业余无人机检测：一种在强干扰下利用声信号的机器学习方法
音频与语音处理
2020-03-04 v1 机器学习
声音
信号处理
机器学习
摘要
由于体积小、感知能力强和自主特性，无人机 (UAVs) 在遥感、导航、考古、新闻、环境科学和农业等多个领域有着巨大应用。然而，无人监管的无人机部署称为业余无人机 (AmDr)，可能导致严重的安全威胁以及对人类生命和基础设施的风险。因此，及时检测 AmDr 对于敏感组织、人类生命和其他重要基础设施的保护与安全至关重要。AmDr 可使用基于声音、视频、热成像和无线电频率的不同技术检测。然而，这些技术在恶劣大气条件下的性能受限。本文中，我们提出了一种高效的独立分量分析 (ICA) 无监督机器学习方法，用于在实际场景中检测鸟、飞机、雷暴、雨、风以及 UAVs 等各类声信号。在信号分离后，通过 ICA 提取梅尔频率倒谱系数 (MFCC)、功率谱密度 (PSD) 以及 PSD 的均方根值 (RMS) 等特征。PSD 及其 RMS 通过先将信号经过倍频程带通滤波器组提取。基于上述特征，使用支持向量机 (SVM) 和 K 近邻 (KNN) 对信号进行分类以检测 AmDr 的存在与否。所提技术的独特之处在于能在多个声学干扰信号同时存在时一次性检测单个或多个 AmDr。该技术通过大量仿真验证，观察到 PSD 的 RMS 结合 KNN 的性能优于 MFCC 结合 KNN 和 SVM。
引用
@article{arxiv.2003.01519,
title = {Amateur Drones Detection: A machine learning approach utilizing the acoustic signals in the presence of strong interference},
author = {Zahoor Uddin and Muhammad Altaf and Muhammad Bilal and Lewis Nkenyereye and Ali Kashif Bashir},
journal= {arXiv preprint arXiv:2003.01519},
year = {2020}
}
备注
25 pages, 10 figures, accepted for the publication in future issue of "Computer Communications (2020)"