低空飞行器技术的发展使得小型无人机得到了广泛的应用,但是其滥用也给公共安全带来了严重威胁。小型无人机飞行高度低,飞行速度慢,体积较小,雷达反射面积不明显,成为了低空侦测和防范的难点。本文针对小型无人机的反制设计了一种基于声信号的小型无人机侦测及定位技术方案。在小型无人机侦测识别部分,本文将MFCC特征提取技术用于小型低空飞行器声信号的特征提取,并针对螺旋桨驱动类的小型低空飞行器具有稳定强谐波的特性,对MFCC特征提取技术中使用的梅尔滤波器进行改进。通过对此类谐波处的线性频谱与梅尔谱的转换曲线斜率进行投影替换,提高滤波器对该谐波处信号的感知敏感度,然后使用高斯混合模型设计识别器,最后使用MFCC-GMM识别方法对小型无人机进行识别仿真。仿真结果表明,使用改进的MFCC方法进行小型无人机的侦测识别时,能够获得更好的识别效果。在小型无人机方向定位部分,本文首先建立了小型无人机声信号的远场阵列信号模型,并着重研究了基于SRP-PHAT的定位方法。针对SRP-PHAT方法全局扫描计算量过大的问题,本文在降维搜索的基础上对搜索策略进行改进,利用上一层扫描中的历史数据降低SRP-PHAT函数的计算次数。对于非降维搜索策略,本文将声源在空间的稀疏分布特性与基于SRP-PHAT的SRC定位方法相结合,使用空间点与麦克风对之间的时延差响应构建基于空间稀疏性的声源定位模型,仿真结果表明,改进的二分搜索方法可以进一步减少定位所需的计算量,而CSP-SRC方法能够得到更高的定位精度。在小型无人机的方向跟踪部分,本文分析了螺旋桨驱动类小型无人机声信号的发声机理以及声信号的频谱特征,针对小型无人机声信号频谱包络具有稳定性的特点,提出基于频谱包络MMSE准则的SE-LMS自适应波束形成跟踪方法,该方法通过寻求参考频谱包络与阵列输出频谱包络之间的最小均方误差来确定阵列权重,并使用梯度下降法进行阵列权重的迭代更新。仿真结果表明,该方法能够对小型无人机目标进行有效的方向跟踪。