扰识别 |
| 有源雷达 | 3–8km | 远距离、测速测距 | 低空杂波严重、设备昂贵、电磁辐射明显不适合城区 |
| 无源射频探测 | 1–5km | 电磁特征难以伪装、无源低干扰、城区适配性强 | 同频 WiFi、蓝牙杂波干扰，硬件成本偏高 |
综合对比后，基于射频信号的无源探测是城市低空无人机监测最优路线之一。但目前领域发展存在关键瓶颈：
现有公开无人机射频数据集机型少、覆盖频段单一，大多仅采集 2.4GHz 信号，缺少多频段切换数据；
大量研究采用私有闭源数据集，不同算法无法在统一基准下公平对比，行业缺少标准化评测基准；
缺少区分室内 / 户外、远近不同飞行距离的标注数据，难以支撑信号衰减、复杂场景识别算法研究。
针对以上痛点，浙江大学团队公开DroneRFa 大规模无人机射频数据集，完整覆盖多机型、多场景、三大 ISM 公用频段，配套两套完整识别验证方案，可供所有反无人机、频谱识别领域学者免费下载使用。
二、DroneRFa 数据集核心优势一览
1. 样本规模大、机型覆盖全面
数据集总计25 类射频信号：
城市户外运动无人机信号：9 类
城市室内静态无人机 / 飞控信号：15 类
背景干扰参照信号：1 类（含 WiFi、蓝牙电磁环境）
覆盖大疆全系列消费、工业级无人机，外加 VBar、FrSky、Futaba、RadioLink、云卓等主流第三方飞控器，完全匹配市面主流违规无人机硬件。
数据采集标准严苛：每一类机型不少于 12 个独立信号片段，单片段采样点超 1 亿个，数据量级足以支撑深度学习、传统时频统计算法训练与验证。
2. 三 ISM 频段双通道同步采集，弥补现有数据短板
采集覆盖全球通用三大工业科学医疗开放频段：
915MHz（902–928MHz）、2.4GHz（2400–2484.5MHz）、5.8GHz（5725–5850MHz）
采用双通道同步采集机制，可完整记录无人机多频段自动切换通信行为。
现有绝大多数公开数据集仅聚焦 2.4GHz 单频段，本数据集填补多频段跳频图传数据空白，适配新一代多模无人机研究。
3. 精细化距离标注，支撑射频衰减、远距离弱信号研究
户外采集严格划分三级飞行距离标签：
D00：20–40m（近距）
D01：40–80m（中距）
D10：80–150m（远距）
不同距离下无人机射频信号衰减、信噪比变化完整留存，专门面向远距离微弱无人机信号检测、抗衰减识别算法研发。
4. 标准化二进制编码命名，批量读取、筛选便捷
全部数据统一为.mat格式文件，文件名自带完整标签，格式：Txxxxx_Dxx_Sxxxx.mat
T：机型二进制编码（0000 为背景，其余对应大疆各机型、第三方飞控）
D：距离二进制编码（近 / 中 / 远三档）
S：频段模式编码（区分初始通信频段、可切换多频段设备）
举例：T0010_D01_S1110.mat= 40–80m 距离 DJI Phantom 4 Pro，支持 2.4G/5.8G 频段切换射频数据。
单文件内置 4 路 I/Q 基带数据：RF0_I、RF0_Q、RF1_I、RF1_Q，双接收通道同相正交复信号，双精度浮点存储，Matlab、Python h5py 均可一键读取，官方提供读取代码示例。
三、数据集硬件采集方案与完整采集流程
1. 全套采集设备清单
射频接收机：NI USRP-2955
频率覆盖 10MHz–6GHz，4 收发通道，最大瞬时带宽 80MHz，采样率最高 100MS/s，14bit ADC，增益 0–95dB；接收天线：VERT2450 全向垂直增益天线，2.4/5.8GHz 双频段，3dBi 增益；
计算主机：Win10 工作站，至强 W-2245 处理器，32GB 内存，1TB 以上存储，LabVIEW 驱动采集；
传输套件：PCIe 高速连接线，单通道吞吐 100MS/s，传输延迟＜10ms；
被测目标：全系列大疆无人机 + 多品牌独立飞控。
2. 采集场景划分
户外场景：杭州城郊开阔小镇，无人机水平距离接收机 20–150m，飞行速度 5–15m/s 动态采集；
室内场景：无人机与接收机固定间距 2m，无远距离衰减干扰，用于纯净信号特征提取。
3. 标准化采集步骤
无人机开机与遥控器配对，确认通信链路正常；
LabVIEW 初始化 USRP，双通道中心频率按需配置：
大疆主流机型：通道 0=2440MHz，通道 1=5800MHz；
仅支持 915M/2.4G 飞控：通道 0=915MHz，通道 1=2440MHz；
统一参数：采样率 100MS/s、接收增益 50dB、单次存储 10M 采样点；
操控人员由近至远改变无人机位置，划分近 / 中 / 远三档距离标定；
采集人员按编码规则命名 mat 文件，每段采集≥1 亿采样点；
更换机型、飞行距离、通信频段重复采集，样本量达标后停机。
补充说明：数据连续性细节
采集采用 “采集 - 存储” 分段模式，每 10M 采样点区间内信号完整连续，间断仅出现在分段交界处。无人机跳频、图传周期特征在 0.1s（10M 采样点）窗口内完整呈现，短时信号分析不受分段间隙影响。
四、两套完整无人机识别验证方案（数据集有效性论证）
论文配套两套识别算法，分别适配轻量化实时检测、高精度复杂场景识别，所有实验均基于 DroneRFa 完成，可直接复现。
方案一：基于频谱可视统计特征的轻量化识别（无深度学习、低算力）
原理基础
无人机射频分为两类核心信号：
上行控制跳频信号：遥控器下发飞行指令，采用跳频扩频调制，不同机型跳频带宽、跳频间隔、脉冲时长存在固定出厂特征；
下行图传 OFDM 信号：无人机回传航拍画面，具备固定周期、占空比，可作为区分特征。
6 类核心统计特征指标
跳频块带宽、跳频块持续时长、相邻跳频时间间隔、相邻跳频带宽间隔、图传信号周期、图传占空比。
论文给出全部 24 类无人机、飞控器完整特征参数表，可直接建立特征匹配库。
识别流程
对 I/Q 复信号做 STFT 短时傅里叶变换，生成时频图；
滑动窗口遍历时频图谱，提取全部跳频块、图传脉冲；
计算 6 项统计特征，与数据库先验参数匹配完成机型分类。
适用场景
边缘低算力无源探测设备、实时快速筛查；短板为远距离弱信号、同调制机型识别精度不足。
方案二：基于 ResNet-18 深度学习的高精度识别（复杂干扰、远距离弱信号适配）
针对传统统计特征方法缺陷（短片段特征缺失、远距离信号淹没、同类调制区分度低），采用卷积神经网络自动挖掘隐层时频特征。
实验配置
样本划分：每 100 万采样点（10ms）作为独立样本，6:2:2 划分训练 / 验证 / 测试集，样本总量近 1.6 万；
STFT 参数：汉明窗，滑动重叠 0.5，输入时频图尺寸 (2,1024,1024)；
训练参数：Adam 优化器，学习率 0.001，批次 32，损失函数交叉熵；
对比变量：时域长度、频域分辨率双变量消融实验。
核心实验结论（性能对照表精简解读）
基准配置（时频窗 1024×1024）识别准确率 97.73%，多分类精确率、召回率、F1 值均超 0.97，单帧推理速度 53fps；
时域长度压缩对精度衰减影响远大于频域压缩：缩短信号时长会大幅丢失跳频周期特征，识别性能断崖下跌；
若需提升设备实时推理速度，优先降低频域分辨率，可在精度小幅下降前提下大幅提升帧率（最高 217fps）。
混淆矩阵结果显示，绝大多数机型无严重错分，仅少量调制参数近似飞控存在极低概率混淆，证明数据集特征区分度充足。
五、数据集下载与引用规范
官方下载地址
https://jeit.ac.cn/web/data/getData?dataType=Dataset3学术使用强制要求
论文、学位论文、会议报告、专利、项目成果中使用 DroneRFa 数据集，必须规范引用本文：
俞宁宁，毛盛健，周成伟，等.DroneRFa: 用于侦测低空无人机的大规模无人机射频信号数据集 [J]. 电子与信息学报，2024,46 (4):1147-1156.
DOI:10.11999/JEIT230570
六、总结与后续研究规划
现有数据集价值
DroneRFa 填补了国内多场景、多频段、带距离标注开源无人机射频数据集空白，统一评测基准，同时提供传统时频统计、深度学习两套完整基线算法，可支撑无人机检测、机型识别、弱信号复原、多源干扰抑制、射频指纹提取全方向研究。后续扩充计划
团队将持续维护更新数据集，后续迭代方向：
新增多无人机集群同时飞行混合射频样本；
叠加 WiFi、蓝牙、移动通信等强同频干扰场景数据；
补充更多国产、自制改装飞控、小型穿越机射频样本；
增加多接收阵列、多距离梯度精细化标注数据。
文末留言区（公众号互动话术）
从事反无人机射频识别、频谱感知、深度学习信号分类的同行，可直接前往官网下载数据集复现论文基线；
如有数据集读取、采集方案复现、算法优化相关问题，可查阅原文实验章节，或联系通信作者史治国教授；
转发分享给空域安防、电磁信号处理、无人系统方向课题组，共建统一开源评测基准！