随着无人机技术飞速发展,消费级无人机的应用也越来越广泛,但同时也带来了很多的负面影响,为解决近场空域低、慢、小旋翼无人机的安全威胁问题,对无人机的探测和识别研究就显得非常有必要。本论文基于被动音频的无人机探测和识别技术研究是以无人机飞行过程中产生的特有音频信号特征为研究依据,主要是通过传统方法和机器学习方法进行研究,找出高正确率,更具鲁棒性的无人机检测和识别的方法。本文的主要创新工作如下:(1)对常用的消费级无人机的音频信号进行研究,对其时域和频域信号特征进行了总结,列出当前消费级无人机的主要音频特征,并提出了一种科学合理的无人机音频信号采集方案。(2)提出了一种基于高斯混合模型(GMM)无人机音频探测和识别方法。提出的系统使用MFCC为基本特征,优化参数,通过对训练数据的处理,创建各类型号无人机的GMM模型,并构建无人机的音频“指纹库”,最后对采集的郊区环境条件下的测试数据进行了仿真,验证了该方法的可行性。(3)基于机器学习的无人机音频探测和识别方法。为了进一步适应复杂多变的环境条件,使用NN、CNN、RNN、BLSTM等方法进行研究,增加特征参数、无人机音频样本和环境样本数量,进行多种场景条件下的训练,提升复杂声场条件下的无人机音频的识别能力。最后,针对特定场景下的无人机音频特征识别,提出了环境预学习方法,从而解耦无人机音频信号和特定环境音频信号的剥离过程,达到预学习和训练相结合,提高特定场景下的无人机音频的识别率。