基于被動音頻的無人機探測與識別技術研究
發(fā)布時間：2021-01-23 14:29
隨著無人機技術飛速發(fā)展,消費級無人機的應用也越來越廣泛,但同時也帶來了很多的負面影響,為解決近場空域低、慢、小旋翼無人機的安全威脅問題,對無人機的探測和識別研究就顯得非常有必要。本論文基于被動音頻的無人機探測和識別技術研究是以無人機飛行過程中產生的特有音頻信號特征為研究依據,主要是通過傳統(tǒng)方法和機器學習方法進行研究,找出高正確率,更具魯棒性的無人機檢測和識別的方法。本文的主要創(chuàng)新工作如下:（1）對常用的消費級無人機的音頻信號進行研究,對其時域和頻域信號特征進行了總結,列出當前消費級無人機的主要音頻特征,并提出了一種科學合理的無人機音頻信號采集方案。（2）提出了一種基于高斯混合模型（GMM）無人機音頻探測和識別方法。提出的系統(tǒng)使用MFCC為基本特征,優(yōu)化參數,通過對訓練數據的處理,創(chuàng)建各類型號無人機的GMM模型,并構建無人機的音頻“指紋庫”,最后對采集的郊區(qū)環(huán)境條件下的測試數據進行了仿真,驗證了該方法的可行性。（3）基于機器學習的無人機音頻探測和識別方法。為了進一步適應復雜多變的環(huán)境條件,使用NN、CNN、RNN、BLSTM等方法進行研究,增加特征參數、無人機音頻樣本和環(huán)境樣本數量,進行...
【文章來源】：長沙理工大學湖南省
【文章頁數】：48 頁
【學位級別】：碩士
【部分圖文】：
圖２．１無人機類型典型分類示意圖??６??
下面以ＤＪＩ?Ｐｈａｎｔｏｍ?３?（后統(tǒng)一簡稱ＤＪＩ３）為例進行基本特征分析。采集的音頻信號??為ＤＪＩ３低空飛行，從遠處直線飛過傳聲器，然后再徑直飛離的過程。通過時域信號可知，??信號幅度隨著無人機的接近而逐漸增大，隨著無人機的遠離而逐漸減小，如圖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??時間／Ｓ?秒??圖２．?２無人機時域信號圖??如圖２．３所示，在無人機的時頻圖中，音頻信號主要集中在低頻部分，當無人機經過??錄音設備正上方時其高頻成分明顯加強。隨著無人機相對距離的變化，還呈現(xiàn)出一定的??多普勒效應。??７??
?１２??時間／ｓ??圖２．?３無人機時頻信號圖??從圖２．４中可以看出，其頻域信號在低頻部分，有明顯的倍頻關系，也就是具有一定??的諧波特征，也有學者提出了利用諧波特征來探測無人機的方法。??＿＿?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??頻率／Ｈｚ??圖２．?４無人機頻域信號圖??通過分析多種類型無人機音頻信號（無人機音頻噪聲）得知，無人機的音頻噪聲主??要分為氣動噪聲和機械噪聲。氣動噪聲主要來源于旋翼切割空氣及機體與空氣的摩擦，??８??
【參考文獻】：
期刊論文
[1]基于△MFCC和KNN的挖掘設備聲音識別[J]. 趙拓,王建中,王天磊. 工業(yè)控制計算機. 2016(04)
[2]基于頻段互相關系數的咳嗽識別新方法[J]. 朱春媚,黎萍. 計算機工程與應用. 2016(02)
[3]基于CNN彩色圖像邊緣檢測的車牌定位方法[J]. 劉萬軍,姜慶玲,張闖. 自動化學報. 2009(12)
[4]基于CNN的海空目標檢測[J]. 劉天華,楊紹清,劉松濤. 現(xiàn)代電子技術. 2008(09)
[5]基于HMM/SVM的音頻自動分類[J]. 史東承,韓玲艷,于明會. 長春工業(yè)大學學報(自然科學版). 2008(02)
[6]基于短時能量的語音端點檢測算法研究[J]. 張仁志,崔慧娟. 電聲技術. 2005(07)
[7]基于支持向量機的音頻分類與分割[J]. 白亮,老松楊,陳劍赟,吳玲達. 計算機科學. 2005(04)
[8]加權歐氏距離及其應用[J]. 劉瑞元. 數理統(tǒng)計與管理. 2002(05)
[9]聲引信目標信號過零率分布研究[J]. 楊亦春,張文慧,程翔,陳慶生. 南京理工大學學報. 2000(03)
博士論文
[1]基于麥克風陣列的聲源定位算法研究[D]. 居太亮.電子科技大學 2006
碩士論文
[1]基于神經網絡的聲音識別算法研究[D]. 劉曉宇.北京郵電大學 2014
[2]基于Mel倒譜參數的咳嗽聲識別[D]. 尹永.華南理工大學 2012
[3]基于GMM的聲紋識別系統(tǒng)研究[D]. 向權.哈爾濱理工大學 2012
[4]基于GMM的說話人識別系統(tǒng)研究與實現(xiàn)[D]. 陳強.武漢理工大學 2010
[5]基于SVM的漢語語音情感識別的研究[D]. 蘆濤.燕山大學 2007
[6]飛行器被動音頻探測與識別技術研究[D]. 葛欣宏.長春理工大學 2007
[7]基于MFCC的說話人識別系統(tǒng)研究[D]. 郭春霞.西安電子科技大學 2006
本文編號：2995382
【文章來源】：長沙理工大學湖南省
【文章頁數】：48 頁
【學位級別】：碩士
【部分圖文】：
圖２．１無人機類型典型分類示意圖??６??
下面以ＤＪＩ?Ｐｈａｎｔｏｍ?３?（后統(tǒng)一簡稱ＤＪＩ３）為例進行基本特征分析。采集的音頻信號??為ＤＪＩ３低空飛行，從遠處直線飛過傳聲器，然后再徑直飛離的過程。通過時域信號可知，??信號幅度隨著無人機的接近而逐漸增大，隨著無人機的遠離而逐漸減小，如圖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??時間／Ｓ?秒??圖２．?２無人機時域信號圖??如圖２．３所示，在無人機的時頻圖中，音頻信號主要集中在低頻部分，當無人機經過??錄音設備正上方時其高頻成分明顯加強。隨著無人機相對距離的變化，還呈現(xiàn)出一定的??多普勒效應。??７??
?１２??時間／ｓ??圖２．?３無人機時頻信號圖??從圖２．４中可以看出，其頻域信號在低頻部分，有明顯的倍頻關系，也就是具有一定??的諧波特征，也有學者提出了利用諧波特征來探測無人機的方法。??＿＿?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??頻率／Ｈｚ??圖２．?４無人機頻域信號圖??通過分析多種類型無人機音頻信號（無人機音頻噪聲）得知，無人機的音頻噪聲主??要分為氣動噪聲和機械噪聲。氣動噪聲主要來源于旋翼切割空氣及機體與空氣的摩擦，??８??
【參考文獻】：
期刊論文
[1]基于△MFCC和KNN的挖掘設備聲音識別[J]. 趙拓,王建中,王天磊. 工業(yè)控制計算機. 2016(04)
[2]基于頻段互相關系數的咳嗽識別新方法[J]. 朱春媚,黎萍. 計算機工程與應用. 2016(02)
[3]基于CNN彩色圖像邊緣檢測的車牌定位方法[J]. 劉萬軍,姜慶玲,張闖. 自動化學報. 2009(12)
[4]基于CNN的海空目標檢測[J]. 劉天華,楊紹清,劉松濤. 現(xiàn)代電子技術. 2008(09)
[5]基于HMM/SVM的音頻自動分類[J]. 史東承,韓玲艷,于明會. 長春工業(yè)大學學報(自然科學版). 2008(02)
[6]基于短時能量的語音端點檢測算法研究[J]. 張仁志,崔慧娟. 電聲技術. 2005(07)
[7]基于支持向量機的音頻分類與分割[J]. 白亮,老松楊,陳劍赟,吳玲達. 計算機科學. 2005(04)
[8]加權歐氏距離及其應用[J]. 劉瑞元. 數理統(tǒng)計與管理. 2002(05)
[9]聲引信目標信號過零率分布研究[J]. 楊亦春,張文慧,程翔,陳慶生. 南京理工大學學報. 2000(03)
博士論文
[1]基于麥克風陣列的聲源定位算法研究[D]. 居太亮.電子科技大學 2006
碩士論文
[1]基于神經網絡的聲音識別算法研究[D]. 劉曉宇.北京郵電大學 2014
[2]基于Mel倒譜參數的咳嗽聲識別[D]. 尹永.華南理工大學 2012
[3]基于GMM的聲紋識別系統(tǒng)研究[D]. 向權.哈爾濱理工大學 2012
[4]基于GMM的說話人識別系統(tǒng)研究與實現(xiàn)[D]. 陳強.武漢理工大學 2010
[5]基于SVM的漢語語音情感識別的研究[D]. 蘆濤.燕山大學 2007
[6]飛行器被動音頻探測與識別技術研究[D]. 葛欣宏.長春理工大學 2007
[7]基于MFCC的說話人識別系統(tǒng)研究[D]. 郭春霞.西安電子科技大學 2006
本文編號：2995382
本文鏈接：http://sikaile.net/kejilunwen/hangkongsky/2995382.html
