[发明专利]一种基于声纹能量特征的无人机检测方法

摘要

本发明公开了一种基于声纹能量特征的无人机检测方法。传统的基于梅尔频率倒谱系数特征向量的声音检测方法是在梅尔频率上进行倒谱分析以提取信号的包络信息。该方法处理过程复杂，计算复杂度较高，且特征向量的可解释性较差。本方法通过对目标信源的声音信号做时频分析，得到目标信源特的征频率。根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间与非特征频率区间。再对各频率区间，等宽度划分成n个子区间，由傅里叶变换结果计算各个子区间的能量，取各个子区间的能量最大值代表该频率区间的能量。取各频率区间能量占总能量的比例作为一组能量特征向量。使用机器学习的方法进行分类学习，实现检测，以达到更好的检测性能。

主权项

一种基于声纹能量特征的无人机检测方法，其特征在于，包括如下步骤：(1)处理无人机起飞阶段的声音信号，对比起飞前后的时频图，得到特征频率区间[f1L′,f1R′],[f2L′,f2R′],…,[fNL′,fNR′]，[f1L′,f1R′]为基频，其余为整数倍的谐波频率；(2)根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间[f1L,f1R][f3L,f3R][f5L,f5R]…与非特征频率区间[f2L,f2R][f4L,f4R][f6L,f6R]…，区间总数为m；(3)将声音信号进行傅里叶变换，将步骤(2)划分的各频率区间等宽度划分成n个子区间，计算各个子区间的能量，取各个子区间的能量最大值代表该频率区间的最高能量值，得到m个频率区间的最高能量值e1,e2...em；(4)对m个依次交替的特征频率区间与非特征频率区间，取各频率区间的最高能量值占所有频率区间的最高能量值的和的比例，得到一组特征向量其中e＝e1+e2+...+em；(5)分别对为无人机的声音信号和非无人机的声音信号提取特征向量，使用机器学习的方法进行分类学习，建立声指纹库；(6)提取将待识别声音信号的特征向量，结合声指纹库实现检测判别。