隨著無人機(jī)技術(shù)飛速發(fā)展,消費(fèi)級無人機(jī)的應(yīng)用也越來越廣泛,但同時(shí)也帶來了很多的負(fù)面影響,為解決近場空域低、慢、小旋翼無人機(jī)的安全威脅問題,對無人機(jī)的探測和識(shí)別研究就顯得非常有必要。本論文基于被動(dòng)音頻的無人機(jī)探測和識(shí)別技術(shù)研究是以無人機(jī)飛行過程中產(chǎn)生的特有音頻信號(hào)特征為研究依據(jù),主要是通過傳統(tǒng)方法和機(jī)器學(xué)習(xí)方法進(jìn)行研究,找出高正確率,更具魯棒性的無人機(jī)檢測和識(shí)別的方法。本文的主要?jiǎng)?chuàng)新工作如下:（1）對常用的消費(fèi)級無人機(jī)的音頻信號(hào)進(jìn)行研究,對其時(shí)域和頻域信號(hào)特征進(jìn)行了總結(jié),列出當(dāng)前消費(fèi)級無人機(jī)的主要音頻特征,并提出了一種科學(xué)合理的無人機(jī)音頻信號(hào)采集方案。（2）提出了一種基于高斯混合模型（GMM）無人機(jī)音頻探測和識(shí)別方法。提出的系統(tǒng)使用MFCC為基本特征,優(yōu)化參數(shù),通過對訓(xùn)練數(shù)據(jù)的處理,創(chuàng)建各類型號(hào)無人機(jī)的GMM模型,并構(gòu)建無人機(jī)的音頻“指紋庫”,最后對采集的郊區(qū)環(huán)境條件下的測試數(shù)據(jù)進(jìn)行了仿真,驗(yàn)證了該方法的可行性。（3）基于機(jī)器學(xué)習(xí)的無人機(jī)音頻探測和識(shí)別方法。為了進(jìn)一步適應(yīng)復(fù)雜多變的環(huán)境條件,使用NN、CNN、RNN、BLSTM等方法進(jìn)行研究,增加特征參數(shù)、無人機(jī)音頻樣本和環(huán)境樣本數(shù)量,進(jìn)行... 

【文章來源】：長沙理工大學(xué)湖南省

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１無人機(jī)類型典型分類示意圖??６??

下面以ＤＪＩ?Ｐｈａｎｔｏｍ?３?（后統(tǒng)一簡稱ＤＪＩ３）為例進(jìn)行基本特征分析。采集的音頻信號(hào)??為ＤＪＩ３低空飛行，從遠(yuǎn)處直線飛過傳聲器，然后再徑直飛離的過程。通過時(shí)域信號(hào)可知，??信號(hào)幅度隨著無人機(jī)的接近而逐漸增大，隨著無人機(jī)的遠(yuǎn)離而逐漸減小，如圖２．２所示。??０．２５??１?＇?＇?￣?＇?１?１??：：ｋ?：??°－?１１１１１１?－?－??：：?＿??：；：?Ｔ??？０．２５??１?１?１?１?１?１???〇?２?４?６?８?１０?１２?１４??時(shí)間／Ｓ?秒??圖２．?２無人機(jī)時(shí)域信號(hào)圖??如圖２．３所示，在無人機(jī)的時(shí)頻圖中，音頻信號(hào)主要集中在低頻部分，當(dāng)無人機(jī)經(jīng)過??錄音設(shè)備正上方時(shí)其高頻成分明顯加強(qiáng)。隨著無人機(jī)相對距離的變化，還呈現(xiàn)出一定的??多普勒效應(yīng)。??７??

?１２??時(shí)間／ｓ??圖２．?３無人機(jī)時(shí)頻信號(hào)圖??從圖２．４中可以看出，其頻域信號(hào)在低頻部分，有明顯的倍頻關(guān)系，也就是具有一定??的諧波特征，也有學(xué)者提出了利用諧波特征來探測無人機(jī)的方法。??＿＿?ｊ?，?Ｉ?？?｜?ｊ?３?｝?！?ｊ?ｒ??６０?＂?￣??５０?＂ｊ．．：ｊ－．?｜??！?Ｉ．．．．－－１?＾??漏ｍｉ??２００?４００?６００?８００?１０００?１２００?１４００?１６００?１８００?２０００?２２００??頻率／Ｈｚ??圖２．?４無人機(jī)頻域信號(hào)圖??通過分析多種類型無人機(jī)音頻信號(hào)（無人機(jī)音頻噪聲）得知，無人機(jī)的音頻噪聲主??要分為氣動(dòng)噪聲和機(jī)械噪聲。氣動(dòng)噪聲主要來源于旋翼切割空氣及機(jī)體與空氣的摩擦，??８??

【參考文獻(xiàn)】：
期刊論文
[1]基于△MFCC和KNN的挖掘設(shè)備聲音識(shí)別[J]. 趙拓,王建中,王天磊.  工業(yè)控制計(jì)算機(jī). 2016(04)
[2]基于頻段互相關(guān)系數(shù)的咳嗽識(shí)別新方法[J]. 朱春媚,黎萍.  計(jì)算機(jī)工程與應(yīng)用. 2016(02)
[3]基于CNN彩色圖像邊緣檢測的車牌定位方法[J]. 劉萬軍,姜慶玲,張闖.  自動(dòng)化學(xué)報(bào). 2009(12)
[4]基于CNN的�？漳繕�(biāo)檢測[J]. 劉天華,楊紹清,劉松濤.  現(xiàn)代電子技術(shù). 2008(09)
[5]基于HMM/SVM的音頻自動(dòng)分類[J]. 史東承,韓玲艷,于明會(huì).  長春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(02)
[6]基于短時(shí)能量的語音端點(diǎn)檢測算法研究[J]. 張仁志,崔慧娟.  電聲技術(shù). 2005(07)
[7]基于支持向量機(jī)的音頻分類與分割[J]. 白亮,老松楊,陳劍赟,吳玲達(dá).  計(jì)算機(jī)科學(xué). 2005(04)
[8]加權(quán)歐氏距離及其應(yīng)用[J]. 劉瑞元.  數(shù)理統(tǒng)計(jì)與管理. 2002(05)
[9]聲引信目標(biāo)信號(hào)過零率分布研究[J]. 楊亦春,張文慧,程翔,陳慶生.  南京理工大學(xué)學(xué)報(bào). 2000(03)

博士論文
[1]基于麥克風(fēng)陣列的聲源定位算法研究[D]. 居太亮.電子科技大學(xué) 2006

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的聲音識(shí)別算法研究[D]. 劉曉宇.北京郵電大學(xué) 2014
[2]基于Mel倒譜參數(shù)的咳嗽聲識(shí)別[D]. 尹永.華南理工大學(xué) 2012
[3]基于GMM的聲紋識(shí)別系統(tǒng)研究[D]. 向權(quán).哈爾濱理工大學(xué) 2012
[4]基于GMM的說話人識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D]. 陳強(qiáng).武漢理工大學(xué) 2010
[5]基于SVM的漢語語音情感識(shí)別的研究[D]. 蘆濤.燕山大學(xué) 2007
[6]飛行器被動(dòng)音頻探測與識(shí)別技術(shù)研究[D]. 葛欣宏.長春理工大學(xué) 2007
[7]基于MFCC的說話人識(shí)別系統(tǒng)研究[D]. 郭春霞.西安電子科技大學(xué) 2006



本文編號(hào)：2995382