基于被动音频的无人机探测与识别技术研究

摘要

随着无人机技术飞速发展，消费级无人机的应用也越来越广泛，但同时也带来了很多的负面影响，为解决近场空域低、慢、小旋翼无人机的安全威胁问题，对无人机的探测和识别研究就显得非常有必要。 本论文基于被动音频的无人机探测和识别技术研究是以无人机飞行过程中产生的特有音频信号特征为研究依据，主要是通过传统方法和机器学习方法进行研究，找出高正确率，更具鲁棒性的无人机检测和识别的方法。本文的主要创新工作如下: (1)对常用的消费级无人机的音频信号进行研究，对其时域和频域信号特征进行了总结，列出当前消费级无人机的主要音频特征，并提出了一种科学合理的无人机音频信号采集方案。 (2)提出了一种基于高斯混合模型(GMM)无人机音频探测和识别方法。提出的系统使用MFCC为基本特征，优化参数，通过对训练数据的处理，创建各类型号无人机的GMM模型，并构建无人机的音频“指纹库”，最后对采集的郊区环境条件下的测试数据进行了仿真，验证了该方法的可行性。 (3)基于机器学习的无人机音频探测和识别方法。为了进一步适应复杂多变的环境条件，使用NN、CNN、RNN、BLSTM等方法进行研究，增加特征参数、无人机音频样本和环境样本数量，进行多种场景条件下的训练，提升复杂声场条件下的无人机音频的识别能力。最后，针对特定场景下的无人机音频特征识别，提出了环境预学习方法，从而解耦无人机音频信号和特定环境音频信号的剥离过程，达到预学习和训练相结合，提高特定场景下的无人机音频的识别率。

目录

声明

摘要

第一章 绪论

1．1研究背景及意义

1．2国内外研究现状

1．3本文主要结构安排

第二章无人机音频特征与常用特征参数

2．1引言

2．2无人机音频特征

2．2．1无人机的类型划分和数据定义

2．2．2无人机音频的基本特征分析

2．3常用特征参数

2．4无人机音频信号探测和识别理论概述

2．4．1探测原理

2．4．2识别原理

2．5小结

第三章基于GMM的无人机被动音频探测和识别研究

3．1 GMM理论概述

3．2基于GMM的无人机音频探测和识别系统

3．2．1系统框图

3．2．2预处理

3．2．3特征提取

3．2．4训练数据采集

3．2．5 GMM模型训练和识别

3．3实验结果与分析

3．4本章小结

第四章基于机器学习的无人机被动音频探测和识别研究

4．1概述

4．2主要流程

4．2．1数据集

4．2．2特征选取

4．2．3训练和识别

4．3机器学习算法介绍

4．4实验结果与分析

4．5特定场景下应用

4．6本章小结

5．1论文工作总结

5．2下一步展望

参考文献

致谢

附录(攻读硕士学位期间发表和录用的学术论文)