• 한국항행학회논문지
• /
• 제20권6호
• /
• pp.604-611
• /
• 2016

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.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권10호
• /
• pp.5078-5094
• /
• 2019

In recent years, the development of drone technologies has promoted the widespread commercial application of drones. However, the ability of drone to carry explosives and other destructive materials may bring serious threats to public safety. In order to reduce these threats from illegal drones, acoustic feature extraction and classification technologies are introduced for drone sound identification. In this paper, we introduce the acoustic feature vector extraction method of harmonic line association (HLA), and subband power feature extraction based on wavelet packet transform (WPT). We propose a feature vector extraction method based on combined HLA and WPT to extract more sophisticated characteristics of sound. Moreover, to identify drone sounds, support vector machine (SVM) classification with the optimized parameter by genetic algorithm (GA) is employed based on the extracted feature vector. Four drones' sounds and other kinds of sounds existing in outdoor environment are used to evaluate the performance of the proposed method. The experimental results show that with the proposed method, identification probability can achieve up to 100 % in trials, and robustness against noise is also significantly improved.