CN104991245A - 一种无人飞行器预警装置及其预警方法 - Google Patents
一种无人飞行器预警装置及其预警方法 Download PDFInfo
- Publication number
- CN104991245A CN104991245A CN201510456989.1A CN201510456989A CN104991245A CN 104991245 A CN104991245 A CN 104991245A CN 201510456989 A CN201510456989 A CN 201510456989A CN 104991245 A CN104991245 A CN 104991245A
- Authority
- CN
- China
- Prior art keywords
- sound
- unit
- unmanned vehicle
- frequency
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种无人飞行器预警装置及预警方法,所述预警装置包括:声音采集单元,用于采集空域中特定频率声音;声音特征存储单元,用于存储与无人飞行器预定声音特征;将所述声音采集单元和所述声音特征存储单元进行对比的声音比较单元,并且所述声音比较单元根据对比结果可以判断是否有无人飞行器接近;以及当所述声音比较单元的判断结果是空域中有无人飞行器时,能够发出警示动作的预警单元;因此,针对无人飞行器在飞行过程中旋翼和电机产生的特定的低频噪声,可以准确地检测到在空域中飞行的目标是否为无人飞行器,避免误检测。
Description
技术领域
本发明涉及一种无人飞行设备侦测的技术领域,尤其涉及一种无人飞行器预警装置及其预警方法。
背景技术
随着电子科学技术的进步和计算机工业水平的发展,无人飞行设备逐步进入人们的生活领域,尤其是四轴飞行器的商用化,得到了极大发展;比如在一些拍摄、物品传递、飞行表演等场合,就经常需要无人飞行设备来执行相应的任务。
随着无人飞行设备的应用场合越来越广泛,无人飞行设备在技术上得到了很好的优化。例如,中国专利申请号为CN201420782172.4的中国专利申请中,公开了一种多功能预警型航拍飞行器,包括飞行器和操控仪,飞行器设有信号传送装置,操控仪设有信号收发装置,信号传送装置和信号收发装置通过无线连接;所述的飞行器包括机体、螺旋桨、转轴支架、拍摄器材、底部支架和传感器;所述的操控仪包括图像接收屏幕、飞行控制手柄、镜头方向控制手柄和总开关;这样可以解决各种地域条件下无法进行航空拍摄等问题,节省航空拍摄所需时间与费用;同时该飞行器还能自主预测并驱赶附近鸟类,防止因鸟类撞坏飞行器而造成不必要的损失。
发明人在实现本发明的过程中发现,本领域技术人员都把焦点放在对无人飞行设备本身的改进上,但是并没有任何技术方案关注到“现有法规对于飞行高度不高的多旋翼式飞行设备,目前的监管还存在很多不完善的地方”,对于一些飞行禁区,缺乏提前对无人飞行设备进行警告的设备和技术方案。
另一份中国专利申请号为CN201010275022.0的中国专利申请中,公开了一种反隐形背景雷达及用法,由运载工具携带雷达至空中发出电波束射向地面反射成回波被接收到;凡有隐形的飞行器挡在其中时,便会令回波中断而被发现,并且由飞行器或升气球作为运载工具携带雷达常连续地发出电波束射向地面再反射成回波,让本雷达系统连续地接收到这回波,凡发现回波有突然中断即表示这电波束可能遇到隐形的飞行器,应开启追踪程序行动。
但是对于民用低空拍摄、物品传递、飞行表演等作用的无人飞行设备,无法使用传统的、监控高空飞行设备的雷达来完成;如果通过对传统的雷达进行改造,来实现对民用低空拍摄、物品传递、飞行表演等作用的无人飞行设备进行监控和预警,存在成本高的问题。
发明内容
为了解决背景技术中提到的技术问题,本发明提供一种低成本,并且能提前对多旋翼式飞行器进行预警的无人飞行器预警装置及其预警方法。
为了实现上述目的,本发明提供的技术方案是:
一方面,提供一种无人飞行器预警装置,其特征在于,包括:
声音采集单元,用于采集空域中特定频率声音;
声音特征存储单元,用于存储与无人飞行器预定声音特征;
将所述声音采集单元和所述声音特征存储单元进行对比的声音比较单元,并且所述声音比较单元根据对比结果可以判断是否有无人飞行器接近;以及
当所述声音比较单元的判断结果是空域中有无人飞行器时,能够发出警示动作的预警单元。
进一步地,所述声音采集单元和所述声音比较单元之间还设置有异常端点检测单元,所述异常端点检测单元用于检测声音采集单元中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内。
进一步地,在所述声音采集单元和所述异常端点检测单元之间还设置有带通滤波单元,所述带通滤波单元允许通过的信号为10Hz~500Hz。
进一步地,在所述带通滤波单元和所述声音采集单元之间还设置有A/D转换单元,能够将采集到的空域中飞行目标的模拟声音信号转换为数据信号。
进一步地,在异常端点检测单元检测到声音采集单元中采集到的声音在预定范围内时,还需要通过声音特征提取单元,将采集到的声音输入至所述声音比较单元;并且所述声音特征提取单元设置有梅尔频率倒谱系数模块。
进一步地,所述无人飞行器预警装置还包括向所述声音特征存储器提供参考数据样本的声音训练样本采集器,并且所述声音训练样本采集单元采集的无人飞行器的预定声音特征后,将无人飞行器旋翼和电机产生的低频噪声频率按照预定算法映射后的特征存储至所述样本声音特征存储单元。
进一步地,所述预定算法包括依次通过A/D转换单元、声音简谱滤波单元、声音特征提取单元对所述无人飞行器旋翼和电机产生的低频噪声频率进行处理,并且将所述无人飞行器旋翼和电机产生的低频噪声频率处理后的结果存储至样本声音特征存储单元。
另一方面,本发明还提供一种无人飞行器预警方法,该方法包括:
将无人飞行器的声音特征存储至声音特征存储单元;
采集空域中飞行目标在飞行过程中产生的特定频率;
将采集到的所述飞行目标的特定频率和所述声音特征存储单元中存储的结果进行对比,并且根据对比结果可以判断所述空域中的飞行目标是否为无人飞行器;当所述声音比较单元的判断结果是空域中有无人飞行器时,能够发出警示动作。
进一步地,采集到空域中的飞行目标在飞行过程中产生的特定频率之后,还需要对飞行目标的特定频率进行A/D转换,并检测转换后的频率是否在10Hz~500Hz范围内,如果不在10Hz~500Hz范围内,执行过滤掉该飞行目标的声音频率,判定该飞行目标不是无人飞行器。
进一步地,如果检测到飞行目标的频率在10Hz~500Hz范围内,然后检测声音采集单元中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内,如果是在预定的范围内,将所述飞行目标的声音特征与训练样本采集单元众的参数进行对比,判断所述空域中的飞行目标是否为无人飞行器。
采用本发明提供的上述技术方案,可以至少获得以下有益效果:
1、不需要雷达之类的复杂设备,只需要安装上述无人飞行器预警装置就可以提前对无人飞行器进行预警;
2、针对无人飞行器在飞行过程中旋翼和电机产生的特定的低频噪声,可以准确地检测到在空域中飞行的目标是否为无人飞行器,避免误检测;
3、通过声音训练样本采集单元可以采集无人飞行器在不同的天气环境,例如雨天、晴天和/或强风天气,产生的不同低频噪声,这样可以保证在各种天气环境下的预警识别率;
4、发明人经过大量数据采集,实验的得到无人飞行器在飞行过程中旋翼和电机产生的特定的低频噪声主要集中在10Hz~500Hz,所以设置带通滤波单元,只对10Hz~500Hz的飞行目标进行判定,避免对干扰信号进行后续的对比操作,快速地完成检测;
5、异常端点检测单元,用于检测声音采集单元中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内,这样可以提前判定异常声音,也可以避免对干扰信号进行后续的对比操作,快速地完成检测。
附图说明
图1为本发明实施例一提供的一种无人飞行器预警装置的结构框图;
图2为本发明实施例一提供的一种一种无人飞行器预警方法的流程图;
图3为本发明实施例二提供的一种无人飞行器预警装置的结构框图;
图4为本发明实施例二提供的一种一种无人飞行器预警方法的流程图;
图5为本发明实施例三提供的一种无人飞行器预警装置的结构框图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,这些具体的说明只是让本领域普通技术人员更加容易、清晰理解本发明,而非对本发明的限定性解释;并且只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组控制器可执行指令的控制系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
下面通过附图和具体实施例,对本发明的技术方案进行详细描述。
实施例一
如图1所示,本实施例提供一种无人飞行器预警装置10,该预警装置10包括:
声音采集单元11,用于采集空域中飞行目标在飞行过程中产生的特定频率;
声音特征存储单元12,用于用于存储与无人飞行器预定声音特征,这些声音特征可以是提前采集好与无人飞行器在不同环境下,相关的预定声音特征,然后在无人飞行器预警装置10出厂过程中拷贝得到的,也可以是预警装置在工作过程中不断补充、完善得到的;
声音比较单元13,将声音采集单元11和声音训练样本采集单元12进行对比,并且根据对比结果可以判断声音采集单元11采集到的在空域中的飞行目标是否为无人飞行器;
预警单元14,当声音比较单元13的判断结果是空域中有无人飞行器时,能够发出警示动作;并且预警单元14还可以设置有扬声器模块,当检测到有无人飞行器靠近安装有预警装置10所在的飞行禁区时,通过扬声器发出警告信息。
优选地,预警单元14还可以设置无人飞行器抵近应急单元,该抵近应急单元设置有视频监控模块和/或语音警告模块和/或频率压制模块,抵近应急单元还可以设置有对无人飞行器进行击落的武力攻击模块,从而保证安装有预警装置10所在的飞行禁区的安全。
如图2所示,本实施例还提供一种无人飞行器预警方法,该预警方法包括:
S21、无人飞行器声音样本获取,可以通过读取声音特征存储单元中存储的预订声音特征参数:
通过声音训练样本采集单元采集无人飞行器在不同环境下的声音特征。
S22、对空域中飞行目标信号进行实时采集:
采集空域中飞行目标在飞行过程中产生的特定频率。
S23、对比(判断)飞行器声音样本和采集到的飞行目标的特定频率:
将采集到的飞行目标的特定频率和声音训练样本采集单元采集的结果进行对比,并且根据对比结果可以判断空域中的飞行目标是否为无人飞行器;当声音比较单元的判断结果是空域中有无人飞行器时,执行S24;否则,返回S22。
S24、执行预警动作:提前对空域中无人飞行器发出警示动作;具体地,可以通过对无人飞行器的通讯模块发送无人飞行器主控制板能够识别的警示信号,无人飞行器接受该警示信号之后,通过无人飞行器的主控制板和通讯模块将警示信号反馈给飞手的遥控装置,这样飞手可以提前更改无人飞行器的飞行方向,避免误闯入无人飞行器预警装置所在的区域。
采用本发明提供的上述技术方案,可以至少获得以下有益效果:
1、不需要雷达之类的复杂设备,只需要安装上述无人飞行器预警装置就可以提前对无人飞行器进行预警;
2、针对无人飞行器在飞行过程中旋翼和电机产生的特定的低频噪声,可以准确地检测到在空域中飞行的目标是否为无人飞行器,避免误检测。
实施例二
如图2所示,实施例二在实施例一的基础上对声音采集单元31采集到的信号优化处理之后,才传送至声音比较单元36,使得检测结果更加准确、快速。
如图2所示,在声音采集单元31和声音比较单元36之间依次设置有A/D转换单元(模拟信号/数字信号转换单元)32,带通滤波单元33,加窗分帧处理单元34,逐帧特征提取单元35。
其中,在带通滤波单元33和声音采集单元31之间的A/D转换单元32,作用是能够将采集到的空域中飞行目标的模拟声音信号转换为数据信号。
在声音采集单元31和声音比较单元36之间的异常端点检测单元34,用于检测声音采集单元31中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内;当采集到的目标声音特征在这两项指标中,只要有一项超过门限值时,即判断为异常声音。
优选地,在声音采集单元31和异常端点检测单元34之间的带通滤波单元允许通过的信号为10Hz~500Hz,具体地,可以采用Butterworth2带通滤波器(巴特沃思二阶带通滤波器);因为发明人经过大量数据采集,实验的得到无人飞行器在飞行过程中旋翼和电机产生的特定的低频噪声主要集中在10Hz~500Hz,所以设置带通滤波单元32,只对10Hz~500Hz的飞行目标进行判定,避免对干扰信号进行后续的对比操作,快速地完成检测。
优选地,在异常端点检测单元34检测到声音采集单元31中采集到的声音在预定范围内时,还需要通过声音特征提取单元,即逐帧特征提取单35,才会将采集到的声音输入至声音比较单元36;并且声音特征提取单元(逐帧特征提取单35)设置有梅尔频率倒谱系数模块。
优选地,逐帧特征提取单35采用MFCC系数作为声音信号的特征表示,Mel频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)是将信号的频谱,首先在频域将频率轴变换为Mel频率刻度,再变换到频谱域得到的倒谱系数。MFCC的计算过程是:
(1)将信号进行短时傅里叶变换得到其频谱。
(2)求频谱幅度的平方,即能量谱,并用一组三角形滤波器在频域对能量谱进行带通滤波。这组带通滤波器的中心频率是按Mel频率刻度均匀排列的(间隔150Mel,带宽300Mel),每个滤波器三角形底边的两个顶点的频率分别等于相邻的两个滤波器的中心频率,而且频率相应之和为1;滤波器的个数通常与临界带数相近,设滤波器数为M,滤波后得到的输出为:
X(k),k=1,2,…,M
(3)将滤波器组的输出取对数,然后对它做2M点逆傅里叶变换得到MFCC。由于对称性,此变换可简化为:
n=1,2,...,L
其中,MFCC系数的个数L通常取12~16。
进一步优选地,声音训练样本采集单元37在多维参数空间中比较两种频谱的差异大小需要定义一种测度,即谱失真测度。本实用例,先将同一品牌同一型号的无人机的声音样本作帧数平均,取出最接近平均帧数的声音样本作为种子模板,该模板使用12阶MFCC矢量及其一阶差分和二阶差分所组成的,共36阶矢量作为特征矢量,其它声音样本用DTW算法与种子模板进行匹配,DTW即动态时间规整(Dynamic Time Warping,DTW),从而获得20遍声音样本与种子模板各帧的对应关系,然后对每一帧中相对应的特征向量做平均,得到最后的参考模板;并且考虑到天气环境对模板影响较大,对每种机型,系统将会训练:雨天、晴天和强风天气下不同模板,保证在各种天气环境下的预警识别率。
进一步优选地,在经过异常声音端点检测后,开始对后续声音序列进行MFCC系数特征提取。并利用DTW算法计算声音特征序列与参考模板序列的谱失真测度。对于倒谱特征矢量(设为L维)的谱失真测度,通常使用欧氏距离:
其中,C=[c1,c2,…,cL]和C’=[c’1,c’2,…,c’L]为两组倒谱系数。
假设声音采集序列和参考模板序列分别用C和R表示。参考模板R可以表示为{R(1),R(2),…,R(m),…,R(M)},采集序列可表示为{C(1),C(2),…,C(n),…C(N)},m,n为语音帧的时序标号(M和N不一定相等)。DTW是寻找一个时间规整函数m=ω(n),它将测试序列的时间轴n非线性地映射到参考模板的时间轴m上,并使该函数ω(n)满足:
式中,d[C(n),R(ω(n))]是第n帧测试矢量C(n)和第m帧参考矢量R(m)之间的失真测度,D则是处于最优时间规整情况下两序列的总体失真。
由于DTW不断地计算两矢量的失真以寻找最优的匹配路径,所以得到的是两序列匹配时累积距离最小的规整函数。
DTW算法的具体步骤:
1.初始化:ω(1)=1;
2.递推求累积失真:D[c(k)]=d[c(k)]+minD[c(k-1)]
式中,d[c(k)]为匹配点c(k)=(k,ω(k))本身的失真,minD[c(k-1)]是在c(k)以前所有允许值中最小的一个。
3.回溯求出所有的匹配点对:根据最佳局部路径,由匹配点对(N,M)向前回溯一直到(1,1)。
如图4所示,本实施例提供的无人飞行器预警方法包括:
S40、系统初始化;
S41、声音信号实时采集:通过声音采集单元实时采集空域中飞行目标的声音频率;
S42、声音信号处理:对声音采集单元采集到的声音信号进行A/D转换,带通滤波、加窗分帧处理;
S43、异常端点检测:检测声音采集单元31中采集到的声音特性中短时平均幅度和声音短时过零率是否在预定的范围内,具体地,通过S44和S45来检测;
S44、判断采集到的飞行目标的声音特性是否达到了声音幅度门限值:如果是,则判定该声音为异常信号,执行S41,否则,执行S45;
S45、判断采集到的飞行目标的声音特性是否达到声音过零率门限值;如果是,则判定该声音为异常信号,执行S41,否则,执行S46;
S46、对声音信号特征进行提取:通过逐帧特征提取单元,对采集单元采集到的声音信号进行MFCC处理;
S47、提取声音数据库,将步骤S46采集到的声音信号进行对比识别:将采集到的所述飞行目标的特定频率和所述声音训练样本采集单元进行对比,并且根据对比结果可以判断所述空域中的飞行目标是否为无人飞行器,具体地判断方式按照S48执行;
S48、判断采集到的声音信号中是否连续10帧包含(符合)声音训练样本采集单元中的无人飞行器噪声频率:如果是,则执行S49;否则,判定该声音为异常信号,执行S41;
S49、发出无人飞行器抵近的飞行警告;
S50、启动无人飞行器抵近飞行应急机制,例如干扰或击落无人飞行器;
S51、结束。
优选地,S42中,采集到空域中的飞行目标在飞行过程中产生的特定频率之后,检测转换后的频率是否在10Hz~500Hz范围内,如果不在10Hz~500Hz范围内,执行过滤掉该飞行目标的声音频率,判定该飞行目标不是无人飞行器。
采用本实施例中的上述技术方案,可以至少获得以下有益效果:
1、通过通带滤波单元可以有效过滤环境中的高频信号,提高整个预警装置的识别精度;
2、异常端点检测单元,用于检测声音采集单元中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内,这样可以提前判定异常声音,也可以避免对干扰信号进行后续的对比操作,快速地完成检测;
3、通过声音训练样本采集单元可以采集无人飞行器在不同的天气环境,例如雨天、晴天和/或强风天气,产生的不同低频噪声,这样可以保证在各种天气环境下的预警识别率。
实施例三
如图5所示,本实施例提供的无人飞行器预警装置和实施例二同样设置有声音飞行目标声音采集单元501、声音对比单元505;在声音采集单元501和声音对比单元505之间设置有A/D转换单元502、声音减谱滤波单元503、声音特征提取单元504;并且如果声音对比单元505检测到飞行目标为无人飞行器时,将信号传递至预警单元506、抵近飞行处理单元507。不同点在于,本实施例提供的预警装置中声音训练样本采集单元的声音511也需要经过处理之后,才存储至样本声音特征存储单元515;具体地:
无声音训练样本采集单元511采集的无人飞行器的预定声音特征后,将无人飞行器旋翼和电机产生的低频噪声频率按照预定算法映射后的特征存储至所述样本声音特征存储单元。
进一步地,预定算法包括依次通过样本A/D转换单元512、样本声音简谱滤波单元513(包括实施例二中的通带滤波单元)、样本声音特征提取单元514对无人飞行器旋翼和电机产生的低频噪声频率进行处理,并且将无人飞行器旋翼和电机产生的低频噪声频率处理后的结果存储至样本声音特征存储单元。
采用本实施例提供的上述技术方案,至少可以获得以下有益效果:
将无人飞行器旋翼和电机产生的低频噪声频率按照预定算法映射后,存储至无人飞行器样本声音特征存储单元515,这样在对比过程中,可以直接将采集到空域中飞行目标经过转化后的参数和样本声音特征存储单元515映射后的参数,更加快速、便捷。
最后需要说明的是,上述说明仅是本发明的最佳实施例而已,并非对本发明做任何形式上的限制。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围内,都可利用上述揭示的做法和技术内容对本发明技术方案做出许多可能的变动和简单的替换等,这些都为本发明技术方案保护的范围。
Claims (10)
1.一种无人飞行器预警装置,其特征在于,包括:
用于采集空域中特定频率声音的声音采集单元;
声音特征存储单元,用于存储与无人飞行器预定声音特征;
将所述声音采集单元和所述声音特征存储单元进行对比的声音比较单元,并且所述声音比较单元根据对比结果可以判断是否有无人飞行器接近;以及
当所述声音比较单元的判断结果是空域中有无人飞行器时,能够发出警示动作的预警单元。
2.根据权利要求1所述的无人飞行器预警装置,其特征在于,所述声音采集单元和所述声音比较单元之间还设置有异常端点检测单元,所述异常端点检测单元用于检测声音采集单元中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内。
3.根据权利要求2所述的无人飞行器预警装置,其特征在于,在所述声音采集单元和所述异常端点检测单元之间还设置有带通滤波单元,所述带通滤波单元允许通过的信号为10Hz~500Hz。
4.根据权利要求3所述的无人飞行器预警装置,其特征在于,在所述带通滤波单元和所述声音采集单元之间还设置有A/D转换单元,能够将采集到的空域中飞行目标的模拟声音信号转换为数据信号。
5.根据权利要求2所述的无人飞行器预警装置,其特征在于,在异常端点检测单元检测到声音采集单元中采集到的声音在预定范围内时,还需要通过声音特征提取单元,将采集到的声音输入至所述声音比较单元;并且所述声音特征提取单元设置有梅尔频率倒谱系数模块。
6.根据权利要求1所述的无人飞行器预警装置,其特征在于,所述无人飞行器预警装置还包括向所述声音特征存储器提供参考数据样本的声音训练样本采集器,并且所述声音训练样本采集单元采集的无人飞行器的预定声音特征后,将无人飞行器旋翼和电机产生的低频噪声频率按照预定算法映射后的特征存储至所述样本声音特征存储单元。
7.根据权利要求6所述的无人飞行器预警装置,其特征在于,所述预定算法包括依次通过A/D转换单元、声音简谱滤波单元、声音特征提取单元对所述无人飞行器旋翼和电机产生的低频噪声频率进行处理,并且将所述无人飞行器旋翼和电机产生的低频噪声频率处理后的结果存储至样本声音特征存储单元。
8.一种无人飞行器预警方法,其特征在于,所述方法包括:
将无人飞行器的声音特征存储至声音特征存储单元;
采集空域中飞行目标在飞行过程中产生的特定频率;
将采集到的所述飞行目标的特定频率和所述声音特征存储单元中存储的结果进行对比,并且根据对比结果可以判断所述空域中的飞行目标是否为无人飞行器;当所述声音比较单元的判断结果是空域中有无人飞行器时,能够发出警示动作。
9.根据权利要求8所述的无人飞行器预警方法,其特征在于,采集到空域中的飞行目标在飞行过程中产生的特定频率之后,还需要对飞行目标的特定频率进行A/D转换,并检测转换后的频率是否在10Hz~500Hz范围内,如果不在10Hz~500Hz范围内,则过滤掉该飞行目标的声音频率,判定该飞行目标不是无人飞行器。
10.根据权利要求9所述的无人飞行器预警方法,其特征在于,如果检测到飞行目标的频率在10Hz~500Hz范围内,然后检测声音采集单元中采集到的声音短时平均幅度和声音短时过零率是否在预定的范围内,如果是在预定的范围内,将所述飞行目标的声音特征与训练样本采集单元众的参数进行对比,判断所述空域中的飞行目标是否为无人飞行器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510456989.1A CN104991245A (zh) | 2015-07-29 | 2015-07-29 | 一种无人飞行器预警装置及其预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510456989.1A CN104991245A (zh) | 2015-07-29 | 2015-07-29 | 一种无人飞行器预警装置及其预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104991245A true CN104991245A (zh) | 2015-10-21 |
Family
ID=54303081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510456989.1A Pending CN104991245A (zh) | 2015-07-29 | 2015-07-29 | 一种无人飞行器预警装置及其预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104991245A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783102A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 无人机高度信号的峰值跟踪方法 |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
CN109830125A (zh) * | 2019-01-08 | 2019-05-31 | 沈阳无距科技有限公司 | 信息提示方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008107735A2 (en) * | 2006-11-15 | 2008-09-12 | Adacel, Inc. | Confirmation system for command or speech recognition using activation means |
CN103198838A (zh) * | 2013-03-29 | 2013-07-10 | 苏州皓泰视频技术有限公司 | 一种用于嵌入式系统的异常声音监控方法和监控装置 |
CN104569993A (zh) * | 2015-01-05 | 2015-04-29 | 哈尔滨工程大学 | 一种用于四轴飞行器的全向超声波障碍探测器 |
CN104750110A (zh) * | 2015-02-09 | 2015-07-01 | 深圳如果技术有限公司 | 一种无人机的飞行方法 |
-
2015
- 2015-07-29 CN CN201510456989.1A patent/CN104991245A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008107735A2 (en) * | 2006-11-15 | 2008-09-12 | Adacel, Inc. | Confirmation system for command or speech recognition using activation means |
CN103198838A (zh) * | 2013-03-29 | 2013-07-10 | 苏州皓泰视频技术有限公司 | 一种用于嵌入式系统的异常声音监控方法和监控装置 |
CN104569993A (zh) * | 2015-01-05 | 2015-04-29 | 哈尔滨工程大学 | 一种用于四轴飞行器的全向超声波障碍探测器 |
CN104750110A (zh) * | 2015-02-09 | 2015-07-01 | 深圳如果技术有限公司 | 一种无人机的飞行方法 |
Non-Patent Citations (9)
Title |
---|
张鑫瑜 等: ""利用支持向量机和高阶累量实现飞机类型识别"", 《哈尔滨工程大学学报》 * |
张鑫瑜 等: ""基于语音抑制的飞机识别研究"", 《华中科技大学学报(自然科学版)》 * |
武光利等: ""基于短时平均幅度和短时平均过零率的藏语语音端点检测研究"", 《福建电脑》 * |
聂东虎 等: ""基于线性调频Z变换和短波语音通话的飞机类型识别研究"", 《声学学报》 * |
范进良等: ""5Hz-1000Hz甚低频宽带发射声源"", 《声学技术》 * |
衡丽 等: ""基于LPC和MFCC的直升机信号分析"", 《通信技术》 * |
钱汉明 等: ""飞机声信号的特征提取与识别"", 《探测与控制学报》 * |
马宁 等: ""直升机声信号的检测和识别"", 《信息与电子工程》 * |
黄博 等: ""基于倒谱特征和小波包特征熵的直升机声目标识别"", 《探测与控制学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783102A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 无人机高度信号的峰值跟踪方法 |
CN107783102B (zh) * | 2016-08-25 | 2021-04-27 | 大连楼兰科技股份有限公司 | 无人机高度信号的峰值跟踪方法 |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
CN109830125A (zh) * | 2019-01-08 | 2019-05-31 | 沈阳无距科技有限公司 | 信息提示方法、装置、存储介质及电子设备 |
CN109830125B (zh) * | 2019-01-08 | 2020-11-27 | 沈阳无距科技有限公司 | 信息提示方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | Novel leakage detection by ensemble CNN-SVM and graph-based localization in water distribution systems | |
CN109767769B (zh) | 一种语音识别方法、装置、存储介质及空调 | |
Cao et al. | Excavation equipment recognition based on novel acoustic statistical features | |
CN107393555B (zh) | 一种低信噪比异常声音信号的检测系统及检测方法 | |
CN112735473B (zh) | 基于声音识别无人机的方法及系统 | |
CN109473119B (zh) | 一种声学目标事件监控方法 | |
CN105203999A (zh) | 旋翼飞行器预警装置及预警方法 | |
CN109920448A (zh) | 一种自动驾驶车辆交通环境特种声音的识别系统及方法 | |
US20210065918A1 (en) | Condition monitoring device, method, and storage medium | |
CN110807585A (zh) | 一种学员课堂学习状态在线评估方法及系统 | |
CN104991245A (zh) | 一种无人飞行器预警装置及其预警方法 | |
CN113314144A (zh) | 声音识别及电力设备故障预警方法、系统、终端及介质 | |
CN113807314A (zh) | 一种基于微多普勒效应的毫米波雷达视频融合方法 | |
CN109580268A (zh) | 一种产品异响、异音智能检测方法 | |
CN113776794A (zh) | 一种嵌入式边缘计算的故障诊断方法、装置和系统 | |
Cotter et al. | Benchmarking sensor fusion capabilities of an integrated instrumentation package | |
CN205003281U (zh) | 一种无人飞行器预警装置 | |
Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
Cabrera-Ponce et al. | Detection of nearby UAVs using CNN and Spectrograms | |
CN112180318B (zh) | 声源波达方向估计模型训练和声源波达方向估计方法 | |
CN113919389A (zh) | 一种基于声纹成像的gis故障诊断方法及系统 | |
CN111624586B (zh) | 基于特征提取和神经网络的水声目标测距方法 | |
CN115598594B (zh) | 无人机声源定位方法、装置、无人机及可读存储介质 | |
CN116705039A (zh) | 一种基于ai的电力设备声纹监测系统及方法 | |
CN116364108A (zh) | 变压器声纹检测方法及装置、电子设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |
|
RJ01 | Rejection of invention patent application after publication |