随着无人机产业日渐成熟,无人机产业的快速发展给社会带来了诸多益出,被大量应用在航拍、测绘、农业等场景,但是与无人机相关的法律法规却没有跟上无人机行业发展的脚步,致使无人机“黑飞”事件在全球各地频频发生,对国家社会安全和个人隐私构成了严重的威胁。基于声音探测无人机的方法具有成本低,原理简单等优点,结合声传感器阵列可进一步实现无人机空间位置定位,基于声音探测无人机的方法逐渐成为当前低空安防的研究热点。本文分析了四旋翼无人机声信号的时频域特性,针对无人机声信号的特性,构造了适用于无人机探测的声音特征,建立了无人机声信号分类模型;以能量误差为适应度函数对变分模态分解（VMD）的参数优化选择,从而降低了时延估计的误差,提高了平面四元阵列的定位精度,并搭建了无人机被动声目标探测系统。主要研究内容如下:（1）对无人机的声音信号进行时频域分析,分析环境噪声对无人机声信号的影响,研究了声音信号预处理技术和时频域声音特征参数,为后续章节的研究奠定了理论基础。（2）提出一种基于灰狼算法（GWO）优化的支持向量机（SVM）的无人机探测模型。针对无人机声音特性,构造一种新的融合特征参数,将梅尔倒谱系数（MFCC）与翻转梅尔倒谱系数（IMFCC）组合来更好的表征无人机声音信号,利用Fisher准则进行特征降维,减少特征冗余,提高系统性能,通过GWO对SVM中的参数进行优化,建立无人机声音分类模型。实验结果表明,该方法较传统检测方法有显著优势。（3）提出一种基于改进VMD的广义互相关时延估计算法。通过对VMD参数的优化选择,确定模态分量个数和惩罚参数的最佳组合,避免对声信号的过分解与欠分解,降低了时延误差,并结合平面四元麦克风阵列,实现对无人机的目标定位。实验表明,所提方法可有效降低时延误差,提高定位精度,实现无人机的位置定位。（4）以MDK5为平台搭建了基于STM32的无人机被动声目标探测系统,系统主要模块为声信号采集模块、数据处理模块等,并通过多组实验验证了系统的有效性。实验结果表明,该系统可基本实现对无人机的探测与定位,对国家和社会安全具有重要意义。