CN109001678B - 一种基于三维麦克风阵列的雷声检测与定位方法 - Google Patents

Abstract

本申请公开了一种基于三维麦克风阵列的雷声检测与定位方法。该方法首先基于预设采样率对三维麦克风阵列接收到的声信号进行采集，进而对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量对雷声进行检测。当检测出雷声时，通过各个线性麦克风阵列粗略估计出雷声的俯仰角和方位角。进一步，在粗略估计出的俯仰角和方位角邻近区域，使用整个三维麦克风阵列进行二维DOA扫描，从而准确地估计出雷声的俯仰角和方位角。

Description

一种基于三维麦克风阵列的雷声检测与定位方法

技术领域

本申请涉及声信号检测与定位领域，更具体地说，涉及一种基于三维麦克风阵列的雷声检测与定位方法。

背景技术

在现有的雷声测向设备中，常采用三维麦克风阵列，基于传统的TDOA算法，例如广义互相关算法(GCC)，精度较低，且对于大噪声环境难以取得鲁棒的测向结果。

基于经典的高分辨DOA算法，如多重信号分类算法(MUSIC)和最小功率估计器算法(Capon)，则由于涉及协方差矩阵分解或者求逆，导致在低信噪比环境下容易出错，稳定性差。

直接利用常规波束形成算法进行二维DOA估计计算复杂度高，实用性较差；但是，直接利用线阵对俯仰角和方位角进行一维估计，则无法很好的利用阵列孔径，导致测向精度较差，同时，由于受到阵列构型的影响，不同方向的测向精度差距也较大。

发明内容

有鉴于此，本申请提供一种基于三维麦克风阵列的雷声检测与定位方法，可以较准确地估计出雷声的俯仰角和方位角。

为了实现上述目的，现提出的方案如下：

一种基于三维麦克风阵列的雷声检测与定位方法，包括：

基于预设采样频率对三维麦克风阵列接收到的声信号进行采样，所述三维麦克风阵列包括四个线性麦克风阵列；

对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号；

若是，分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角；

在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号和俯仰角和方位角。

优选的，所述基于预设采样频率对三维麦克风阵列接收到的声信号进行采样，包括：

基于预设采样率对所述声信号进行采样，将采样数据划分成一系列采样帧，所述采样帧包含多个采样点。

优选的，所述对单个麦克风的声信号能量进行平滑和归一化处理，包括：

对每个采样帧进行傅里叶变换，得到频谱信号，计算所述采样帧在预设频段内的信号能量；

选取第一个数的采样帧作为雨声信号帧，选择第二个数的采样帧作为处理帧；

利用预设平滑窗口对所述雨声信号帧进行平滑处理，并根据所述雨声信号帧平滑处理后的声信号能量估计雨声能量；

利用预设平滑窗口对所述处理帧进行平滑处理，并基于所述雨声能量对所述处理帧的平滑处理后的声能量进行归一化处理。

优选的，所述联合多麦克风的声信号能量判断所述声信号是否包含雷声信号，包括：

联合多麦克风的处理帧，计算所述处理帧的归一化平均能量；

比较所述处理帧的归一化平均能量与预设门限，若所述处理帧的归一化平均能量大于所述预设门限，则确定所述声信号包含雷声信号。

优选的，所述分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角，包括：

在预设频带范围内，确定各个线阵在每个频点的数据矩阵，并计算所述数据矩阵的协方差矩阵；

对所述数据矩阵的协方差矩阵进行特征分解，得到最大特征值对应的特征向量；

根据所述特征向量确定计算所述雷声信号在四个线阵上的入射角度；

根据各个线性的方向矢量以及所述雷声信号在各个线阵上的入射角度，估算所述雷声信号的俯仰角和方位角。

优选的，所述在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号的俯仰角和方位角，包括：

根据三维麦克风阵列在预设频点的数据矩阵对应的协方差矩阵，计算所述频点对应的二维谱值；

在预设角度范围内，将所述二维谱值最大时对应的俯仰角和方位角作为所述雷声信号的精确俯仰角和方位角。

经由上述技术方案可知，本申请公开了一种基于三维麦克风阵列的雷声检测与定位方法。该方法首先基于预设采样率对三维麦克风阵列接收到的声信号进行采集，进而对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量对雷声进行检测。当检测出雷声时，通过各个线阵以及来波方向粗略估计出雷声的俯仰角和方位角。进一步，结合三维麦克风阵列粗略估计出的俯仰角和方位角邻近区域进行二维DOA扫描，从而准确地估计出雷声的俯仰角和方位角。与现有技术相比，本发明提出的两步雷声定位方法，很好地兼顾了精度和计算量的需求，在第一步粗略估计的过程中，利用线阵特性直接求解出一维DOA，不需要空间搜索，相对于传统算法中的谱搜索，计算复杂度更小，其后，将多个线阵的估计结果通过公式联合解得二维的DOA，相对于传统算法将方位角和俯仰角分别估计，更好地利用了阵列孔径，具有更高的估计精度；在第二步二维谱搜索中，由于已经得到二维DOA的粗略估计，相对于直接全空间二维搜索的传统算法，搜索范围大大减小，而精度却可以保持不变，同时也使算法更加鲁棒，在单快拍和低信噪比等条件下仍具有良好性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本发明一个实施例公开的一种基于三维麦克风阵列的雷声检测与定位方法；

图2示出了本发明另一个实施例公开的一种三维麦克风阵列图；

图3示出了本发明公开的线型麦克风阵列示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1示出了本发明一个实施例公开的一种图1示出了本发明一个实施例公开的一种基于三维麦克风阵列的雷声检测与定位方法。

在本实施例中，该方法包括：

由图1可知，该方法包括：

S101：基于预设采样频率对三维麦克风阵列接收到的声信号进行采样。

为了在强干扰背景下准确检测出雷声，需将雨声能量尽量滤除，由于雨声能量主要集中在200Hz以下，雷声能量主要集中在2000Hz以下，且在1000Hz以下能量明显大于雨声能量，因此取200～1000Hz的频带来检测雷声，选取Q个采样点为一帧，帧与帧之间数据重叠50％。

S102：对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号。

三维阵列由四个线阵组成，总体结构如图2所示，打雷一般伴随着强降雨，雨声可以看作是强干扰背景噪声，麦克风阵列接收到的声信号如下：

x_i(t)＝s(t-τ_i)+w_i(t),i＝1,2,...,N；

其中，x_i(t)为t时刻第i个麦克风接收到的带噪声信号，s(t)为t时刻的雷声信号，若没有雷声信号则s(t)＝0，w_i(t)为t时刻第i个麦克风接收到的雨声(背景噪声)，τ_i表示源信号到达第i麦克风与参考麦克风的时间差；

对x_i(t)做短时傅里叶变换，得到：

其中，X_i(t,f)为第i个麦克风每个时间点t对应的一帧信号，频率点f为一帧信号中的一个变量；

表示时域上的时间差τ经过短时傅里叶变换变换后在短时频域上相对应的相位差。

取200Hz～1000Hz的频点能量求和：

E_i(t,:)＝∑_{f∈200～1000}abs²(X_i(t,f))，其中，abs(·)表示绝对值。

在开始检测雷声时，需要估计雨声(背景噪声)的能量，一般可以假设前几秒没有雷声，为了方便描述，我们假设前K帧数据没有雷声，用来估计初始雨声能量，由于能量-时间帧曲线不平滑，有很尖的毛刺，毛刺是突发性的外界冲击噪声，例如雨滴直接滴落在麦克风上，需要对能量做平滑处理，取L帧能量的平均值：

每个通道平滑窗长设为L帧，每L帧平滑一次后得到K-L+1帧数据，这K-L+1帧数据作为以后雨声估计的更新窗长，其均值可作为每个通道的雨声能量估计值：

其后，每个通道每接收一帧数据，与前L-1帧数据做一次平滑，为保证检测的鲁棒性，选择待P帧数据做检测，每个通道接收P帧数据后，

由于不同麦克风响应不同，导致不同通道能量差异很大，从而不同通道所占的权重不同，为保证检测的鲁棒性，在联合各通道检测之前，将每个通道的能量归一化到同一量级，采用初始雨声能量作归一化得：

归一化后N个通道求和：

联合通道可以进一步去除毛刺保证检测的鲁棒性，得到P帧联合各通道的检测数据，如果这P帧的平均能量大于雨声(噪声)能量的λ倍，此处雨声能量已经归一化近似等于1，因此检测门限为λ(取2～3之间)：

如果这P帧数据的均值小于门限，则认为没有雷声，将各个通道接收的这P帧的数据更新噪声估计：

如果这P帧数据的均值大于门限，则认为有雷声，立即用于定位。

S103：若是，分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角。

线阵的一般结构如图3所示，则第k个线阵在频点f的导向矢量可以表示为

其中：

c表示声速，N^k为阵元数。

将各个阵元距离参考阵元的距离表示为向量

在三维直角坐标系中，第k个线阵的单位方向矢量为γ^k＝[x^k,y^k,z^k]^T，信号入射方向单位矢量为β＝[x,y,z]^T，则其在频点f导向向量也可以表示为

故三维阵列在频点f导向向量也可以表示为

其中，Z＝[γ¹[D¹]^T,γ²[D²]^T,γ³[D³]^T,γ⁴[D⁴]^T]^T为所有阵元的三维坐标矩阵。

线阵对于波长为两倍阵元间距的信号具有最佳的测向效果，波长小于两倍间距会产生相位混叠，而大于两倍间距则会导致相对孔径减小，测向精度下降。因此，设计阵元间距时就应该充分考虑到其对应的频率和雷声的能量分布关系。同样，当阵元间距固定时，为了得到准确的测向结果，同时也为减轻宽带处理时的计算复杂度，选取合适的处理频率范围f_L～f_H十分重要。一方面，要尽量选取阵列间距对应的最佳频率附近；另一方面，由于雷声能量主要分布在2000Hz以下，故也应考虑在此范围中选择。综合以上两点，选择合适的频率范围f_L～f_H。

在已经选择的频带范围f_L～f_H，第k个线阵在频点f的接收数据矩阵可表示为

其中，S^k(f)和W^k(f)分别为接收数据中的信号和噪声成分矩阵。则此线阵接收数据数据协方差矩阵为

其中，

为信号功率。由于只有一个信号，无噪的协方差矩阵秩为一，故可对上式进行特征分解取最大特征值对应特征向量u^k(f)作为导向矢量的估计，若为单快拍，则u^k(f)为数据向量。则在频点f，信号在第k个线阵上的入射角度θ^k的估计为

其中，ang(·)表示取相位符号，在所选频带范围f_L～f_H内可以得到多个这样的估计值，可以根据它们的分布，取分布的中心作为最终的估计值

或者，直接取均值得到。

由此，可以得到四个线阵的入射角估计值组成的向量

由各个线阵方向矢量组成的矩阵为B＝[γ¹,γ²,γ³,γ⁴]^T，且有Bβ＝cos([α¹,α²,α³,α⁴]^T)，故入射方向矢量的估计为

由于B为固定矩阵，所以(B^TB)^-1B^T也是值已知的固定矩阵，测向时无需计算。根据

其中，θ和

分别为目标方向的方位角和俯仰角。则可以得到θ和

的估计为

上述估计

的步骤，一方面，对快拍数要求较少，可以有效处理单快拍数据；另一方面，采用多个线阵一维测向，没有均匀线阵的要求，可以采用其它非均匀线阵，同时没有空间搜索和大规模矩阵运算。所以数据需求少，计算复杂度低，实时性好。此外，由于联合使用四个线阵的测向结果，其估计精度相对于传统算法更高。

S104：在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号和俯仰角和方位角。

为进一步利用阵列孔径提高估计精度，将

作为初始估计，联合利用整个三维阵列的孔径优势，进行二维的DOA估计。首先，得到三维阵列在频点f的接收数据协方差矩阵

其中，X(f)＝[[X¹(f)]^T,[X²(f)]^T,[X³(f)]^T,[X⁴(f)]^T]^T为三维阵列接收数据矩阵。计算频点的二维谱值

谱搜索范围

其中，Δ_θ和

为预设偏差量，用于控制在初值附近的搜索范围。通过二维谱峰搜索获得新的估计值

并综合频带范围f_L～f_H内所有估计值的分布，找出分布中心或者取平均，得到最终精确的方向估计

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于三维麦克风阵列的雷声检测与定位方法，其特征在于，包括：

基于预设采样率对三维麦克风阵列接收到的声信号进行采样，所述三维麦克风阵列包括四个线性麦克风阵列；

对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号；

若是，分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角；

在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号和俯仰角和方位角；

所述分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角，包括：

在预设频带范围内，确定各个线阵在每个频点的数据矩阵，并计算所述数据矩阵的协方差矩阵；

对所述数据矩阵的协方差矩阵进行特征分解，得到最大特征值对应的特征向量；

根据所述特征向量确定计算所述雷声信号在四个线阵上的入射角度；

根据各个线阵的方向矢量以及所述雷声信号在各个线阵上的入射角度，估算所述雷声信号的俯仰角和方位角。

2.根据权利要求1所述的方法，其特征在于，所述基于预设采样率对三维麦克风阵列接收到的声信号进行采样，包括：

基于预设采样率对所述声信号进行采样，将采样数据划分成一系列采样帧，所述采样帧包含多个采样点。

3.根据权利要求2所述的方法，其特征在于，所述对单个麦克风的声信号能量进行平滑和归一化处理，包括：

对每个采样帧进行傅里叶变换，得到频谱信号，计算所述采样帧在预设频段内的信号能量；

选取第一个数的采样帧作为雨声信号帧，选择第二个数的采样帧作为处理帧；

利用预设平滑窗口对所述雨声信号帧进行平滑处理，并根据所述雨声信号帧平滑处理后的声信号能量估计雨声能量；

利用预设平滑窗口对所述处理帧进行平滑处理，并基于所述雨声能量对所述处理帧的平滑处理后的声能量进行归一化处理。

4.根据权利要求3所述的方法，其特征在于，所述联合多麦克风的声信号能量判断所述声信号是否包含雷声信号，包括：

联合多麦克风的处理帧，计算所述处理帧的归一化平均能量；

比较所述处理帧的归一化平均能量与预设门限，若所述处理帧的归一化平均能量大于所述预设门限，则确定所述声信号包含雷声信号。

5.根据权利要求1所述的方法，其特征在于，所述在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号的俯仰角和方位角，包括：

根据三维麦克风阵列在预设频点的数据矩阵对应的协方差矩阵，计算所述频点对应的二维谱值；

在预设角度范围内，将所述二维谱值最大时对应的俯仰角和方位角作为所述雷声信号的精确俯仰角和方位角。

Images