【技术实现步骤摘要】
本专利技术涉及信号处理，具体为基于gwo优化svm的四旋翼无人机音频探测方法及系统。
技术介绍
1、目前，电网设备的噪音检测主要依赖于手持设备。随着无人机在电网巡检中的广泛应用，它们极大地减轻了巡检工作的负担。然而，无人机旋翼产生的噪音对电网设备噪音的检测造成了显著干扰。为了解决这个问题，本专利技术提出了一种针对无人机旋翼噪音的被动音频探测方法。目前，常用的声音特征提取方法包括线性预测倒谱系数(lpcc)、梅尔频率倒谱系数(mfcc)、短时过零检测法和小波变换等。mfcc是基于人耳听觉模式设计的算法，在语音识别领域应用广泛。然而，直接应用于无人机声音识别时，mfcc在处理高频信号时的分辨率不足成为一个问题。无人机声音信号虽然与语音信号有类似之处，但仍有其独特特性。因此，将mfcc应用于无人机声音识别需要对其进行调整和优化。为了解决这个问题，提出了结合mfcc和imfcc(改进的mfcc)特征，通过计算fisher比来构建一种混合特征参数。这种方法不仅提高了mfcc在高频域的分辨率，也更好地表征了无人机声音信号。
2、此外，为了实现更准确的无人机声音识别，研究者开发了基于灰狼优化算法和支持向量机(gwo-svm)的无人机音频分类模型。这个模型结合了灰狼优化算法的全局搜索能力和支持向量机的分类效率，成功提高了无人机声音识别的准确性和效率。综上所述，通过结合先进的声音特征提取技术和机器学习算法，研究者能够更有效地识别和分类无人机的声音，这对于无人机的监管和安全管理具有重要意义。
技术实现思路b>
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有技术在处理高频信号时的分辨率不足，难以处理无人机旋翼产生的噪音对电网设备噪音的检测造成的干扰问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：基于gwo优化svm的四旋翼无人机音频探测方法，包括：采集无人机声音数据，通过逆运算获得各旋翼的噪音数据；通过梅尔滤波器和反梅尔滤波器，对噪音数据进行采样；根据采样得到的噪声音频样本初始化灰狼优化算法，使用支持向量机计算每头狼的个体适应度，更新狼群位置并获得最优参数实现噪声识别。
4、作为本专利技术所述的基于gwo优化svm的四旋翼无人机音频探测方法的一种优选方案，其中：所述无人机噪音数据包括，通过四旋翼无人机旋翼下方搭载的4个麦克风采集噪音数据，按无人机的前视图标记旋翼和麦克风；所述旋翼的标记为，左前方为旋翼1，右前方为旋翼2，右后方为旋翼3，左后方为旋翼4。
5、作为本专利技术所述的基于gwo优化svm的四旋翼无人机音频探测方法的一种优选方案，其中：通过所述逆运算获得各旋翼的噪音数据包括，
6、
7、
8、其中，s(i)表示i号麦克风收到的声音数据；y(j)表示j号旋翼发出噪声信号；kij表示噪音系数；dij表示i号麦克风与j号旋翼之间的距离；dii表示同号麦克风与旋翼之间的距离；α为吸收系数。
9、作为本专利技术所述的基于gwo优化svm的四旋翼无人机音频探测方法的一种优选方案，其中：所述梅尔滤波器和反梅尔滤波器包括，
10、fmel＝1127ln(1+fhz/700)
11、
12、其中，fmel表示梅尔频率，fimel表示翻转梅尔频率，fhz表示实际频率。
13、作为本专利技术所述的基于gwo优化svm的四旋翼无人机音频探测方法的一种优选方案，其中：所述初始化灰狼优化算法包括，根据无人机四个旋翼的噪声样本，对灰狼算法进行初始化，包括种群规模n、最大迭代次数t、svm的参数(c,g)的取值范围，c表示惩罚参数，g表示核函数参数，随机生成狼群的初始位置，每头狼的位置由支持向量机的惩罚参数和核函数参数决定。
14、作为本专利技术所述的基于gwo优化svm的四旋翼无人机音频探测方法的一种优选方案，其中：所述初始化灰狼优化算法包括，根据无人机四个旋翼的噪声样本，对灰狼算法进行初始化，包括种群规模n、最大迭代次数t、svm的参数(c,g)的取值范围，c表示惩罚参数，g表示核函数参数，随机生成狼群的初始位置，每头狼的位置由支持向量机的惩罚参数和核函数参数决定。
15、作为本专利技术所述的基于gwo优化svm的四旋翼无人机音频探测方法的一种优选方案，其中：更新所述狼群位置包括，根据适应度的大小对狼群进行排序,由大到小依次为α、β、δ，对狼群位置进行更新，
16、di＝|c·xprey-xi(t)|+λ·|xrand-xi(t)|
17、xi(t+1)＝ωxi(t)+(1-ω)·(xprey-a·di)
18、
19、a＝2·e-b·t·r1-e-b·t
20、
21、其中，di表示灰狼与猎物之间的距离；t表示迭代次数；xprey表示猎物坐标；xi(t)表示第t次迭代后灰狼坐标；λ表示权重系数；xrand表示狼群中不同于α、β、δ的狼的位置；a表示控制灰狼的搜索行为的向量；c表示模拟狼在狩猎时围绕猎物进行的随机移动的向量；ωmax表示预先设定的最大值；ωmin表示预先设定的最小值；b表示控制衰减速率的正参数；d表示控制衰减速率的正参数；r1表示[0,1]范围内的随机向量；r2表示[0,1]范围内的随机向量。
22、第二方面，本专利技术还提供了基于gwo优化svm的四旋翼无人机音频探测系统，包括，数据采集模块，通过四旋翼无人机旋翼下方搭载的4个麦克风采集噪音数据，并通过逆运算获得各旋翼的噪音数据，上传到采样模块；采样模块，根据各旋翼的噪音数据建立梅尔滤波器和反梅尔滤波器，对各旋翼的噪音数据进行采样；狼群优化模块，根据采样得到的噪声音频样本初始化灰狼优化算法，使用支持向量机计算每头狼的个体适应度，更新狼群位置并获得最优参数实现噪声识别。
23、第三方面，本专利技术还提供了一种计算设备，包括：存储器和处理器；
24、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于gwo优化svm的四旋翼无人机音频探测方法的步骤。
25、第四方面，本专利技术还提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于gwo优化svm的四旋翼无人机音频探测方法的步骤。
26、本专利技术的有益效果：本专利技术通过在无人机的各个旋翼下方安装麦克风并采集噪声数据，使用梅尔滤波器和反梅尔滤波器对信号进行精确采样，该方法能够准确地从复杂的背景中提取和识别无人机特有的噪声特征。gwo算法的引入，用于自动优化svm参数，不仅提高了噪声识别的准确性，还显著减少了手动调参的工作量，增加处理高频信号时的分辨率，提高了无人机声音识别的准确性和效率。
本文档来自技高网...【技术保护点】
1.基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于，包括：
2.如权利要求1所述的基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于：所述无人机噪音数据包括，通过四旋翼无人机旋翼下方搭载的4个麦克风采集噪音数据，按无人机的前视图标记旋翼和麦克风；
3.如权利要求2所述的基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于：通过所述逆运算获得各旋翼的噪音数据包括，
4.如权利要求3所述的基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于：所述梅尔滤波器和反梅尔滤波器包括，
5.如权利要求4所述的基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于：所述初始化灰狼优化算法包括，根据无人机四个旋翼的噪声样本，对灰狼算法进行初始化，包括种群规模N、最大迭代次数T、SVM的参数(C,g)的取值范围，C表示惩罚参数，g表示核函数参数，随机生成狼群的初始位置，每头狼的位置由支持向量机的惩罚参数和核函数参数决定。
6.如权利要求5所述的基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于：更
7.如权利要求6所述的基于GWO优化SVM的四旋翼无人机音频探测方法，其特征在于：所述最优参数包括，计算狼群位置更新后的适应度，当新的适宜度大于当前最优适宜度，则将新的适宜度作为最优适宜度，当新的适宜度小于等于当前最优适宜度，则保留当前最优适宜度；
8.一种采用如权利要求1～7任一所述方法的基于GWO优化SVM的四旋翼无人机音频探测系统，其特征在于，包括，
9.一种计算设备，包括：存储器和处理器；
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
...【技术特征摘要】
1.基于gwo优化svm的四旋翼无人机音频探测方法，其特征在于，包括：
2.如权利要求1所述的基于gwo优化svm的四旋翼无人机音频探测方法，其特征在于：所述无人机噪音数据包括，通过四旋翼无人机旋翼下方搭载的4个麦克风采集噪音数据，按无人机的前视图标记旋翼和麦克风；
3.如权利要求2所述的基于gwo优化svm的四旋翼无人机音频探测方法，其特征在于：通过所述逆运算获得各旋翼的噪音数据包括，
4.如权利要求3所述的基于gwo优化svm的四旋翼无人机音频探测方法，其特征在于：所述梅尔滤波器和反梅尔滤波器包括，
5.如权利要求4所述的基于gwo优化svm的四旋翼无人机音频探测方法，其特征在于：所述初始化灰狼优化算法包括，根据无人机四个旋翼的噪声样本，对灰狼算法进行初始化，包括种群规模n、最大迭代次数t、svm的参数(c,g)的取值范围，c表示惩罚参数，g表示核函数参数，随机生成狼群的初始...
【专利技术属性】
技术研发人员：李锐，张磊，易辰颖，陈梁远，芦宇峰，苏毅，潘绍明，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。