-
公开(公告)号：CN107576387B
公开(公告)日：2020-05-22
申请号：CN201710711117.4
申请日：2017-08-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于声纹多谐波识别的无人机检测方法。传统的基于傅里叶变换的谐波检测方法建立在信号平稳的假设基础上进行分析，使用信号的时域信息得到频域特征，能够精确地确定出平稳信号中各次谐波的频率、幅值以及相位，该方法的不足在于不能处理非平稳信号，不适合分析动态谐波以及突变信号，实际的谐波检测应用中，谐波很可能是动态变化的。本方法通过对目标信源的声音信号做时频分析得到特征频率。根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间与非特征频率区间，求取各频率区间的最高能量值。依据各频率区间的能量上起伏的关系，根据各频率区间的最高能量值的大小关系作为判别标准，能够实现很好的检测性能。
-
公开(公告)号：CN106877947B
公开(公告)日：2020-03-27
申请号：CN201710041758.3
申请日：2017-01-20
Applicant: 浙江大学
IPC: H04B17/30 , H04B17/345
Abstract: 本发明公开了一种无人机的射频信道并行检测装置及方法，装置包括多个射频模块、多个射频微机模块、总控微机模块、实时时钟模块。该装置将无人机常用的2.4GHz通信频段划分成42个信道，然后并行测量每个信道的RSSI以及时间，根据测量的结果利用无人机信号与背景噪声的RSSI的差异以及无人机信号的带宽特点来检测无人机，其中无人机信号主要包括图传信号以及遥控器信号。另外该装置还能检测出无人机遥控器信号的跳频序列，根据跳频序列可以进一步识别出无人机的型号。本发明提出的一种无人机的射频信道并行检测装置及方法具有成本低，探测精度高，装置结构简单方便部署等优点，可以有效地检测和识别出无人机，能够广泛应用和部署在各种需要检测无人机的区域。
-
公开(公告)号：CN106772246A
公开(公告)日：2017-05-31
申请号：CN201710041766.8
申请日：2017-01-20
Applicant: 浙江大学
IPC: G01S5/20
CPC classification number: G01S5/20
Abstract: 本发明公开了一种基于声阵列的无人机实时检测和定位系统及方法。该系统包括至少两个声阵列和PC端；声阵列采用十字型对称设计，每条边等间距对称安装四个声音传感器，每个声阵列共有八个声音传感器；PC端接收采集卡采集的声音传感器信号，利用时频分析的结果检测目标是否为无人机，如果为无人机则针对十字型阵列的每个线阵分别做一维的波达方向角度估计，得到目标与十字型阵列两个边的夹角，利用多个阵列各自估计的角度和阵列之间的距离计算出无人机在空间中的坐标。本发明通过合理摆放声阵列，可以迅速检测无人机并获取位置信息，有效应对无人机导致的安全隐患。
-
Patent Agency Ranking
公开(公告)号：CN108564962A
公开(公告)日：2018-09-21
申请号：CN201810195198.1
申请日：2018-03-09
Applicant: 浙江大学
IPC: G10L21/0208 , G10L21/0216
Abstract: 本发明公开了一种基于四面体麦克风阵列的无人机声音信号增强方法。该方法通过最小方差无失真滤波(MVDR)的方法和无人机声音信号的特征频率大致估计无人机的方向，利用阵列信号处理，反推出麦克风之间的时延，然后，在时域上对原始信号通过波束形成进行延迟求和处理，将多路信号延迟加权到同一时间节点，最终得到一组信号，实现无人机声音信号增强的效果。同时，在四面体每个阵元都采用上述处理，将四面体所有麦克风的信号都进行了增强。本发明充分利用四面体每个麦克风的信息进行信号增强，最后得到与接收信号相同数量的增强信号，极大地提高接收信号的信噪比，对声阵列处理领域具有较高的价值。
-
公开(公告)号：CN108363041A
公开(公告)日：2018-08-03
申请号：CN201810105210.5
申请日：2018-02-02
Applicant: 浙江大学
IPC: G01S5/22
Abstract: 本发明公开了一种基于K均值聚类迭代的无人机声源定位方法。该方法在利用广义互相关函数计算出多组声音传感器之间的时间延迟信息的基础上，首先利用时延关系写出多种不同的线性方程组，分别计算出多个无人机声源三维坐标；然后利用K均值聚类算法估计出无人机的最佳位置坐标；最后以该聚类算法得到的位置坐标作为初始值，采用迭代算法计算出无人机最终的位置坐标。本发明能够充分利用时延估计冗余信息，结合多声音传感器的优势，更加准确、可靠地定位出无人机声源目标的位置；解决迭代算法中对初始值较敏感的缺点，利用线性方程组求解的结果作为迭代的初始值，加快收敛速度，同时保证收敛结果的准确性；该方法具有巨大的应用价值。
-
公开(公告)号：CN107576387A
公开(公告)日：2018-01-12
申请号：CN201710711117.4
申请日：2017-08-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于声纹多谐波识别的无人机检测方法。传统的基于傅里叶变换的谐波检测方法建立在信号平稳的假设基础上进行分析，使用信号的时域信息得到频域特征，能够精确地确定出平稳信号中各次谐波的频率、幅值以及相位，该方法的不足在于不能处理非平稳信号，不适合分析动态谐波以及突变信号，实际的谐波检测应用中，谐波很可能是动态变化的。本方法通过对目标信源的声音信号做时频分析得到特征频率。根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间与非特征频率区间，求取各频率区间的最高能量值。依据各频率区间的能量上起伏的关系，根据各频率区间的最高能量值的大小关系作为判别标准，能够实现很好的检测性能。
-
公开(公告)号：CN107564530A
公开(公告)日：2018-01-09
申请号：CN201710711101.3
申请日：2017-08-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于声纹能量特征的无人机检测方法。传统的基于梅尔频率倒谱系数特征向量的声音检测方法是在梅尔频率上进行倒谱分析以提取信号的包络信息。该方法处理过程复杂，计算复杂度较高，且特征向量的可解释性较差。本方法通过对目标信源的声音信号做时频分析，得到目标信源特的征频率。根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间与非特征频率区间。再对各频率区间，等宽度划分成n个子区间，由傅里叶变换结果计算各个子区间的能量，取各个子区间的能量最大值代表该频率区间的能量。取各频率区间能量占总能量的比例作为一组能量特征向量。使用机器学习的方法进行分类学习，实现检测，以达到更好的检测性能。
-
公开(公告)号：CN106772227A
公开(公告)日：2017-05-31
申请号：CN201710021562.8
申请日：2017-01-12
Applicant: 浙江大学
CPC classification number: G01S3/802 , G01S3/8003
Abstract: 本发明公开了一种基于声纹多谐波识别的无人机方向估计方法。传统的基于高分辨率谱的非相干子空间波达方向估计算法，将宽带信号分成各个窄带信号，在窄带上用多重信号分类(MUSIC)算法进行角度估计，取算数平均值。传统方法忽略了子频带的能量不均和信噪比不同，导致算法性能不佳。本发明方法通过对目标信源的声音信号做时频分析，得到特征频率。对宽带信号只提取特征频率所在的子频带，做窄带MUSIC运算，结合各特征子频带的能量比、信噪比，赋予各特征子频带方向角不同的加权系数，加权平均得到角度估计结果，以达到更准确的角度估计性能。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
