来源：期刊VIP网 时间：
作者：张伟;常本强;杨旭;杨雪;张添龙;
单位：中国民航大学交通科学与工程学院;中国民航大学安全科学与工程学院;
摘要：声学探测技术可用于机场“黑飞”无人机监测，但易受复杂环境中的噪声影响。为解决这一问题，提出了一种融合卷积块注意力机制及贝叶斯优化卷积神经网络(Convolutional Block Attention Module-Bayesian Optimization-Convolutional Neural Network, CBAM-BO-CNN)的机场无人机声学信号检测模型。该模型通过引入CBAM模块，对输入的数据从通道和空间两个独立的维度依次提取特征以增强网络对无人机梅尔频谱图的特征提取能力，并采用贝叶斯优化算法搜寻网络模型的最优超参数组合。经数据集验证，该模型实现了98.8%的识别准确率，且在低信噪比条件下仍能保持高于94%的准确率。后通过自主搭建简易的16阵元麦克风阵列，采集了60个不同方位的无人机音频数据用以验证模型的实用性。试验结果表明，应用CBAM-BO-CNN检测模型的声学监测设备在100 m范围内对无人机信号的识别准确率达94%。所提出的无人机声学信号检测模型可应对机场日益严重的无人机入侵问题，为机场安全运营提供强有力的技术支持。
关键词：安全工程;;无人机检测;;声学探测;;卷积块注意力机制;;贝叶斯优化
基金资助：中央高校基本科研业务费中国民航大学专项(3122020048)
