Застосування аудіоаналізу для поєднання розрізнених подій у системах спостереження безпілотних літальних апаратів

Василь   Веремеєнко; Андрій  Роговенко

doi:10.25140/2411-5363-2026-2(44)-260-267

Автор(и)

Василь Веремеєнко Національний університет «Чернігівська політехніка», Україна https://orcid.org/0009-0004-2742-6367
Андрій Роговенко Національний університет «Чернігівська політехніка», Україна https://orcid.org/0000-0003-4594-5692

DOI:

https://doi.org/10.25140/2411-5363-2026-2(44)-260-267

Ключові слова:

аудіоаналіз; аудіовідбитки; БПЛА; спектральний аналіз; STFT; Mel-спектрограма; кореляція подій; мультимедійне спостереження

Анотація

У статті розглянуто проблему поєднання розрізнених подій у гетерогенних системах мультимедійного спостереження БПЛА. Запропоновано використання аудіоаналізу як додаткового каналу для кореляції подій у випадках обмежень відеоспостереження. Досліджено методи спектрального аналізу та формування аудіовідбитків, зокрема хеш-орієнтований підхід і Mel-спектральний профіль. Експерименти показали, що хеш-підхід забезпечує кращу стійкість до шуму та чіткіше розділення схожих і різних сигналів. Результати підтверджують доцільність інтеграції аудіоаналізу в системи спостереження для підвищення ефективності виявлення загроз.

Посилання

Sun, Y., & Zhi, X. (2023). Enhancing UAV detection in surveillance camera videos through spatiotemporal information and optical flow. Sensors, 23, 6037.

Lee, D. R., & Kim, S. (2024). A multi-stage approach to UAV detection, identification, and tracking using region-of-interest management and rate-adaptive video coding. Applied Sciences, 14, 5559.

Kumar, C. A., & Giridhar, O. (2024). UAV detection multi-sensor data fusion. Journal of Research in Science and Engineering, 6(7).

Веремеєнко, В. В., & Роговенко, А. І. (2025, 2 жовтня). Застосування зліпку аудіозаписів для пошуку збігів джерел звуку, знятих з різних пристроїв запису в системі відеоспостереження. У «Вільне програмне забезпечення у освіті, науці та бізнесі». Чернігів: НУ «Чернігівська політехніка».

Wang, A. L.-C. (2003). An industrial-strength audio search algorithm. У Proceedings of the 4th International Conference on Music Information Retrieval (ISMIR 2003). Baltimore, MD, USA.

librosa. (n.d.). librosa.feature.melspectrogram. https://librosa.org/doc/main/generated/ librosa.feature.melspectrogram.html.

Chou, S.-Y., & Cheng, K.-H. (2019, February 18). Learning to match transient sound events using attentional similarity for few-shot sound recognition. National Taiwan University, Taipei, Taiwan.

Strauss, M. (n.d.). How Shazam works: An explanation in Python. https://michaelstrauss.dev/shazam-in-python.