论文部分内容阅读
近年来,军用无人机和民用无人机技术飞速发展。伴随着无人机数量的迅速上升,对无人机进行有效的探测越来越重要。目前,针对无人机的探测技术研究方向主要包括传统的雷达、声探测、图像探测等,其中,应用最广泛的是雷达探测系统。除了传统的雷达探测系统外,声探测系统也受到了广泛的关注。声探测系统在目标识别、系统成本等方面具有一定的优势,因此对无人机声被动探测系统的研究具有重要的意义。无人机在运行时会自然地辐射声信号,通过对采集到的无人机声信号进行分析,可完成无人机目标的识别和定位。本文主要对无人机声被动探测系统进行了研究,首先对当下常见的语音识别算法进行了研究,并针对无人机的声音信号对各种识别算法进行分析对比,最终提出了适用于无人机声音信号识别的梅尔频率倒谱系数(MFCC)与神经网络相结合的无人机声音信号识别方案,并对识别方案进行了实验验证。目前声被动定位系统主要分为两大类:直接定位和间接定位,本文主要研究的是基于广义互相关时延估计算法的麦克风阵列的定位系统,此系统属于间接定位系统。分别对时延估计算法和麦克风阵列进行了研究,并进行了实验验证。本文完成了无人机声被动探测系统的软硬件设计与实现,主要包括以下四大部分:(1)基于stm32F103RCT6单片机的微弱声源数据采集与传输系统的研究与设计实现;(2)基于梅尔频率倒谱系数和人工神经网络相结合的无人机声音信号识别方案的研究与实现;(3)基于广义互相关时延估计和麦克风阵列的无人机声被动定位系统的研究与实现;(4)基于C#Winform的上位机软件系统的设计。其中,基于stm32F103RCT6单片机的数据采集系统包括微弱声源数据采集电路设计、单片机数据采集软件设计和单片机与上位机数据通信三部分。无人机声目标识别和定位算法在上位机数据处理系统中实现。系统结构是由上下位机组成的主从结构,主要由传感器阵列、数据采集卡和上位机组成,单片机与传感器阵列组成的数据采集系统负责数据的采集与传输,上位机接收下位机的数据,并通过数据处理系统完成无人机目标的识别与定位。最后,本文完成了无人机声被动探测系统,并进行了实验验证。