典型文献
采用混合域注意力机制的无人机识别方法
文献摘要：
针对在城市公园、广场和大型游乐场等公共环境中,雷达和无线电识别无人机易受到电子干扰、图像识别无人机易受到光线和遮挡物干扰的问题,提出了一种经济便捷、不易受到干扰的运用声音和采用通道空间混合域注意力机制多尺度分组卷积网络(ECSANet)的无人机识别方法.首先,建立民用的9大类无人机声音数据集,提取数据集的对数梅尔谱图及其动态特征;其次,为了网络参数量少,避免过拟合,设计了基于分组卷积、通道混洗和残差结构的通道混洗多尺度分组卷积网络(MSSGNet);然后,为了能更多、更有效地提取无人机声音特征,设计了通道空间混合域注意力机制模块(ECSA);最后,将ECSA模块插入MSSGNet网络构成改进的通道空间混合域注意力机制的多尺度分组卷积网络(ECSANet),形成新型声音识别无人机的方法.运用设计的ECSA-Net 网络对自建的民用无人机声音数据集和Urbansound8K环境声音数据集进行了声音识别,识别结果表明:与 ResNetl8、ResNet34、ResNeXt18 和 MobileNetV2 等基准网络相比,MSSGNet 网络参数更少,识别准确率更高,达到了 95.1％;ECSA模块可以插入多种网络,在不增加很多参数的情况下令网络模型的识别准确率获得提升,在无人机等声音分类任务上具有很好的效果;与MSSGNet网络相比,改进的ECSANet网络识别准确率能达到95.9％,提高了 0.8％,表明了该网络在识别小样本无人机方面的优越性和可行性.
文献关键词：
无人机;声音识别;对数梅尔谱图;神经网络;混合域注意力机制
中图分类号：
作者姓名：
薛珊;卫立炜;顾宸瑜;吕琼莹
作者机构：
长春理工大学机电工程学院,130022,长春;长春理工大学重庆研究院,401135,重庆;西安交通大学信息与通信工程学院,710049,西安
文献出处：
引用格式：
[1]薛珊;卫立炜;顾宸瑜;吕琼莹-.采用混合域注意力机制的无人机识别方法)[J].西安交通大学学报,2022(10):141-150
A类：
ECSANet,对数梅尔谱图,MSSGNet,ResNetl8,ResNeXt18
B类：
混合域注意力机制,城市公园,广场,游乐场,公共环境,无线电,电子干扰,图像识别,光线,遮挡物,分组卷积,卷积网络,声音数据,提取数据,动态特征,网络参数,参数量,过拟合,通道混洗,残差结构,注意力机制模块,声音识别,民用无人机,Urbansound8K,环境声音,ResNet34,MobileNetV2,基准网络,识别准确率,多参数,下令,声音分类,分类任务,小样本,本无
AB值：
0.245384
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
