基于声阵列的无人机检测及定位系统

发布时间：2023-06-05 01:14

　　随着无人机市场的快速发展,无人机在带来便利的同时,也带来了安全和隐私方面的威胁。近年来,无人机“黑飞”、“滥飞”的事件频发,严重危害了个人隐私、公共场所、航空以及国家安全。因此,无人机监管的需求不断增长,无人机监管技术受到了国内外社会各界的重视。音频作为一种有效的探测方法,能够实现对入侵无人机的检测、定位,因此受到了学术界和工业界的广泛研究。本文详细分析了无人机音频信号特征,研究了无人机检测和定位算法,并基于声阵列搭建了无人机监测系统。本文的主要工作如下:(1)采用压缩声谱图构建了无人机音频特征样本,利用残差神经网络进行分类、检测,并设计了多传感器融合检测算法改善性能。首先利用时频分析研究了无人机音频信号特征,然后设计了一种基于压缩声谱图的特征提取算法,该算法通过降低频率分辨率和截取有效频段两种方式解决原始声谱图维数大、特征稀疏的缺点。最后根据贝叶斯最优决策和逻辑斯蒂回归模型对分类结果进行融合,得到无人机检测概率。(2)提出了基于无人机音频信号谐波分布特征的波达方向(Direction of Arrival,DOA)估计算法。该算法利用无人机音频信号谐波频率分布关系,估计出各次谐波中心...

【文章页数】：99 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 无人机监管的迫切需求
        1.1.2 无人机探测技术
    1.2 研究现状
        1.2.1 无人机音频信号特征提取及检测算法研究现状
        1.2.2 基于声阵列的无人机声源定位算法研究现状
        1.2.3 国内外无人机探测产品现状
    1.3 本文研究内容
第二章 无人机音频信号特征分析及提取
    2.1 引言
    2.2 无人机音频信号特征分析
        2.2.1 时频分析算法基础
        2.2.2 无人机音频信号时频分析
        2.2.3 干扰情况下无人机音频信号时频分析
    2.3 无人机音频信号特征提取
        2.3.1 基于MFCC的无人机音频特征提取算法
        2.3.2 基于压缩声谱图的无人机音频特征提取算法
    2.4 本章小结
第三章 无人机音频信号检测
    3.1 引言
    3.2 基于机器学习的无人机音频信号检测算法
        3.2.1 基于SVM的无人机音频信号检测
        3.2.2 基于残差神经网络的无人机音频信号检测
    3.3 多传感器融合检测算法
    3.4 实验分析
        3.4.1 基于噪声平均不变性的SNR估计方法
        3.4.2 实验参数及平台
        3.4.3 检测及融合算法实验分析
    3.5 本章小结
第四章 无人机音频信号定位
    4.1 引言
    4.2 声源定位算法基本原理
    4.3 基于无人机音频谐波特征的DOA估计算法
        4.3.1 问题建模
        4.3.2 谐波特征DOA估计算法分析
    4.4 基于冗余TDOA信息融合的无人机声源定位算法
        4.4.1 问题建模
        4.4.2 冗余TDOA信息融合的定位算法分析
        4.4.3 基于高斯先验的时延估计改进算法
        4.4.4 基于卡尔曼滤波的无人机声源跟踪
    4.5 实验分析验证
        4.5.1 DOA定位方法实验分析
        4.5.2 TDOA定位方法实验分析
    4.6 本章小结
第五章 系统设计与实现
    5.1 引言
    5.2 系统组成
        5.2.1 系统概览
        5.2.2 软硬件参数
    5.3 系统运行与测试
    5.4 本章小结
第六章 总结及展望
    6.1 全文总结
    6.2 工作展望
参考文献
攻读硕士学位期间主要研究成果及参与的科研项目



本文编号：3831393