隨著無人機(jī)市場(chǎng)的快速發(fā)展,無人機(jī)在帶來便利的同時(shí),也帶來了安全和隱私方面的威脅。近年來,無人機(jī)“黑飛”、“濫飛”的事件頻發(fā),嚴(yán)重危害了個(gè)人隱私、公共場(chǎng)所、航空以及國家安全。因此,無人機(jī)監(jiān)管的需求不斷增長,無人機(jī)監(jiān)管技術(shù)受到了國內(nèi)外社會(huì)各界的重視。音頻作為一種有效的探測(cè)方法,能夠?qū)崿F(xiàn)對(duì)入侵無人機(jī)的檢測(cè)、定位,因此受到了學(xué)術(shù)界和工業(yè)界的廣泛研究。本文詳細(xì)分析了無人機(jī)音頻信號(hào)特征,研究了無人機(jī)檢測(cè)和定位算法,并基于聲陣列搭建了無人機(jī)監(jiān)測(cè)系統(tǒng)。本文的主要工作如下:(1)采用壓縮聲譜圖構(gòu)建了無人機(jī)音頻特征樣本,利用殘差神經(jīng)網(wǎng)絡(luò)進(jìn)行分類、檢測(cè),并設(shè)計(jì)了多傳感器融合檢測(cè)算法改善性能。首先利用時(shí)頻分析研究了無人機(jī)音頻信號(hào)特征,然后設(shè)計(jì)了一種基于壓縮聲譜圖的特征提取算法,該算法通過降低頻率分辨率和截取有效頻段兩種方式解決原始聲譜圖維數(shù)大、特征稀疏的缺點(diǎn)。最后根據(jù)貝葉斯最優(yōu)決策和邏輯斯蒂回歸模型對(duì)分類結(jié)果進(jìn)行融合,得到無人機(jī)檢測(cè)概率。(2)提出了基于無人機(jī)音頻信號(hào)諧波分布特征的波達(dá)方向(Direction of Arrival,DOA)估計(jì)算法。該算法利用無人機(jī)音頻信號(hào)諧波頻率分布關(guān)系,估計(jì)出各次諧波中心...

【文章頁數(shù)】：99 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 無人機(jī)監(jiān)管的迫切需求
        1.1.2 無人機(jī)探測(cè)技術(shù)
    1.2 研究現(xiàn)狀
        1.2.1 無人機(jī)音頻信號(hào)特征提取及檢測(cè)算法研究現(xiàn)狀
        1.2.2 基于聲陣列的無人機(jī)聲源定位算法研究現(xiàn)狀
        1.2.3 國內(nèi)外無人機(jī)探測(cè)產(chǎn)品現(xiàn)狀
    1.3 本文研究內(nèi)容
第二章 無人機(jī)音頻信號(hào)特征分析及提取
    2.1 引言
    2.2 無人機(jī)音頻信號(hào)特征分析
        2.2.1 時(shí)頻分析算法基礎(chǔ)
        2.2.2 無人機(jī)音頻信號(hào)時(shí)頻分析
        2.2.3 干擾情況下無人機(jī)音頻信號(hào)時(shí)頻分析
    2.3 無人機(jī)音頻信號(hào)特征提取
        2.3.1 基于MFCC的無人機(jī)音頻特征提取算法
        2.3.2 基于壓縮聲譜圖的無人機(jī)音頻特征提取算法
    2.4 本章小結(jié)
第三章 無人機(jī)音頻信號(hào)檢測(cè)
    3.1 引言
    3.2 基于機(jī)器學(xué)習(xí)的無人機(jī)音頻信號(hào)檢測(cè)算法
        3.2.1 基于SVM的無人機(jī)音頻信號(hào)檢測(cè)
        3.2.2 基于殘差神經(jīng)網(wǎng)絡(luò)的無人機(jī)音頻信號(hào)檢測(cè)
    3.3 多傳感器融合檢測(cè)算法
    3.4 實(shí)驗(yàn)分析
        3.4.1 基于噪聲平均不變性的SNR估計(jì)方法
        3.4.2 實(shí)驗(yàn)參數(shù)及平臺(tái)
        3.4.3 檢測(cè)及融合算法實(shí)驗(yàn)分析
    3.5 本章小結(jié)
第四章 無人機(jī)音頻信號(hào)定位
    4.1 引言
    4.2 聲源定位算法基本原理
    4.3 基于無人機(jī)音頻諧波特征的DOA估計(jì)算法
        4.3.1 問題建模
        4.3.2 諧波特征DOA估計(jì)算法分析
    4.4 基于冗余TDOA信息融合的無人機(jī)聲源定位算法
        4.4.1 問題建模
        4.4.2 冗余TDOA信息融合的定位算法分析
        4.4.3 基于高斯先驗(yàn)的時(shí)延估計(jì)改進(jìn)算法
        4.4.4 基于卡爾曼濾波的無人機(jī)聲源跟蹤
    4.5 實(shí)驗(yàn)分析驗(yàn)證
        4.5.1 DOA定位方法實(shí)驗(yàn)分析
        4.5.2 TDOA定位方法實(shí)驗(yàn)分析
    4.6 本章小結(jié)
第五章 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 引言
    5.2 系統(tǒng)組成
        5.2.1 系統(tǒng)概覽
        5.2.2 軟硬件參數(shù)
    5.3 系統(tǒng)運(yùn)行與測(cè)試
    5.4 本章小結(jié)
第六章 總結(jié)及展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果及參與的科研項(xiàng)目



本文編號(hào)：3831393