针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

5.1 预处理Krylov子空间方法 5.2 基于矩阵分裂的预处理子 5.3 不完全分解预处理子 5.4 稀疏近似逆预处理子

1.1 线性代数基础 1.2 向量序列与矩阵序列 1.3 几类特殊矩阵 1.4 数值域 1.5 Chebyshev 多项式

3.1 定常迭代法 3.2 收敛性分析 3.3 正则分裂 3.4 交替方向迭代法 3.5 迭代法的加速

2.1 非负矩阵 2.2 不可约非负矩阵 2.3 M-矩阵和单调矩阵

5.1计算机数控装置的组成结构 5.2数控加工程序的输入 5.3数控加工程序的预处理 5.4本章小结 5.5思考题与习题

第一节 编译预处理概述 第二节 宏定义 第三节 文件包含 第四节 条件编译

Ｃ源程序编译之前，编译程序将对它作至少两 个阶段的编译预处理。 编译程序预处理阶段 编译程序首先将源程序代码中的注解替换成空 格字符；例如: int /*变量sum用于存放两个数的和*/ sum ; 将替换成：

第7章函数与预处理命令 7.1概述 7.2函数的定义与调用 7.3数组作函数参数 74函数的嵌套调用和递归调用 7.5局部变量和全局变量及其作用域 7.6变量的存储类别及变量的生存期 7.7函数的存储分类 7.8编译预处理 7.9多文件程序的调试方法

7.1概述 7.2函数的定义与调用 7.3数组作函数参数 7.4函数的嵌套调用和递归调用 7.5局部变量和全局变量及其作用域 7.6变量的存储类别及变量的生存期 7.7函数的存储分类 7.8编译预处理 7.9多文件程序的调试方法