论文部分内容阅读
随着无人机市场的快速发展,无人机在带来便利的同时,也带来了安全和隐私方面的威胁。近年来,无人机“黑飞”、“滥飞”的事件频发,严重危害了个人隐私、公共场所、航空以及国家安全。因此,无人机监管的需求不断增长,无人机监管技术受到了国内外社会各界的重视。音频作为一种有效的探测方法,能够实现对入侵无人机的检测、定位,因此受到了学术界和工业界的广泛研究。本文详细分析了无人机音频信号特征,研究了无人机检测和定位算法,并基于声阵列搭建了无人机监测系统。本文的主要工作如下:(1)采用压缩声谱图构建了无人机音频特征样本,利用残差神经网络进行分类、检测,并设计了多传感器融合检测算法改善性能。首先利用时频分析研究了无人机音频信号特征,然后设计了一种基于压缩声谱图的特征提取算法,该算法通过降低频率分辨率和截取有效频段两种方式解决原始声谱图维数大、特征稀疏的缺点。最后根据贝叶斯最优决策和逻辑斯蒂回归模型对分类结果进行融合,得到无人机检测概率。(2)提出了基于无人机音频信号谐波分布特征的波达方向(Direction of Arrival,DOA)估计算法。该算法利用无人机音频信号谐波频率分布关系,估计出各次谐波中心频率,然后利用高分辨率窄带DOA估计算法得到各次谐波的方向,最后根据谐波能量分布特征,加权得到DOA估计结果。该算法充分利用了信号谐波分布特征,提升了DOA估计的性能。(3)改进了基于到达时间差(Time Difference of Arrival,TDOA)的声源定位算法。该算法充分利用冗余TDOA信息,并针对牛顿迭代解初值估计问题,构造了多组维数较小的线性方程组,避免了原始模型中非线性和稀疏的问题;然后利用聚类算法剔除线性方程求解过程中的异常点,并将初值估计值代入迭代解得到定位结果。(4)在多径效应和低信噪比的情况下,利用高斯先验概率密度分布函数(Gaussian Priori Probability Density Function,GPDF)改进了时延估计。声音传播具有多径效应,影响广义互相关函数的谱峰搜索结果;同时,当声源信号信噪比较低时,谱峰会被噪声淹没。该算法通过利用上一时刻的TDOA信息构造一个GPDF,对广义互相关函数滤波得到新的互功率谱密度函数,改善了TDOA的估计精度。