基于卷积神经网络的反无人机系统声音识别方法
针对如何识别无人机的问题,提出了一种基于卷积神经网络的声音识别无人机的方法.首先,对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值,将其特征参数作为卷积神经网络学习和识别的数据集;然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验.实验结果表明,运用支持向量机识别无人机的准确率为91.9%,卷积神经网络识别无人机的准确率为96.5%.为了进一步验证设计的卷积神经网络的识别能力,在部分UrbanSound8K数据集上进行测试,准确率达到90%.实验结果表明运用卷积神经网络识别无人机具有可行性,且识别性能优于支持向量机.
无人机、声音检测、公共安全、MFCC特征值、GFCC特征值、卷积神经网络
42
TP391(计算技术、计算机技术)
吉林省重点科技研发资助项目20180201058SF
2020-12-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
1516-1524