Алгоритм оброблення аудіосигналів із використанням методу машинного навчання

Анотація

Малi безпiлотнi лiтальнi апарати або дрони швидко розвиваються та впроваджуються. Але це також збiльшує i загрозу громадськiй та нацiональнiй безпецi через ризики їхнього неправомiрного використання. Перспективним напрямком для вирiшення цiєї проблеми є акустичний метод, що включає в себе аналiз звукових характеристик i доплерiвського зсуву сигнатур безпiлотникiв, використання масивiв мiкрофонiв та методи машинного навчання. Задачею цієї статті є розроблення алгоритму для ефективного виявлення та класифікації аудіосигналів малих безпілотних літальних апаратів із використанням згорткової нейронної мережі глибокого навчання, побудова архітектури та оцінка ефективності її роботи. Перед подачею набору аудіозаписів дронів на вхід мережі, підвищили їхню якість застосувавши нормалізацію, Вінеровську фільтрацію, сегментацію — поділили аудіо на кадри тривалістю 25 мс з перекриттям 50% та віконне керування за допомогою вікна Хеммінга, оскільки у завданні оброблення аудіосигналів важливіша точність у часовій області. Отримані дані розділили у співвідношенні 60/20/20 на три набори: для навчання, валідації та тестування. Далі представили дані спрощеним набором ознак, визначивши з кожного кадру оброблених аудіосигналів мел-спектрограми, для фіксації часових та спектральних характеристик. Діапазон частот аналізу становить межі робочих частот моделі мікрофону (20 Гц — 20 кГц), частотна розділова здатність 50 Гц, а кількість робочих мел-смуг дорівнює 30. Використовуючи навчальні дані та отримані ознаки аудіосигналів, розробили архітектуру нейронної мережі для досліджень роботи алгоритму виявлення дронів. Вона складається із 10 пар шарів згортки, ReLU, пакетної нормалізації та максимального пулингу. Їхня кількість визначається розміром вікна об'єднання в часі. Наступними є шари згладжування, відсікання, повнозв'язний та Softmax. Для нормалізації вихідних даних і отримання фінальних ймовірностей застосовується шар класифікації. У якості оптимізатора для навчання моделі обрано Adam, початкова швидкість навчання дорівнює 0.001, а після проходження 75% епох поступово зменшується у 10 разів, для покращення збіжності. Точність розпізнавання даних складає 99%, оцінка F1 — 0.93, що вказує на високий рівень загальної продуктивності архітектури. Максимальна відстань ефективного виявлення дронів алгоритмом складає 200 м.