[发明专利]基于时频分析和深度学习的远距离直升机旋翼声音检测方法

权利要求书

1.一种声音检测方法，所述的声音检测方法的特征在于：应用于平稳飞行的直升机旋翼声音信号的检测，该算法包括：预处理、时频分析和检测网络；

所述预处理，对持续的声音信号采样，带通滤波，并分解为相互重叠的声音信号段；

所述时频分析，利用时频分析方法分析声音信号，转为时频图像；

所述检测网络，结合使用卷积神经网络和循环神经网络，检测时频图像中是否存在目标声音，其中卷积神经网络提取特征，循环神经网络根据提取的特征进行检测。

2.根据权利要求1所述的声音检测算法，其特征在于，

所述直升机旋翼声音信号，在平稳飞行时，周期震动的旋转噪声为目标声音来源，附加传播路径上的环境噪声等干扰噪声，目标声音的能量低于干扰声音能量。

3.根据权利要求1所述的声音检测算法，其特征在于，

所述声音信号采样，以不低于待测目标周期频率范围的4倍的频率采样；

所述低通滤波，以直升机起飞所需的最小旋翼转速为下边界，以直升机平稳飞行时旋翼的最大转速为上边界；

所述相互重叠的声音信号段，时间上相互重叠的长度不小于单个声音信号段长度的一半。

4.根据权利要求1所述的声音检测算法，其特征在于，

所述时频分析方法，不使用Mel倒谱频率变换，可以使用短时Fourier变换、Wigner-Ville变换、Choi-Williams变换；

所述时频图像，时频变换后的浮点矩阵，或者将浮点矩阵处理后的单通道JPEG图像。

5.根据权利要求1所述的声音检测算法，其特征在于，

所述检测方法，先利用卷积神经网络提取特征，在将特征输入循环神经网络进行检测处理，输出最终检测结果。

6.根据权利要求1和5所述的声音检测算法，其特征在于，

所述检测方法，在训练时，卷积神经网络和循环神经网络同步进行训练；

所述检测方法，经过卷积神经网络提取的特征，是由以时间顺序排列的向量构成，再以时间顺序，将各个向量送入循环神经网络；

所述检测结果，输出是以one-hot编码的概率形式呈现。