Метою кваліфікаційної роботи є розробка системи виявлення безпілотних літальних апаратів (БПЛА) на основі аналізу їхніх акустичних сигналів із використанням методів глибинного навчання. У ході виконання кваліфікаційної роботи було проведено дослідження акустичних характеристик звуків дронів з навантаженням та без нього, зібрано та оброблено відповідний аудіодатасет, а також реалізовано фільтраційний модуль для підготовки даних тривалістю одна секунда, що забезпечує роботу системи в режимі реального часу. Основну увагу приділено порівнянню ефективності різних типів рекурентних нейронних мереж (SimpleRNN, LSTM, BiLSTM, GRU), а також згорткової нейронної мережі (CNN). Моделі навчалися з поділом даних на тренувальну та валідаційну вибірки, а також були протестовані на незалежних тестових даних. Результати експериментів показали, що рекурентні архітектури LSTM та BiLSTM забезпечують найвищу точність класифікації у завданнях розпізнавання акустичних сигналів БПЛА. Розроблена система демонструє високу ефективність у виявленні дронів у режимі реального часу та може бути використана для охорони об'єктів, моніторингу повітряного простору та в інших прикладних задачах безпеки.