邹瑛珂，李祖明，刘晓宏，贾云飞

（1.南京理工大学机械工程学院，江苏 南京 210094; 2.南京工程学院电力学院，江苏 南京 211167;3.盐城供电公司，江苏 盐城 224000）

0 引 言

近年来，由于传感器、芯片和控制理论的快速发展，大量的廉价小型四旋翼无人机被应用在农保、安防、摄影、娱乐、军事等领域。与此同时，四旋翼无人机所产生的各种社会问题（如偷拍、妨碍飞行器飞行、伤害路人等事件）频发。而在国防领域，利用无人机进行军事情报窃取或直接利用无人机进行恐怖袭击的可能性越来越高。因此如何在各种环境下对无人机进行探测预警成为了一个新的课题。由于无人机体积小、速度低、飞行高度较低，很难被常规电磁波雷达探测。若使用光学雷达，有被障碍遮挡的问题存在，且在复杂环境背景或无人机自身有隐蔽涂装的情况下识别率很低[1]。但四旋翼无人机的声音信号较大，且不易被改变，因此成为了比较有效的新颖探测方案。针对无人机声探测领域的研究开始于2010年，目前取得了一定成果。在国内，张一闻等[2]提出了利用FFT、EMD+MFCC等特征结合诸如SVM、VQ等机器学习算法分类器以实现对无人机的识别，丘恺彬等[3]也提出利用MFCC+EMD能量占比实现不同型号无人机的区分。在国外，Jeon等[4]也尝试使用深度学习算法研究UAV声音检测，最后发现循环神经网络效果最好，为将深度学习算法应用到该领域提供了先例。这些算法在高信噪比条件下识别率较高，但由于这些算法本身存在鲁棒性较低的固有缺陷，在面对诸如嘈杂街道等环境下识别率会有明显下降，或者需要较多的样本数量，然而目前网络上并没有相关公共数据集。……