針對(duì)如何識(shí)別無人機(jī)的問題,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的聲音識(shí)別無人機(jī)的方法.首先,對(duì)100 m范圍內(nèi)的無人機(jī)、鳥和人的聲音進(jìn)行采集、預(yù)處理和提取MFCC+GFCC特征值,將其特征參數(shù)作為卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和識(shí)別的數(shù)據(jù)集;然后分別設(shè)計(jì)了支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)兩種模型對(duì)無人機(jī)等聲音進(jìn)行識(shí)別實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,運(yùn)用支持向量機(jī)識(shí)別無人機(jī)的準(zhǔn)確率為91.9%,卷積神經(jīng)網(wǎng)絡(luò)識(shí)別無人機(jī)的準(zhǔn)確率為96.5%.為了進(jìn)一步驗(yàn)證設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別能力,在部分UrbanSound8K數(shù)據(jù)集上進(jìn)行測(cè)試,準(zhǔn)確率達(dá)到90%.實(shí)驗(yàn)結(jié)果表明運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別無人機(jī)具有可行性,且識(shí)別性能優(yōu)于支持向量機(jī). 

【文章來源】：工程科學(xué)學(xué)報(bào). 2020,42(11)北大核心

【文章頁數(shù)】：9 頁

【參考文獻(xiàn)】：
期刊論文
[1]TensorFlow Lite:端側(cè)機(jī)器學(xué)習(xí)框架[J]. 李雙峰.  計(jì)算機(jī)研究與發(fā)展. 2020(09)
[2]基于VMD的銑刀破損檢測(cè)[J]. 王向陽,何嶺松,王平江,高志強(qiáng).  振動(dòng)與沖擊. 2020(16)
[3]基于Gammatone濾波器倒譜系數(shù)與鯨魚算法優(yōu)化隨機(jī)森林的干式變壓器機(jī)械故障聲音診斷[J]. 耿琪深,王豐華,金霄.  電力自動(dòng)化設(shè)備. 2020(08)
[4]基于主成分分析與支持向量機(jī)的熱泵系統(tǒng)制冷劑泄漏識(shí)別研究[J]. 于仙毅,巫江虹,高云輝.  化工學(xué)報(bào). 2020(07)
[5]零樣本圖像識(shí)別[J]. 蘭紅,方治嶼.  電子與信息學(xué)報(bào). 2020(05)
[6]基于支持向量機(jī)的飛行器多余物信號(hào)識(shí)別[J]. 孟偲,李陽剛,張國(guó)強(qiáng),趙長(zhǎng)興.  北京航空航天大學(xué)學(xué)報(bào). 2020(03)
[7]基于融合特征以及卷積神經(jīng)網(wǎng)絡(luò)的環(huán)境聲音分類系統(tǒng)研究[J]. 張科,蘇雨,王靖宇,王霰宇,張彥華.  西北工業(yè)大學(xué)學(xué)報(bào). 2020(01)
[8]基于核主成分分析-SoftMax的高壓斷路器機(jī)械故障診斷技術(shù)研究[J]. 王昱皓,武建文,馬速良,楊景剛,趙科.  電工技術(shù)學(xué)報(bào). 2020(S1)
[9]基于偽隨機(jī)線性調(diào)頻的雙序列跳頻通信方法[J]. 全厚德,唐志強(qiáng),孫慧賢,崔佩璋.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(11)
[10]用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的設(shè)計(jì)[J]. 王紅霞,周家奇,辜承昊,林泓.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(07)



本文編號(hào)：2970543