电视电声研究所（中国电子科技集团公司第三研究所）

本发明公开了一种跨模态模板超视场目标匹配与定位方法及装置，本发明采用自适应卷积特征点网络+交叉注意力匹配网络组合，通过卷积网络负责挖掘模态不变局部拓扑特征，注意力网络剔除歧义匹配，整套架构无需采集场景内可见光‑红外配对样本，即可直接野外部署，从而解决了现有微调成本高、落地周期长的问题。并且本发明采用全局单应矩阵超视场坐标映射机制：摒弃单点地标推算逻辑，依托图像全局匹配拓扑约束建立二维平面投影关系，将目标先验坐标直接映射至实时成像坐标系，从算法层面抵消大部分惯导姿态误差，弱化高精度导航硬件依赖。

基于频率重要性特征滤波器的无人机声处理方法、装置、设备及介质，方法包括：采集目标无人机声信号样本和背景噪声样本，并构建为训练集；对训练样本进行时频分析，计算每个音频帧的功率谱及能量分布；计算所有频率范围的F‑ratio比率，作为衡量该频率对区分目标声与背景噪声重要性的指标；根据所述F‑ratio比率配置非均匀的滤波器组，使所述滤波器组的频率分辨率与F‑ratio成正比；其中选择滤波器个数可配置；对待识别声信号，利用所述滤波器组提取其对数非均匀谱特征，即每个滤波器输出能量的对数。本申请能够提取更具关键判别频段的声特征，进而提高无人机声目标识别的性能。