近年來(lái),無(wú)人機(jī)違法飛行現(xiàn)象頻發(fā),不僅嚴(yán)重危害了人民生命財(cái)產(chǎn)安全,甚至對(duì)國(guó)家層面也產(chǎn)生了不利影響。因此,無(wú)人機(jī)的監(jiān)測(cè)技術(shù)與監(jiān)測(cè)設(shè)備的相關(guān)研究越來(lái)越多;無(wú)人機(jī)監(jiān)測(cè)可以從音頻、視頻和射頻三個(gè)方面進(jìn)行,而音頻技術(shù)由于其低成本,易實(shí)現(xiàn)等優(yōu)點(diǎn)而成為本文的研究重點(diǎn)。在本文中,提出了一種基于無(wú)人機(jī)旋翼振動(dòng)音頻信號(hào)的無(wú)人機(jī)監(jiān)測(cè)系統(tǒng),主要任務(wù)是利用系統(tǒng)采集到的音頻信號(hào)實(shí)現(xiàn)無(wú)人機(jī)的檢測(cè)與定位。本文工作的主要?jiǎng)?chuàng)新點(diǎn)包括兩個(gè)部分。第一部分是到達(dá)時(shí)延(TDOA)的計(jì)算優(yōu)化,本文敘述了基于廣義互相關(guān)算法的一系列改進(jìn)方法,將時(shí)延估計(jì)問(wèn)題轉(zhuǎn)換為目標(biāo)跟蹤問(wèn)題,從目標(biāo)跟蹤中的航跡建立出發(fā),完成了時(shí)延初值的計(jì)算,并利用卡爾曼濾波將多時(shí)刻數(shù)據(jù)關(guān)聯(lián)起來(lái),通過(guò)不同候選時(shí)延的反饋修正時(shí)延預(yù)測(cè)值,從而提升TDOA估計(jì)精度;在此基礎(chǔ)上,本文利用實(shí)際數(shù)據(jù)對(duì)所提出算法進(jìn)行了驗(yàn)證,證明了算法的實(shí)際可行性。。第二部分是無(wú)人機(jī)的定位,本文描述了傳統(tǒng)的時(shí)延擬合定位算法,用以實(shí)際數(shù)據(jù)的處理結(jié)果描述了此方法易受噪聲干擾的局限性,為解決此局限性,本節(jié)提出了一套新的基于正則項(xiàng)的定位算法,有效的降低了噪點(diǎn)對(duì)定位的干擾;最后,利用多組實(shí)驗(yàn)數(shù)據(jù)的定位結(jié)果以及誤差...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1. 緒論
    1.1 研究背景及意義
        1.1.1 無(wú)人機(jī)監(jiān)測(cè)系統(tǒng)的必要性
        1.1.2 反無(wú)人機(jī)技術(shù)現(xiàn)狀
    1.2 音頻增強(qiáng)與定位技術(shù)的研究現(xiàn)狀
        1.2.1 音頻信號(hào)增強(qiáng)技術(shù)現(xiàn)狀
        1.2.2 音頻信號(hào)定位技術(shù)現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
        1.3.1 本文工作獨(dú)特性
        1.3.2 主要內(nèi)容安排
2. 系統(tǒng)介紹與無(wú)人機(jī)音頻信號(hào)檢測(cè)
    2.1 引言
    2.2 系統(tǒng)介紹
        2.2.1 系統(tǒng)總覽
        2.2.2 硬件參數(shù)
        2.2.3 軟件配置
    2.3 無(wú)人機(jī)音頻信號(hào)檢測(cè)
        2.3.1 信號(hào)模型
        2.3.2 信號(hào)分幀與加窗
        2.3.3 空間掃描
        2.3.4 音頻信號(hào)增強(qiáng)
        2.3.5 音頻信號(hào)檢測(cè)
        2.3.6 實(shí)驗(yàn)條件與檢測(cè)結(jié)果
    2.4 本章小結(jié)
3. 時(shí)延差融合算法
    3.1 引言
    3.2 TDOA基本算法
    3.3 TDOA跟蹤算法
        3.3.1 模型建立
        3.3.2 關(guān)于時(shí)延候選值的討論
        3.3.3 航跡建立算法
        3.3.4 維特比算法
        3.3.5 滑動(dòng)窗跟蹤算法
        3.3.6 TDOA融合跟蹤算法
        3.3.7 權(quán)重計(jì)算
    3.4 算法測(cè)試與驗(yàn)證
        3.4.1 實(shí)驗(yàn)設(shè)計(jì)
        3.4.2 時(shí)延初值必要性
        3.4.3 滑動(dòng)窗跟蹤算法的應(yīng)用與比較
        3.4.4 時(shí)延融合跟蹤算法的應(yīng)用與比較
    3.5 本章小結(jié)
4. 無(wú)人機(jī)音頻定位算法
    4.1 引言
    4.2 基本音頻定位算法
        4.2.1 解析法
        4.2.2 時(shí)延擬合算法
        4.2.3 麥克風(fēng)對(duì)數(shù)的確定
    4.3 音頻定位算法改進(jìn)
        4.3.1 基于預(yù)測(cè)的正則
        4.3.2 基于軌跡的正則
    4.4 算法求解
        4.4.1 牛頓法
        4.4.2 高斯牛頓法
    4.5 實(shí)驗(yàn)驗(yàn)證
        4.5.1 預(yù)測(cè)正則化方法
        4.5.2 軌跡正則化方法
        4.5.3 基于GPS的對(duì)比
    4.6 本章小結(jié)
5. 總結(jié)和展望
    5.1 本文工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)歷與參與項(xiàng)目
發(fā)表專利文章



本文編號(hào)：3794209