[發(fā)明專利]基于聲音識(shí)別無(wú)人機(jī)的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011375154.0
• 申請(qǐng)日: 2020-11-30
• 公開(kāi)（公告）號(hào): CN112735473B
• 公開(kāi)（公告）日: 2022-07-05
• 發(fā)明（設(shè)計(jì)）人: 薛珊;衛(wèi)立煒;呂瓊瑩;陳宇超
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)春理工大學(xué)
• 主分類號(hào): G10L25/51
• 分類號(hào): G10L25/51;G10L25/30;G10L25/03;G10L25/24;G01S11/14
• 代理公司: 北京鴻元知識(shí)產(chǎn)權(quán)代理有限公司 11327
• 代理人: 袁文婷;張娓娓

本發(fā)明提供了一種基于聲音識(shí)別無(wú)人機(jī)的方法、系統(tǒng)電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中的方法包括：采集待識(shí)別的聲音信號(hào)；音對(duì)采集的聲音信號(hào)進(jìn)行濾波，增強(qiáng)信號(hào)質(zhì)量；然后進(jìn)行預(yù)加重、分幀、加窗處理；提取聲音信號(hào)的音頻特征，構(gòu)成無(wú)人機(jī)聲音樣本庫(kù)；通過(guò)無(wú)人機(jī)識(shí)別聲學(xué)模型對(duì)聲音信號(hào)進(jìn)行識(shí)別；最后運(yùn)用麥克風(fēng)陣列接收無(wú)人機(jī)目標(biāo)聲音信號(hào)，然后進(jìn)行數(shù)字信號(hào)處理，最終得到聲源的位置信息，為反無(wú)人機(jī)下一步操作做準(zhǔn)備。本發(fā)明利用IRBNet模型作為聲學(xué)模型，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)對(duì)無(wú)人機(jī)聲音樣本庫(kù)樣本訓(xùn)練改聲學(xué)模型，以實(shí)現(xiàn)對(duì)無(wú)人機(jī)的有效識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及無(wú)人機(jī)識(shí)別技術(shù)領(lǐng)域，更為具體地，涉及一種基于聲音識(shí)別無(wú)人機(jī)的方法及系統(tǒng)。

背景技術(shù)

隨著現(xiàn)代科技的快速發(fā)展，無(wú)人機(jī)的使用門檻變得越來(lái)越低，無(wú)人機(jī)的應(yīng)用越來(lái)越普遍。由于缺乏統(tǒng)一的行業(yè)標(biāo)準(zhǔn)和規(guī)范，無(wú)人機(jī)的“黑飛”問(wèn)題日益嚴(yán)重，使得無(wú)人機(jī)被濫用的可能性大大增加。無(wú)人機(jī)在低空空域的非合作入侵飛行事件在國(guó)內(nèi)外屢見(jiàn)不鮮，不僅傷害了公民的隱私和生命財(cái)產(chǎn)安全，更對(duì)公共安全和國(guó)家安全構(gòu)成了極大威脅。對(duì)此，各種反無(wú)人機(jī)技術(shù)受到越來(lái)越多的重視，而對(duì)無(wú)人機(jī)進(jìn)行檢測(cè)和識(shí)別作為反無(wú)人機(jī)技術(shù)的關(guān)鍵技術(shù)，就顯得尤為重要。

《無(wú)人駕駛航空器飛行管理暫行條例(征求意見(jiàn)稿)》明確規(guī)定，除空中禁區(qū)、機(jī)場(chǎng)、軍事禁區(qū)、危險(xiǎn)區(qū)域等周邊一定范圍內(nèi)，微型無(wú)人機(jī)無(wú)需批準(zhǔn)可以在真空50米以下空域飛行，輕型無(wú)人機(jī)可以在真空120米以下空域飛行。而目前我國(guó)無(wú)人機(jī)市場(chǎng)上約90％的產(chǎn)品都屬于這類無(wú)人機(jī)。

目前已有的檢測(cè)無(wú)人機(jī)的方法有多種，包括無(wú)線電頻率檢測(cè)、雷達(dá)檢測(cè)、視頻檢測(cè)、聲音檢測(cè)等。聲音作為無(wú)人機(jī)的固有屬性，區(qū)別于周圍的其它聲音，而且聲音檢測(cè)不受光線、電子的干擾，可以穿透遮擋物，價(jià)格低，使用方便等優(yōu)點(diǎn)。出于此，運(yùn)用麥克風(fēng)陣列的基于聲學(xué)的低空無(wú)人機(jī)探測(cè)和識(shí)別方案正在被越來(lái)越多地研究，它不取決于無(wú)人機(jī)的大小和位置，而是取決于螺旋槳的聲音，可以有效的探測(cè)和識(shí)別無(wú)人機(jī)。但國(guó)內(nèi)運(yùn)用聲音識(shí)別無(wú)人機(jī)的方法還不成熟，有很大的研究空間。

發(fā)明內(nèi)容

鑒于上述問(wèn)題，本發(fā)明的目的是提供一種基于聲音識(shí)別無(wú)人機(jī)的方法和系統(tǒng)，解決現(xiàn)有研究的空缺和不足。

為實(shí)現(xiàn)上述目的，本發(fā)明的基于聲音識(shí)別無(wú)人機(jī)的方法，應(yīng)用于電子裝置，包括：采集待識(shí)別的聲音信號(hào)；

對(duì)所述聲音信號(hào)進(jìn)行濾波和預(yù)處理，以提取所述聲音信號(hào)的音頻特征；

根據(jù)預(yù)設(shè)的聲學(xué)模型對(duì)所述音頻特征進(jìn)行識(shí)別，確定是否存在無(wú)人機(jī)，以及存在的無(wú)人機(jī)的所屬型號(hào)；

其中，所述聲學(xué)模型為運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)無(wú)人機(jī)聲音樣本庫(kù)樣本進(jìn)行訓(xùn)練學(xué)習(xí)所得到的用于無(wú)人機(jī)聲音識(shí)別的聲學(xué)模型，所述聲學(xué)模型為IRBNet模型，所述IRBNet模型包括IRTBlock-A模塊和IRTBlock-B模塊；其中，

所述IRTBlock-A模塊的主通路在進(jìn)行殘差相加融合之前只利用1×1卷積進(jìn)行升維，并且在殘差相加融合之后再進(jìn)行降維；

所述IRTBlock-A模塊的主通路包括并行主通路和遠(yuǎn)跳鏈接主通路；其中，

所述并行主通路為1×1Conv+BN+Relu+3×3Conv+BN+Relu+3×3Conv+BN；

所述遠(yuǎn)跳連接通路為1×1Conv+BN+Relu，通過(guò)1x1的卷積核來(lái)調(diào)整大小，使得維度相等；

所述IRTBlock-B模塊用于利用非對(duì)稱卷積來(lái)代替所述IRTBlock-A中的3×3對(duì)稱卷積。

為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種基于聲音識(shí)別無(wú)人機(jī)的系統(tǒng)，包括：

聲音采集單元，用于采集待識(shí)別的聲音信號(hào)；

音頻特征處理單元，用于對(duì)所述聲音信號(hào)進(jìn)行濾波和預(yù)處理，以提取所述聲音信號(hào)的音頻特征；