基于无线紫外光组网的无人机声识别管控方法技术

本发明专利技术公开了基于无线紫外光组网的无人机声识别管控方法，包括：采集无人机噪声信号，对无人机噪声信号进行预处理；采用MFCC对处理后的无人机噪声信号进行特征提取，得到音频特征，建立声纹库；实时采集目标噪声信号，对目标噪声信号进行噪声消除，得到声源信号；利用短时傅里叶变换对声源信号进行时频域分析，再采用MFCC进行特征提取，并将提取的特征与声纹库中的音频特征进行匹配；若确定目标噪声信号为黑飞无人机，则对无人机进行实时声源定位管控。能有效解决无线电的干扰问题，也可以解决光学设备探测受限的问题，且保密性强的优点，能准确识别小型的飞行器。能准确识别小型的飞行器。能准确识别小型的飞行器。

【技术实现步骤摘要】
基于无线紫外光组网的无人机声识别管控方法


[0001]本专利技术属于无人机识别方法
，涉及基于无线紫外光组网的无人 机声识别管控方法。

技术介绍

[0002]由于低空飞行器自身结构特点以及低空飞行的特性，使得雷达对目标识 别困难。图像和视频识别方法又受限于能见度、光线和环境影响，尤其对于 小型的飞行器来说，更是难以远距离捕获。
[0003]
技术实现思路

[0004]本专利技术的目的是提供一种基于无线紫外光组网的无人机声识别管控方 法，解决了现有技术中存在的识别方法难以识别小型的飞行器问题。
[0005]本专利技术所采用的技术方案是，基于无线紫外光组网的无人机声识别管控 方法，包括以下步骤：
[0006]步骤1、采集无人机噪声信号，对无人机噪声信号进行预处理；
[0007]步骤2、采用MFCC对处理后的无人机噪声信号进行特征提取，得到音 频特征，建立声纹库；
[0008]步骤3、实时采集目标噪声信号，对目标噪声信号进行噪声消除，得到 声源信号；利用短时傅里叶变换对声源信号进行时频域分析，再采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无线紫外光组网的无人机声识别管控方法，其特征在于，包括以下步骤：步骤1、采集无人机噪声信号，对所述无人机噪声信号进行预处理；步骤2、采用MFCC对处理后的无人机噪声信号进行特征提取，得到音频特征，建立声纹库；步骤3、实时采集目标噪声信号，对所述目标噪声信号进行噪声消除，得到声源信号；利用短时傅里叶变换对所述声源信号进行时频域分析，再采用MFCC进行特征提取，并将提取的特征与声纹库中的音频特征进行匹配；步骤4、若确定目标噪声信号为黑飞无人机，则对无人机进行实时声源定位管控。2.根据权利要求1所述的基于无线紫外光组网的无人机声识别管控方法，其特征在于，步骤1所述预处理过程包括时域处理和频域处理。3.根据权利要求1所述的基于无线紫外光组网的无人机声识别管控方法，其特征在于，步骤2得到声纹库后，根据地区对所述声纹库做出GPS划分，并对声纹库中音频进行标记分类，同时联网获得对应天气状况，得到联网数据库。4.根据权利要求1所述的基于无线紫外光组网的无人机声识别管控方法，其特征在于，步骤3中所述噪声消除过程采用小波阈值去噪算法，具体包括：小波变换运算、非线性去噪运算及小波重构运算，公式如下：上式中，W和W
‑1分别表示小波变换运算、小波重构运算，T为非线性去噪运算，u为含噪信号的小波系数，为去噪后的小波系数，λ为阈值；所述非线性去噪运算中的阈值函数表达式为：上式中，λ2为上阈值，λ1为下阈值，两者之间的关系为λ1＝αλ2,0＜α＜1，m为大于1的整数；求解阈值函数在阈值处的导数；根据公式(3)可得m＝(1+m)(1
‑
α)；
根据噪声在各层所占能量的比例构建关于m的表达式：上式中，E
nj
为噪声在j尺度上的能量，E
dj
为含噪信号在j尺度上的能量，[
·
]为取整；信号的总能量为E≈2E
d1
，噪声在各个尺度上的能量为由此可计算出各尺度上m的取值，其取值范围为(1,...

【专利技术属性】
技术研发人员：赵太飞，张健伟，孙玉歆，张爽，牛洁，陈郁琪，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：