本發(fā)明涉及無人機聲音檢測，尤其涉及無人機聲音識別方法、裝置、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、無人機是由控制站進行管理的航空器，可以遠程操控或自主飛行。隨著無人機技術(shù)的進步，無人機在各個領(lǐng)域進行了廣泛的應(yīng)用，各種商用和個人使用的無人機在社會中進行了使用，雖然無人機技術(shù)得到了許多的便利，但是由于無人機的監(jiān)管措施目前還不夠完善，導(dǎo)致無人機的飛行范圍沒有得到限制，無人機非法飛行的事件頻出。對于無人機飛行的限制，需要能夠及時快速的探測并識別到無人機，進而對無人機進行定位和跟蹤，限制無人機的飛行范圍，防止無人機進行非法飛行?，F(xiàn)有技術(shù)中，檢測無人機時，能夠通過對無人機聲音進行探測，以識別周圍是否存在無人機，但是來自城市、交通等環(huán)境中的背景噪音對人機聲音的識別和分離造成一定的困難，并且無人機聲音的特征多變復(fù)雜，增加了聲音識別的復(fù)雜性和難度。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種無人機聲音識別方法、裝置、電子設(shè)備和存儲介質(zhì)，以解決無法通過無人機聲音高效識別檢測無人機的技術(shù)問題。

2、根據(jù)本發(fā)明的一方面，提供了一種無人機聲音識別方法，包括：

3、對采集的無人機原始聲音進行預(yù)處理和小波變換，確定無人機平滑信號；

4、對所述無人機平滑信號進行梅爾頻率倒譜系數(shù)提取特征提取，確定聲音信號特征；

5、通過主成分分析方法和線性判別分析方法對所述聲音信號特征進行特征降維和結(jié)合，確定模型提取特征；

6、通過預(yù)先訓(xùn)練的無人機識別模型基于所述模型提取特征進行識別，確定目標識別信息。

7、根據(jù)本發(fā)明的另一方面，提供了一種無人機聲音識別裝置，其特征在于，包括：

8、對采集的無人機原始聲音進行預(yù)處理和小波變換，確定無人機平滑信號；

9、對所述無人機平滑信號進行梅爾頻率倒譜系數(shù)提取特征提取，確定聲音信號特征；

10、通過主成分分析方法和線性判別分析方法對所述聲音信號特征進行特征降維和結(jié)合，確定模型提取特征；

11、通過預(yù)先訓(xùn)練的無人機識別模型基于所述模型提取特征進行識別，確定目標識別信息。

12、根據(jù)本發(fā)明的另一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：

13、至少一個處理器；以及

14、與所述至少一個處理器通信連接的存儲器；其中，

15、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例所述的無人機聲音識別方法。

16、根據(jù)本發(fā)明的另一方面，提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)本發(fā)明任一實施例所述的無人機聲音識別方法。

17、本發(fā)明實施例的技術(shù)方案，通過對采集的無人機原始聲音進行預(yù)處理和小波變換，確定無人機平滑信號，通過信號預(yù)處理能夠改善無人機原始聲音的信號質(zhì)量，通過小波變換去除聲音信號中的高頻噪音，平滑聲音信號，提高對聲音的處理效率和準確率；對所述無人機平滑信號進行梅爾頻率倒譜系數(shù)提取特征提取，確定聲音信號特征，通過梅爾頻率倒譜系數(shù)能夠同時根據(jù)聲音信號中的頻域和時域特征，能夠有效的表征聲音信號的特征，提高特征識別的精準度，提高對無人機識別的準確率；通過主成分分析方法和線性判別分析方法對所述聲音信號特征進行特征降維和結(jié)合，確定模型提取特征，通過主成分分析方法和線性判別分析方法能夠提高聲音特征的表達能力，減少聲音特征的特征維度，提高識別的精準度和效率；通過預(yù)先訓(xùn)練的無人機識別模型基于所述模型提取特征進行識別，確定目標識別信息，通過無人機識別模型能夠高效的處理聲音特征，進而實現(xiàn)對無人機的識別和定位，提高對無人機聲音識別的準確性和實時性，解決無法通過無人機聲音高效識別檢測無人機的技術(shù)問題，實現(xiàn)了對無人機聲音的準確識別和分類的技術(shù)效果。

18、應(yīng)當理解，本部分所描述的內(nèi)容并非旨在標識本發(fā)明的實施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種無人機聲音識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述無人機識別模型包括第一前饋網(wǎng)絡(luò)、多頭自注意力網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)和第二前饋網(wǎng)絡(luò)和輸出網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，通過預(yù)先訓(xùn)練的無人機識別模型基于所述模型提取特征進行識別定位，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過所述第一前饋網(wǎng)絡(luò)對所述模型提取特征進行特征處理和殘差連接，確定前饋網(wǎng)絡(luò)特征，包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多頭自注意力網(wǎng)絡(luò)包括層歸一化單元、多頭自注意力單元和正則化單元；所述通過所述多頭自注意力網(wǎng)絡(luò)對所述前饋網(wǎng)絡(luò)特征進行自注意力進行特征處理，確定自注意力特征，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述卷積網(wǎng)絡(luò)包括：層歸一化單元、第一激活函數(shù)、一維卷積單元、批歸一化單元、第二激活函數(shù)和正則化單元；所述通過所述卷積網(wǎng)絡(luò)對所述自注意力特征進行深度卷積特征處理，確定深度卷積特征，包括：

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過所述輸出網(wǎng)絡(luò)對所述待輸出特征進行特征處理，確定所述目標識別信息，包括：

8.一種無人機聲音識別裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的無人機聲音識別方法。

技術(shù)總結(jié)
本發(fā)明公開了一種無人機聲音識別方法、裝置、電子設(shè)備和存儲介質(zhì)。其特征包括：對采集的無人機原始聲音進行預(yù)處理和小波變換，確定無人機平滑信號；對所述無人機平滑信號進行梅爾頻率倒譜系數(shù)提取特征提取，確定聲音信號特征；通過主成分分析方法和線性判別分析方法對所述聲音信號特征進行特征降維和結(jié)合，確定模型提取特征；通過預(yù)先訓(xùn)練的無人機識別模型基于所述模型提取特征進行識別，確定目標識別信息。實現(xiàn)對無人機的識別和定位，提高對無人機聲音識別的準確性和實時性，提高了無人機聲音的準確識別和分類。

技術(shù)研發(fā)人員：蔡素雄,張斌斌,吳晨靜,鄭瑤,王文超,任玉賓,陳洛奇,王敏壕,鄭澤鍵
受保護的技術(shù)使用者：廣東電網(wǎng)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9