基于音频特性的无人机检测与识别研究

摘要

在被动声探测的模式下，利用无人机的声信号进行无人机类型的分类与识别，是被动声目标识别领域的一个新课题。本文在研究和分析具有代表性的无人机声信号产生机理的基础上，对基于无人机声信号的目标探测与识别系统进行了相关系列的研究。 首先，针对无人机噪声特性和环境背景噪声，应用信号预处理技术，研究了基于小波变换的阈值降噪算法。该算法利用作用阈值的方法过滤掉小波系数小于给定阈值的噪声信号，以达到降噪的目的。实验结果表明小波全局阈值的降噪效果要好于分层阈值。 其次，研究了无人机目标声信号的两种特征提取技术。从能量分布角度提取基于EMD和IMF能量比的特征，该特征将不平稳的无人机声信号通过EMD分解为线性、平稳的IMF分量，将其归一化后的能量作为新的特征向量。又从听觉感知的角度提取了MFCC特征，并结合具有时变特性的△MFCC特征共同表现无人机特征。实验表明两种特征向量都能较好地体现无人机的特性，为无人机类型识别做必要的准备。 第三，设计了矢量量化方法和支持向量机两种分类器。利用四类无人机的实录声信号以及上述的特征提取方法与分类器分别进行无人机分类与识别实验，验证算法的有效性和性能。实验结果表明，从能量和听觉感知不同的角度出发的两种特征提取技术，都能较好地体现不同类型无人机各自的特性，取得较好的分类性能。 最后，利用主成分分析对特征向量进行降维处理。实验结果表明，降维能在保证较好的识别性能的条件下减少特征向量的高阶冗余，减少计算时间与空间的开销。经过主成分分析降维后得到简洁的混合特征向量，比单一特征具有更好的分类性能。

目录

声明

摘要

1绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1飞行器目标自动识别研究现状

1．2．2被动声探测技术研究现状

1．3本文的主要内容

2无人机声信号特性分析及预处理

2．1无人机噪声与环境背景噪声特性分析

2．1．1旋翼无人机噪声特性分析

2．1．2固定翼无人机噪声特性分析

2．1．3风雨噪声特性分析

2．2声信号的预处理

2．2．1小波变换的基本理论

2．2．2基于小波变换的降噪算法

2．3本章小结

3声信号的特征提取

3．1基于EMD和IMF能量比的特征提取

3．1．1 EMD的基本理论

3．1．2基于EMD和IMF能量比的无人机声信号特征提取

3．2基于听觉感知的特征提取

3．2．1听觉感知与听觉心理的基本理论

3．2．2基于MFCC的无人机声信号特征提取

3．3特征向量的可分性判据

3．4本章小结

4分类器设计及无人机类型识别

4．1矢量量化方法

4．1．1矢量量化的基本理论

4．1．2矢量量化方法的码本设计

4．1．3基于矢量量化的无人机声信号识别

4．2支持向量机

4．2．1支持向量机的基本理论

4．2．2核函数

4．2．3基于支持向量机的无人机声信号识别

4．3无人机多目标识别实验及结果

4．3．1实验说明

4．3．2基于VQ的无人机识别算法的数值实验

4．3．3基于SVM的无人机识别算法的数值实验

4．4本章小结

5基于主成分分析的特征降维及融合

5．1主成分分析的基本理论

5．2基于主成分分析的无人机特征降维

5．3无人机特征降维及特征融合实验

5．3．1基于PCA的降维实验

5．3．2特征融合实验

5．4本章小结

6结论与展望

致谢

参考文献

附录