【技术实现步骤摘要】
本专利技术涉及信号处理领域，具体而言，涉及一种无人机声学识别方法及装置。
技术介绍
1、随着科技的不断发展，无人机在各个领域的应用日益广泛，如安防、环境检测、遥感、救援、基础设施检查等领域。随着科技的不断进步，无人机的使用门槛不断降低，这在为人们带来便利的同时，也引发了黑飞现象、安全威胁、噪声污染、侵犯隐私等问题，给社会带来了负面影响。
2、为了应对这些问题，需要研究有效的无人机反制手段。这不仅有助于减少使用无人机带来的负面影响，还能保障无人机的规范使用，促进无人机行业的有序发展。在无人机反制系统中，识别是至关重要的一环。只有准确识别出具有威胁性的无人机，才能采取有效的反制措施。
3、无人机的检测与识别包含视觉、声学、雷达、射频等不太领域的识别技术。基于视觉的识别技术容易受到障碍物遮挡、光线照明、物体模糊等因素影响；基于雷达的识别技术因无人机的体积较小，雷达截面积较小而无法轻易的检测出无人机；基于射频信号的识别技术在入侵无人机沿着预先设定的路线飞行时(不对外发射射频信号)无法检测出无人机。
4、基于声学的无人机识别技术可实现全天候运行(如雾霾、雨天或低光环境)，具有较强的环境适应性。而且声波可绕过障碍物传播，在一定程度上克服地形遮挡或建筑物阻挡的问题，检测到视觉或雷达系统难以捕捉的无人机。与雷达或激光雷达等复杂系统相比，声学识别系统的设备成本通常较低，适合大范围部署或资源受限的应用场景。
5、无人机声音通常分为气动声音和机械声音，前者源于旋翼切割空气和机体与空气摩擦，其通常分布在声
6、传统的谐波分析是在经过傅里叶变换的频域上直接划分不同的频带，每一个频带直接对应一个高次谐波，然后在每个频带上确定幅值最大所对应的频率数值。面临下列几个问题：1、实际环境中各高次谐波中心频率附近会有其它频率的谱线，这些旁瓣会对影响谐波中心频率的选择。2、划分的频带范围有限，如果无人机相邻高次谐波的中心频率相差400hz，那么频带范围就不能超过800hz。高频的频带输出无论是无人机的还是噪声的数值相差有限。3、划分的频带受谐波频率数值的影响，不同型号的无人机谐波频率数值不一样，导致划分好的频带只能针对一种型号的无人机，对另外型号的无人机识别不起作用。由此可知，通过现有的无人机的检测与识别方法无法对无人音频信号进行有效识别，会降低无人机升学识别结果的准确性和有效性。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种无人机声学识别方法及装置，以对无人机音频信号进行有效识别，提高无人机升学识别结果的准确性和有效性。
2、第一方面，本申请实施例提供了一种无人机声学识别方法，所述方法包括：
3、采集无人机音频信号，对所述无人机音频信号进行分帧得到若干信号帧；
4、计算各信号帧的功率谱密度，根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络；
5、对各信号帧的功率谱密度的包络的峰值进行检测过滤，确定出各信号帧过滤后保留的突出峰值的频率；
6、根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人机音频信号的第一特征向量；
7、基于所述无人机音频信号的第一特征向量对卷积神经网络模型进行模型训练；
8、利用训练好的卷积神经网络模型对待识别音频信号进行识别。
9、可选地，所述计算各信号帧的功率谱密度，包括：
10、利用窗函数对各信号帧进行加窗处理；
11、对加窗处理后的各信号帧进行快速傅里叶变换得到各信号帧的频域信号：
12、基于快速傅里叶变换点数，根据各信号帧的频域信号确定出各信号帧的功率谱密度。
13、可选地，所述根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络，包括：
14、对各信号帧的功率谱密度进行平滑处理得到各信号帧的功率谱密度的包络。
15、可选地，所述根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人机音频信号的第一特征向量，包括：
16、对于各无人机，依次判断各信号帧的突出峰值的频率是否在该无人机的各标准预设频率范围内；
17、基于在该无人机的标准预设频率范围内的各信号帧的突出峰值的频率构建该无人机在各信号帧的第二特征向量；
18、基于各无人机在各信号帧的第二特征向量生成所述无人机音频信号的第一特征向量。
19、可选地，所述基于各无人机在各信号帧的第二特征向量生成所述无人机音频信号的第一特征向量，包括：
20、对于各信号帧，将各无人机在该信号帧的第二特征向量进行整合得到各信号帧的第三特征向量；
21、将各信号帧的第三特征向量进行整合得到所述无人机音频信号的第一特征向量。
22、第二方面，本申请实施例提供了一种无人机声学识别装置，所述装置包括：
23、信号采集模块，用于采集无人机音频信号，对所述无人机音频信号进行分帧得到若干信号帧；
24、信号处理模块，用于计算各信号帧的功率谱密度，根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络；
25、信号过滤模块，用于对各信号帧的功率谱密度的包络的峰值进行检测过滤，确定出各信号帧过滤后保留的突出峰值的频率；
26、特征向量确定模块，用于根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人机音频信号的第一特征向量；
27、模型训练模块，用于基于所述无人机音频信号的第一特征向量对卷积神经网络模型进行模型训练；
28、信号识别模块，用于利用训练好的卷积神经网络模型对待识别音频信号进行识别。
29、可选地，所述计算各信号帧的功率谱密度，包括：
30、利用窗函数对各信号帧进行加窗处理；
31、对加窗处理后的各信号帧进行快速傅里叶变换得到各信号帧的频域信号：
32、基于快速傅里叶变换点数，根据各信号帧的频域信号确定出各信号帧的功率谱密度。
33、可选地，所述根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络，包括：
34、对各信号帧的功率谱密度进行平滑处理得到各信号帧的功率谱密度的包络。
35、可选地，所述根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人机音频信号的第一特征向量，包括：
36、对于各无人机，依次判断各信号帧的突出峰值的频率是否在该无人机的各标准预设频率范围内；
37、基于在该无人机的标准预设频率范围内的各信号帧的突出峰值的频率构建该无人机在各信号帧的第二特征向量；
38本文档来自技高网...
【技术保护点】
1.一种无人机声学识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述计算各信号帧的功率谱密度，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人机音频信号的第一特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于各无人机在各信号帧的第二特征向量生成所述无人机音频信号的第一特征向量，包括：
6.一种无人机声学识别装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述计算各信号帧的功率谱密度，包括：
8.根据权利要求6所述的装置，其特征在于，所述根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络，包括：
9.根据权利要求6所述的装置，其特征在于，所述根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人
10.根据权利要求9所述的装置，其特征在于，所述基于各无人机在各信号帧的第二特征向量生成所述无人机音频信号的第一特征向量，包括：
...【技术特征摘要】
1.一种无人机声学识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述计算各信号帧的功率谱密度，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据各信号帧的功率谱密度确定出各信号帧的功率谱密度的包络，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据各无人机的标准预设频率范围，基于各信号帧的突出峰值的频率确定出所述无人机音频信号的第一特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于各无人机在各信号帧的第二特征向量生成所述无人机音频信号的第一特征向量，包括：
...【专利技术属性】
技术研发人员：樊宽刚，潘文杰，钟继龙，曾之域，黄嘉俊，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。