近年來，無人機(UAV)在農業、建筑和災害管理等許多領域受到了廣泛關注。這些多功能機器提供對難以到達或危險區域的遠程訪問以及出色的監控功能。具體來說，在地震等自然災害發生后，它們對于在倒塌的房屋和瓦礫中尋找受害者非常有用。這可以盡早發現受害者，從而實現快速反應。

現有這方面的研究主要集中在配備攝像頭的無人機上，這些無人機依靠圖像來搜索受害者并評估局勢。然而，僅僅依靠視覺信息可能是不夠的，特別是當受害者被困在瓦礫下或位于攝像機盲點的區域時。認識到這一局限性，一些研究集中在使用聲音來檢測被困人員。然而，由于無人機使用快速旋轉的螺旋槳飛行，而螺旋槳安裝在無人機本身上，因此它們的噪音會淹沒更遠的人類聲音，構成重大挑戰。因此，有必要消除螺旋槳噪聲并隔離被困人員的聲音，以便有效檢測。

雖然一些研究試圖通過使用多個麥克風將受害者的聲音源與螺旋槳隔離以及語音識別來解決這個問題，但經過處理的聲音可能使操作員難以準確識別受害者的聲音。此外，此類軟件使用預定的詞語來隔離人類的聲音，而受害者發出的聲音可能會根據情況而變化。

為了解決這些問題，芝浦工業大學工程學院電子工程系的 Chinthaka Premachandra 教授和 Yugo Kinasada 先生開發了一種新型的基于人工智能 (AI) 的噪聲抑制系統。Premachandra 教授解釋說：“抑制聲音混合物中的無人機螺旋槳噪音，同時提高人聲的可聽度，這是一個艱巨的研究問題。無人機噪聲的強度可變，隨著不同的飛行動作而出現不可預測的波動，這使得開發能夠有效地從混合物中去除無人機聲音的信號處理濾波器變得復雜。我們的系統利用人工智能有效識別螺旋槳聲音并解決這些問題。” 一項研究概述了他們的創新系統的具體細節，該研究于 2023 年 12 月 1 日在線發布，并于 2024 年 1 月發表在《IEEE Transactions on ServicesComputing》雜志第 17 卷第 1 期上。

這個新穎系統的核心是一個先進的人工智能模型，稱為生成對抗網絡(GAN)，它可以準確地學習各種類型的數據。用于學習各類無人機螺旋槳聲音數據。然后使用該學習模型生成與無人機螺旋槳相似的聲音，稱為偽無人機聲音。然后從無人機機載麥克風捕獲的實際聲音中減去這種偽無人機聲音，使操作員能夠清楚地聽到并識別人類的聲音。與傳統噪聲抑制系統相比，該技術具有多種優勢，包括能夠在較窄的頻率范圍內有效抑制無人機噪聲，且精度較高。重要的是，它可以實時適應無人機波動的噪聲。這些好處可以顯著增強無人機在搜索和救援任務中的效用。

研究人員在真實的無人機上測試了該系統，混合了無人機和人類的聲音。測試表明，雖然該系統可以有效消除無人機噪音并放大人聲，但生成的音頻中仍然存在一些殘留噪音。幸運的是，目前的性能足以滿足該系統在實際災難現場進行人體檢測的建議。此外，研究人員目前正在努力進一步改進該系統并解決剩余的幾個問題。

總的來說，這項開創性的研究對于無人機在災害管理中的應用具有巨大的潛力。普雷馬錢德拉教授強調了這項研究的重要性，他說：“這種方法不僅有望改善災后人類檢測策略，而且還增強了我們放大必要的聲音成分與不必要的聲音成分混合的能力。” “我們持續的努力將有助于進一步提高無人機在災害應對中的有效性 ，并為拯救更多生命做出貢獻。”