【技術實現步驟摘要】
本專利技術涉及無人機類型判別，具體涉及一種基于聲音識別的無人機類型判斷方法。
技術介紹
1、目前，無人機的識別方法有基于雷達、無線電探測、視頻圖像探測、聲音探測等識別方法，因聲音識別具有設備成本低，便于微型化集成化以及易于其他手段相結合的優點，被廣泛應用于民用領域。基于聲信號的無人機識別方法有基于傳統的聲信號識別方法，如采用高斯混合模型、支持向量機等淺層機器學習模型，但這些方法面對長距離傳播等復雜聲學領域時，其識別性能有待提高。近年來，深度學習技術在聲音識別領域取得了突破性進展，卷積神經網絡(cnn)、長短時記憶網絡(lstm)等深度學習模型能夠從原始噪聲數據中自動提取和學習高層特征表示，顯著提升了語音識別、說話人識別等任務的性能。
2、基于深度學習的無人機噪聲識別原理可概括為以下幾個步驟：首先利用聲音傳感器采集無人機噪聲信號，并進行預處理，然后提取聲學特征，如時頻域特征等，再利用cnn、lstm等深度學習模型對特征進行高層表示學習和分類決策，最后將識別結果用于無人機目標的追蹤、威脅評估等任務。與傳統識別方法相比，基于深度學習的方法能夠充分挖掘和利用聲音信號的豐富模式信息,具有更強的特征表示和建模能力，因而能夠獲得更高的識別精度和環境適應性。然而，仍然存在識別準確性較低的問題。
技術實現思路
1、本申請要解決的技術問題是提供一種基于聲音識別的無人機類型判斷方法，具有可以提高無人機類型識別能力的特點。
2、一種實施例中提供的一種基于聲音識別的無人機類型判斷方法
3、采集無人機的音頻信號；
4、響應于采集的音頻信號，進行預處理后得到第一音頻信號特征，對第一音頻信號特征分別進行mfcc特征提取得到第二音頻信號特征和gfcc特征提取得到第三音頻信號特征；
5、將所述第二音頻信號特征和第三音頻信號特征作為無人機類型識別網絡的輸入，以得到采集的音頻信號所屬的無人機類型，包括：
6、對所述第二音頻信號特征進行7×7卷積處理得到第一特征圖，對所述第三音頻信號特征進行7×7卷積處理得到第二特征圖；對所述第一特征圖和第二特征圖進行特征融合得到第三特征圖；
7、在空間維度上對所述第三特征圖的特征進行自適應融合得到第六特征圖；
8、在通道維度上對所述第六特征圖的特征進行自適應調整得到第七特征圖；
9、對所述第七特征圖進行特征增強處理得到第八特征圖；
10、基于所述第八特征圖實現對無人機類型的判斷；
11、其中，所述的在空間維度上對所述第三特征圖的特征進行自適應融合得到第六特征圖，包括：
12、對所述第三特征圖進行第一多尺度特征提取得到多尺度的特征圖；
13、基于第三特征圖和多尺度的特征圖進行自校正，并基于自校正結果得到第一融合權重和第二融合權重；
14、將第一融合權重與第一特征圖相乘得到第四特征圖，將第二融合權重與第二特征圖相乘得到第五特征圖；
15、將所述第四特征圖和第五特征圖進行特征融合得到第六特征圖。
16、本專利技術的有益效果是：
17、由于在空間維度上對輸入特征進行自適應融合，且在通道維度上對輸入特征進行自適應調整，使得兩者的協同作用提升了無人機類型識別的特征表達能力和自適應能力，另外，又通過特征增強使得顯著提升了全局信息處理能力和特征表示能力，從而進一步提升了無人機類型識別的能力。其中，在空間維度上對輸入特征進行自適應融合中，通過自校正，并基于自校正結果得到融合權重，實現特征融合，有助于形成自校正權重信息，突出了主要特征信息，抑制了次要信息，從而大大提升了無人機類型識別能力。
本文檔來自技高網...【技術保護點】
1.一種基于聲音識別的無人機類型判斷方法，其特征在于，包括：
2.如權利要求1所述的無人機類型判斷方法，其特征在于，所述的對所述第三特征圖進行第一多尺度特征提取得到多尺度的特征圖，包括：
3.如權利要求2所述的無人機類型判斷方法，其特征在于，所述的對第三特征圖進行平均池化后，再將平均池化后的特征圖通過上采樣映射到原始特征空間，得到第一多尺度特征圖，包括：
4.如權利要求1所述的無人機類型判斷方法，其特征在于，所述的基于第三特征圖和多尺度的特征圖進行自校正，并基于自校正結果得到第一融合權重和第二融合權重，包括：
5.如權利要求4所述的無人機類型判斷方法，其特征在于，所述的對第三特征圖、第一多尺度特征圖和第二多尺度特征圖做自校正運算得到自校正結果，包括：
6.如權利要求5所述的無人機類型判斷方法，其特征在于，所述的將第一融合權重與第一特征圖相乘得到第四特征圖，將第二融合權重與第二特征圖相乘得到第五特征圖，包括：
7.如權利要求1所述的無人機類型判斷方法，其特征在于，所述的在通道維度上對所述第六特征圖的特征進行自適
8.如權利要求7所述的無人機類型判斷方法，其特征在于，所述的對第一維度調整后的第六特征圖進行一維通道卷積，包括：基于特征圖的通道數，結合超參數，設置卷積核的大小，包括：
9.如權利要求7所述的無人機類型判斷方法，其特征在于，所述的對所述第七特征圖進行特征增強處理得到第八特征圖，包括：將第七特征圖作為輸入，進行多級特征增強處理得到第九特征圖；其中，除第一級特征增強處理以外，將上一級特征增強處理的輸出作為本級特征增強處理的輸入；任意一級特征增強處理包括：
10.如權利要求9所述的無人機類型判斷方法，其特征在于，所述的對輸入的特征圖進行第二多尺度特征提取，并將提取的多尺度的特征圖進行拼接，包括：
...【技術特征摘要】
1.一種基于聲音識別的無人機類型判斷方法，其特征在于，包括：
2.如權利要求1所述的無人機類型判斷方法，其特征在于，所述的對所述第三特征圖進行第一多尺度特征提取得到多尺度的特征圖，包括：
3.如權利要求2所述的無人機類型判斷方法，其特征在于，所述的對第三特征圖進行平均池化后，再將平均池化后的特征圖通過上采樣映射到原始特征空間，得到第一多尺度特征圖，包括：
4.如權利要求1所述的無人機類型判斷方法，其特征在于，所述的基于第三特征圖和多尺度的特征圖進行自校正，并基于自校正結果得到第一融合權重和第二融合權重，包括：
5.如權利要求4所述的無人機類型判斷方法，其特征在于，所述的對第三特征圖、第一多尺度特征圖和第二多尺度特征圖做自校正運算得到自校正結果，包括：
6.如權利要求5所述的無人機類型判斷方法，其特征在于，所述的將第一融合權重與第一特征圖相乘得到第四特征圖，將...
【專利技術屬性】
技術研發人員：魏春華，王子章，陳正武，王勇，
申請(專利權)人：中國空氣動力研究與發展中心低速空氣動力研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。