據悉，他們使用的信號處理算法的靈感來自于食蚜蠅在非常低的光線環境中看到目標的能力。

實際上，這些昆蟲一直在努力從大量混亂的噪音中挑選出有用的視覺信息，因此，它們已經進化出了光受體系統，而這些系統能非常有效地處理復雜、雜亂和嘈雜的信息，另外還能極大地提高信噪比從而使有用的部分跳出來。

弗林德斯大學的研究小組決定測試這些類型的光受體電路是否能對音頻也能做同樣的事情。為此，他們采用了一個麥克風陣列并分析了環境聲音--尤其關注放大和檢測無人機飛行的聲音。

他們建立了一個麥克風測試陣列并將它們連接到一個“生物靈感視覺(BIV)”處理器上，該處理器被設計用來模仿食蚜蠅視覺系統的神經通路。他們將音頻波形視為二維“頻譜圖”圖像，并將信息經過幾個階段的氣旋式處理，其中包括動態范圍縮小、自適應過濾、低通“DeVries-Rose”分裂反饋、指數“Weber”低通分裂反饋和非線性Naka-Rushton變換。

得到的結果非常令人印象深刻。跟傳統的寬帶/窄帶無人機探測系統相比，BIV系統能探測到30%到49%遠的無人機。測試使用的無人機則大到大疆的Matrice 600、小到Mavic Air，該系統能在空曠的鄉村探測到3-4公里以外的無人機并帶回更準確的飛行參數和軌跡估計。

雖然許多項目都在研究這種系統以此來提高攝像系統的低光信噪比能力，但UniSA的自主系統教授Anthony Finn表示，他們這個則是第一次將生物視覺系統用于聲學數據。