Abstract
Drone, which refers to unmanned aerial vehicles (UAV), industries are improving rapidly and exceeding existing level of remote controlled aircraft models. Also, they are applying automation and cloud network technology. Recently, the ability of drones can bring serious threats to public safety such as explosives and unmanned aircraft carrying hazardous materials. On the purpose of reducing these kinds of threats, it is necessary to detect these illegal drones, using acoustic feature extraction and classifying technology. In this paper, we introduce sound feature vector extraction method by harmonic feature extraction method (HLA). Feature vector extraction method based on HLA make it possible to distinguish drone sound, extracting features of sound data. In order to assess the performance of distinguishing sounds which exists in outdoor environment, we analyzed various sounds of things and real drones, and classified sounds of drone and others as simulation of each sound source.
UAV (unmanned aerial vehicles)을 지칭하는 드론 관련 산업은 기존의 원격조종 무선모형 항공기 수준에서 벗어나 급속도로 발전하고 있으며, 현재는 자동화와 클라우드 네트워크 기술을 접목시키면서 새로운 산업으로 성장해가는 상황이다. 최근 무인 항공기의 능력은 폭발물 및 기타 위험 물질 운반 등 공공 안전에 대한 심각한 위협을 가져올 수 있으며, 불법 드론에 의한 이러한 위험을 감소시키기 위해, 음향 특징 추출 및 분류 기술에 의하여 이들 불법 드론을 탐지할 필요가 있다. 본 논문에서는 고조파 특징 추출 방법(HLA)에 의한 음향 특징벡터 추출 방법을 소개한다. HLA에 기초한 특징 벡터 추출 방법은 음향 데이터의 보다 특징적인 특성을 추출하여 무인 항공기 음향을 식별할 수 있게 한다. 실외 환경에 존재하는 음향의 식별성능을 평가하기 위해 여러 사물 및 실제 드론의 음향을 비교 분석 하였으며, 각 음원에 대한 시뮬레이션으로 드론 및 기타의 음향을 분류하였다.
