基于被动音频的无人机探测与识别技术研究
发布时间：2021-01-23 14:29
随着无人机技术飞速发展,消费级无人机的应用也越来越广泛,但同时也带来了很多的负面影响,为解决近场空域低、慢、小旋翼无人机的安全威胁问题,对无人机的探测和识别研究就显得非常有必要。本论文基于被动音频的无人机探测和识别技术研究是以无人机飞行过程中产生的特有音频信号特征为研究依据,主要是通过传统方法和机器学习方法进行研究,找出高正确率,更具鲁棒性的无人机检测和识别的方法。本文的主要创新工作如下:（1）对常用的消费级无人机的音频信号进行研究,对其时域和频域信号特征进行了总结,列出当前消费级无人机的主要音频特征,并提出了一种科学合理的无人机音频信号采集方案。（2）提出了一种基于高斯混合模型（GMM）无人机音频探测和识别方法。提出的系统使用MFCC为基本特征,优化参数,通过对训练数据的处理,创建各类型号无人机的GMM模型,并构建无人机的音频“指纹库”,最后对采集的郊区环境条件下的测试数据进行了仿真,验证了该方法的可行性。（3）基于机器学习的无人机音频探测和识别方法。为了进一步适应复杂多变的环境条件,使用NN、CNN、RNN、BLSTM等方法进行研究,增加特征参数、无人机音频样本和环境样本数量,进行...
【文章来源】：长沙理工大学湖南省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
图２．１无人机类型典型分类示意图??６??
下面以ＤＪＩ?Ｐｈａｎｔｏｍ?３?（后统一简称ＤＪＩ３）为例进行基本特征分析。采集的音频信号??为ＤＪＩ３低空飞行，从远处直线飞过传声器，然后再径直飞离的过程。通过时域信号可知，??信号幅度随着无人机的接近而逐渐增大，随着无人机的远离而逐渐减小，如图２．２所示。??０．２５??１?＇?＇?￣?＇?１?１??：：ｋ?：??°－?１１１１１１?－?－??：：?＿??：；：?Ｔ??？０．２５??１?１?１?１?１?１???〇?２?４?６?８?１０?１２?１４??时间／Ｓ?秒??图２．?２无人机时域信号图??如图２．３所示，在无人机的时频图中，音频信号主要集中在低频部分，当无人机经过??录音设备正上方时其高频成分明显加强。随着无人机相对距离的变化，还呈现出一定的??多普勒效应。??７??
?１２??时间／ｓ??图２．?３无人机时频信号图??从图２．４中可以看出，其频域信号在低频部分，有明显的倍频关系，也就是具有一定??的谐波特征，也有学者提出了利用谐波特征来探测无人机的方法。??＿＿?ｊ?，?Ｉ?？?｜?ｊ?３?｝?！?ｊ?ｒ??６０?＂?￣??５０?＂ｊ．．：ｊ－．?｜??！?Ｉ．．．．－－１?＾??漏ｍｉ??２００?４００?６００?８００?１０００?１２００?１４００?１６００?１８００?２０００?２２００??频率／Ｈｚ??图２．?４无人机频域信号图??通过分析多种类型无人机音频信号（无人机音频噪声）得知，无人机的音频噪声主??要分为气动噪声和机械噪声。气动噪声主要来源于旋翼切割空气及机体与空气的摩擦，??８??
【参考文献】：
期刊论文
[1]基于△MFCC和KNN的挖掘设备声音识别[J]. 赵拓,王建中,王天磊. 工业控制计算机. 2016(04)
[2]基于频段互相关系数的咳嗽识别新方法[J]. 朱春媚,黎萍. 计算机工程与应用. 2016(02)
[3]基于CNN彩色图像边缘检测的车牌定位方法[J]. 刘万军,姜庆玲,张闯. 自动化学报. 2009(12)
[4]基于CNN的海空目标检测[J]. 刘天华,杨绍清,刘松涛. 现代电子技术. 2008(09)
[5]基于HMM/SVM的音频自动分类[J]. 史东承,韩玲艳,于明会. 长春工业大学学报(自然科学版). 2008(02)
[6]基于短时能量的语音端点检测算法研究[J]. 张仁志,崔慧娟. 电声技术. 2005(07)
[7]基于支持向量机的音频分类与分割[J]. 白亮,老松杨,陈剑赟,吴玲达. 计算机科学. 2005(04)
[8]加权欧氏距离及其应用[J]. 刘瑞元. 数理统计与管理. 2002(05)
[9]声引信目标信号过零率分布研究[J]. 杨亦春,张文慧,程翔,陈庆生. 南京理工大学学报. 2000(03)
博士论文
[1]基于麦克风阵列的声源定位算法研究[D]. 居太亮.电子科技大学 2006
硕士论文
[1]基于神经网络的声音识别算法研究[D]. 刘晓宇.北京邮电大学 2014
[2]基于Mel倒谱参数的咳嗽声识别[D]. 尹永.华南理工大学 2012
[3]基于GMM的声纹识别系统研究[D]. 向权.哈尔滨理工大学 2012
[4]基于GMM的说话人识别系统研究与实现[D]. 陈强.武汉理工大学 2010
[5]基于SVM的汉语语音情感识别的研究[D]. 芦涛.燕山大学 2007
[6]飞行器被动音频探测与识别技术研究[D]. 葛欣宏.长春理工大学 2007
[7]基于MFCC的说话人识别系统研究[D]. 郭春霞.西安电子科技大学 2006
本文编号：2995382
【文章来源】：长沙理工大学湖南省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
图２．１无人机类型典型分类示意图??６??
下面以ＤＪＩ?Ｐｈａｎｔｏｍ?３?（后统一简称ＤＪＩ３）为例进行基本特征分析。采集的音频信号??为ＤＪＩ３低空飞行，从远处直线飞过传声器，然后再径直飞离的过程。通过时域信号可知，??信号幅度随着无人机的接近而逐渐增大，随着无人机的远离而逐渐减小，如图２．２所示。??０．２５??１?＇?＇?￣?＇?１?１??：：ｋ?：??°－?１１１１１１?－?－??：：?＿??：；：?Ｔ??？０．２５??１?１?１?１?１?１???〇?２?４?６?８?１０?１２?１４??时间／Ｓ?秒??图２．?２无人机时域信号图??如图２．３所示，在无人机的时频图中，音频信号主要集中在低频部分，当无人机经过??录音设备正上方时其高频成分明显加强。随着无人机相对距离的变化，还呈现出一定的??多普勒效应。??７??
?１２??时间／ｓ??图２．?３无人机时频信号图??从图２．４中可以看出，其频域信号在低频部分，有明显的倍频关系，也就是具有一定??的谐波特征，也有学者提出了利用谐波特征来探测无人机的方法。??＿＿?ｊ?，?Ｉ?？?｜?ｊ?３?｝?！?ｊ?ｒ??６０?＂?￣??５０?＂ｊ．．：ｊ－．?｜??！?Ｉ．．．．－－１?＾??漏ｍｉ??２００?４００?６００?８００?１０００?１２００?１４００?１６００?１８００?２０００?２２００??频率／Ｈｚ??图２．?４无人机频域信号图??通过分析多种类型无人机音频信号（无人机音频噪声）得知，无人机的音频噪声主??要分为气动噪声和机械噪声。气动噪声主要来源于旋翼切割空气及机体与空气的摩擦，??８??
【参考文献】：
期刊论文
[1]基于△MFCC和KNN的挖掘设备声音识别[J]. 赵拓,王建中,王天磊. 工业控制计算机. 2016(04)
[2]基于频段互相关系数的咳嗽识别新方法[J]. 朱春媚,黎萍. 计算机工程与应用. 2016(02)
[3]基于CNN彩色图像边缘检测的车牌定位方法[J]. 刘万军,姜庆玲,张闯. 自动化学报. 2009(12)
[4]基于CNN的海空目标检测[J]. 刘天华,杨绍清,刘松涛. 现代电子技术. 2008(09)
[5]基于HMM/SVM的音频自动分类[J]. 史东承,韩玲艳,于明会. 长春工业大学学报(自然科学版). 2008(02)
[6]基于短时能量的语音端点检测算法研究[J]. 张仁志,崔慧娟. 电声技术. 2005(07)
[7]基于支持向量机的音频分类与分割[J]. 白亮,老松杨,陈剑赟,吴玲达. 计算机科学. 2005(04)
[8]加权欧氏距离及其应用[J]. 刘瑞元. 数理统计与管理. 2002(05)
[9]声引信目标信号过零率分布研究[J]. 杨亦春,张文慧,程翔,陈庆生. 南京理工大学学报. 2000(03)
博士论文
[1]基于麦克风阵列的声源定位算法研究[D]. 居太亮.电子科技大学 2006
硕士论文
[1]基于神经网络的声音识别算法研究[D]. 刘晓宇.北京邮电大学 2014
[2]基于Mel倒谱参数的咳嗽声识别[D]. 尹永.华南理工大学 2012
[3]基于GMM的声纹识别系统研究[D]. 向权.哈尔滨理工大学 2012
[4]基于GMM的说话人识别系统研究与实现[D]. 陈强.武汉理工大学 2010
[5]基于SVM的汉语语音情感识别的研究[D]. 芦涛.燕山大学 2007
[6]飞行器被动音频探测与识别技术研究[D]. 葛欣宏.长春理工大学 2007
[7]基于MFCC的说话人识别系统研究[D]. 郭春霞.西安电子科技大学 2006
本文编号：2995382
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/2995382.html
