目前,随着小型旋翼无人机制造技术的不断完善和普及,小型旋翼无人机市场呈现蓬勃发展的趋势。小型旋翼无人机一方面在农业生产、消防、航拍摄影等方面提升了生产效率,但另一方面,一些不法份子也可以利用小型旋翼无人机“低慢小”的特性从事违法犯罪活动,制造社会恐慌。因此,管制小型旋翼无人机是低空域安防的重要保证,也是促进无人机市场正规发展的有力措施。针对管控无人机的问题,目前已经达成两点共识,一是实现无人机的管控需要三步——分别是探测、识别和管制,并且探测和识别是管制无人机的前提条件;二是单一技术不能有效解决问题,多技术融合的方法才能有效管控无人机。基于这两点共识,论文对比了现有的各项技术后认为,利用旋翼无人机飞行时产生的噪声进行探测识别的声探测识别方法不会对其他技术形成干扰,因此该方法是构成未来多技术融合管控无人机的重要技术手段。同时,由于麦克风阵列具有信号增强的能力,所以论文开展了使用麦克风阵列对小型旋翼无人机进行声探测识别的研究。具体内容如下:(1)通过使用声压级、短时平均过零率等在语音识别中常用的特征提取方法对无人机噪声信号进行分析。经过分析后认为在2000~7000Hz的频段内,无人机噪声信号与背景噪声存在差异。(2)针对无人机噪声信号的频率主要集中在2000~7000Hz频段的特点,对语音识别中常用的特征——梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCC)进行改进,使其能更好的表征无人机的噪声信号。MFCC能在语音识别中得到广泛应用的原因在于梅尔滤波器组中的带通滤波器的分布具有低频段密集,高频段稀疏的特性。但是,语音信号的频率与小型旋翼无人机飞行时产生的噪声信号的频率有明显的差异。因此,使用MFCC提取无人机噪声信号的特征会存在提取不充分的问题。所以对MFCC进行改进,论文通过改变梅尔频率和频率的变换关系,进而改变梅尔滤波器组的分布情况,使梅尔滤波器组中的带通滤波器的分布由低频段密集,高频段稀疏改为中高频段密集,低频段和高频段稀疏。(3)麦克风阵列在实际应用中会出现阵列上的不同麦克风的识别结果不同的问题。经过分析,产生此问题的原因是由于同一声源到麦克风阵列上的每个麦克风的距离不同,从而造成每个麦克风接收到的信号存在差异,因此提高了错判的概率。为了减少错判的出现,论文提出一种基于麦克风阵列的加权识别检测方法和一种基于神经网络的加权识别检测方法,用于最后判决是否存在无人机,以此提高麦克风阵列系统的识别稳定性,降低错判的概率。(4)采集小型旋翼无人机飞行时的噪声数据,并以此构建样本数据集,其中包括训练集、测试集以及不同距离的验证集。通过实验证明改进型MFCC的特征提取方法能提高最后的识别准确率。在实验中,首先,采用控制变量法,将MFCC的组合特征(包括原始波形、对数梅尔频谱以及MFCC)、改进型MFCC的组合特征(包括原始波形、改进型对数梅尔频谱以及改进型MFCC)分别用于特征提取,发现使用改进型MFCC特征提取方法时,测试集和验证集上的准确率相比于MFCC要高出2~3%。其次,将改进型MFCC以及MFCC,改进型对数梅尔频谱和对数梅尔频谱分别作为特征提取方法,以测试集上的准确率为评定标准,发现使用改进型对数梅尔频谱时,准确率最高。最后,通过实验,确定了最终的特征提取方案为提取改进型对数梅尔频谱,其中Mel滤波器组中带通滤波器的个数设定为64,帧长设定为200ms。