CN110888112B - 一种基于阵列信号的多目标定位识别方法 - Google Patents
一种基于阵列信号的多目标定位识别方法 Download PDFInfo
- Publication number
- CN110888112B CN110888112B CN201811055711.3A CN201811055711A CN110888112B CN 110888112 B CN110888112 B CN 110888112B CN 201811055711 A CN201811055711 A CN 201811055711A CN 110888112 B CN110888112 B CN 110888112B
- Authority
- CN
- China
- Prior art keywords
- grid
- signal
- equal
- array
- grids
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于阵列信号的多目标定位识别方法,所述方法包括:一种基于阵列信号的多目标定位识别方法,所述方法包括:步骤1)利用阵列盲信号处理将N个独立信源从混叠信号中分离出来;步骤2)对多通道的阵列信号进行频带分解,分离出M个不同频带的信号;将空间平面分为P*Q个网格,P为网格的行总数,Q为网格的列总数;步骤3)利用阵列信号处理的声源定位算法分别计算M个频带在每个网格位置上输出的功率;步骤4)基于步骤3)的每个网格的M个频带的功率,将每一个网格的信号恢复到时域,获得每个网格上的时域信号;步骤5)将步骤1)的每个独立信源分别与P*Q个时域信号进行匹配,匹配到的网格位置为独立信源的位置,共匹配P*Q*N次。
Description
技术领域
本发明涉及语音信号处理领域,具体涉及一种基于阵列信号的多目标定位识别方法。
背景技术
传声器阵列信号处理技术是源于雷达、声呐等系统。传声器阵列声源定位在通信、移动机器人和助听器装置等许多领域具有广泛应用价值。在这些应用中,最基本的就是要估计声源位置,并且需要兼顾定位精度和算法的实时性。传统的DOA估计方法,比如可控功率响应的声源定位方法(SRP-PHAT),只能估计声源的位置,但是对于频率相似的声源不能分辨其位置,即无法建立声源和位置的一一对应的关系。
发明内容
本发明的目的在于克服上述技术缺陷,提出了一种基于阵列信号的多目标定位识别方法,该方法可以将频率相似的独立信源或者稀疏信源与其声源位置建立一一对应的关系,不但实现了声源的位置定位,也实现了声源的种类定位。
为了实现上述目的,本发明提出了一种基于阵列信号的多目标定位识别方法,所述方法包括:
步骤1)利用阵列盲信号处理将N个独立信源从混叠信号中分离出来;
步骤2)对多通道的阵列信号进行频带分解,分离出M个不同频带的信号;将空间平面分为P*Q个网格,P为网格的行总数,Q为网格的列总数;
步骤3)利用阵列信号处理的声源定位算法分别计算M个频带在每个网格位置上输出的功率;
步骤4)基于步骤3)的每个网格的M个频带的功率,将每一个网格的信号恢复到时域,获得每个网格上的时域信号;
步骤5)将步骤1)的每个独立信源分别与P*Q个时域信号进行匹配,匹配到的网格位置为独立信源的位置,共匹配P*Q*N次。
作为上述方法的一种改进,所述步骤3)的具体实现过程为:
利用SRP-PHAT方法计算每个网格位置上输出的第m,1≤m≤M个频带的功率Pm(s):
其中,L为的阵列信号的通道个数,Xk(ω)为第k个通道信号Xk(t)的加窗傅里叶变换,τk为第k个通道指向网格(p,q)处的可控时延;为第1个通道信号Xk(t)的加窗傅里叶变换的共轭,τl为第1个通道指向网格(p,q)处的可控时延,1≤l≤L,1≤k≤L,l≠k,1≤p≤P,1≤q≤Q,p,q分别表示网格的行序号,列序号;s为网格(p,q)处对应的空间位置向量;ω表示当前频带的频率;第k个通道和第1个通道的PHAT加权系数为:
M个频带在P*Q个网格上输出P*Q*M个功率。
作为上述方法的一种改进,所述步骤4)的具体实现过程为:网格(p,q)处的时域信号x(m,s)为:
作为上述方法的一种改进,所述步骤5)的具体实现过程为:
对于步骤1)得到的每个独立信源X和步骤4)得到的网格(p,q)处的时域信号Y(p,q)=x(m,s),使用互相关法计算相关系数:
其中,Cov(X,Y(p,q))为X和Y(p,q)的协方差,Var[X]为X的方差,Var[Y(p,q)]为Y(p,q)的方差;
本发明的优势在于:
1、本发明首先利用盲源分离的方法,将混叠在一起的独立声源或者稀疏声源还原出来,可以得到多个声源的时域和频域特征,能够实现声源的种类区分;
2、本发明的方法利用多频段的SRP算法将声源按照不同频率进行声源定位,利用不同声源的特征进行匹配最终建立声源和位置的一一对应关系。
附图说明
图1为本发明的不同信源的频谱特征的计算示意图;
图2为本发明的不同位置的频谱特征的计算示意图;
图3为本发明的利用匹配算法确定不同信源位置的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细的说明。
本发明提供了一种基于阵列信号的多目标定位识别方法,所述方法包括:
步骤1)利用阵列盲信号处理将N个独立信源s1(t),…sN(t)从混叠信号中分离出来;
采用自然梯度法进行迭代计算,算法做出了如下的假定:具有N个独立信号源的信号s1(t),…sN(t)和L个独立通道的观察量x1(t),…xL(t)(已知),观察量和信号源具有如下的关系:
x(t)=As(t)
其中x(t)=[x1(t),…xL(t)]T,s(t)=[s1(t),…sN(t)]T,A是一个N×L的系数矩阵,原问题变成了已知x(t)和s(t)的独立性,求对s(t)的估计问题。假定有如下公式:
y(t)=Wx(t)
其中y(t)是对s(t)的估计,W是一个L×N系数矩阵,问题变成了如何有效的对矩阵W做出估计。估计的迭代过程为:
1)初始化:W(0)为单位矩阵;
2)循环执行如下的步骤,直到W(n+1)与W(n)差异小于规定值ε(计算矩阵差异的方法可以设置),也可以规定迭代次数。
3)利用公式
y(n)=W(n)y(n-1),其中,y(-1)=x
4)利用计算公式如下:
W(n+1)=W(n)+η(n)[I-φ(y(n))yT(n)]W(n)
其中,W(n)为需要估计的矩阵,η(n)为步长,φ(y)是一个非线性变换,比如φ(y)=φ(y3),实际计算时y为一个L×k矩阵,k为采样点个数。
5)W(n)收敛后为估计的W
利用y(t)=Wx(t)得到N个独立信源的信号s1(t),…sN(t)。
步骤2)将多通道的阵列信号使用快速傅里叶变换(FFT)进行频带分解,分离出不同频带的信号;假设共有M个频带:分别为M1,M2,…MM;将空间平面分为P*Q个网格,P为网格的行总数,Q为网格的列总数;
步骤3)利用阵列信号处理的PHAT算法分别计算M个频带在每个网格位置上输出的功率;
利用SRP-PHAT方法计算每个网格位置上输出的第m,1≤m≤M个频带的功率Pm(s):
其中,L为的阵列信号的通道个数,Xk(ω)为第k个通道信号Xk(t)的加窗傅里叶变换,τk为第k个通道指向网格(p,q)处的可控时延;为第1个通道信号Xk(t)的加窗傅里叶变换的共轭,τl为第1个通道指向网格(p,q)处的可控时延,1≤l≤L,1≤k≤L,l≠k,1≤p≤P,1≤q≤Q,p,q分别表示网格的行序号,列序号;s为网格(p,q)处对应的空间位置向量;ω表示当前频带的频率;第k个通道和第1个通道的PHAT加权系数为:
M个频带在P*Q个网格上输出P*Q*M个功率。
经过SRP-PHAT算法后,可以得到每个网格的输出功率的大小;因此共有P*Q组数据,M个频带会有P*Q*M个数据;
步骤4)使用逆快速傅里叶变换(ifft)将每一个网格的信号进行恢复,恢复到时域;共有P*Q组波形;如图2所示;
在某一网格中,有M个频段上有M个数据,利用这些数据,使用反傅里叶变换,将每个网格中的数据恢复到时域,得到P*Q个时域信号。
网格(p,q)处的时域信x(m,s)为:
步骤5)对于步骤1)的每个独立信源X,与P*Q个时域信号Y(p,q)进行匹配:使用互相关法计算相关系数:
其中,Y(p,q)=x(m,s),Cov(X,Y)为X,Y的协方差,Var[X]为X的方差,Var[Y(p,q)]为Y(p,q)的方差;
针对N个独立信源上述过程需要进行N次,则可以确定N个独立信源在为P*Q网格上的位置;如图3所示。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于阵列信号的多目标定位识别方法,所述方法包括:
步骤1)利用阵列盲信号处理将N个独立信源从阵列信号中分离出来;其中,独立信源记为Di,其中,1≤i≤N;
步骤2)对多通道的阵列信号进行频带分解,分离出M个不同频带的信号;将空间平面分为P*Q个网格,P为网格的行总数,Q为网格的列总数;
步骤3)利用阵列信号处理的声源定位算法分别计算M个频带在每个网格位置上输出的功率;
步骤4)基于步骤3)的每个网格的M个频带的功率,将每一个网格的信号恢复到时域,获得每个网格上的时域信号;
步骤5)将步骤1)的每个独立信源分别与P*Q个时域信号进行匹配,匹配到的网格位置为独立信源的位置,共匹配P*Q*N次。
2.根据权利要求1所述的于阵列信号的多目标定位识别方法,其特征在于,所述步骤3)的具体实现过程为:
利用SRP-PHAT方法计算每个网格位置上输出的第m,1≤m≤M个频带的功率Pm(s):
其中,L为的阵列信号的通道个数,Xk(ω)为第k个通道信号Xk(t)的加窗傅里叶变换,τk为第k个通道指向网格(p,q)处的可控时延;为第l个通道信号Xl(t)的加窗傅里叶变换的共轭,τl为第l个通道指向网格(p,q)处的可控时延,1≤l≤L,1≤k≤L,l≠k,1≤p≤P,1≤q≤Q,p,q分别表示网格的行序号,列序号;s为网格(p,q)处对应的空间位置向量;ω表示当前频带的频率;第k个通道和第l个通道的PHAT加权系数为:
M个频带在P*Q个网格上输出P*Q*M个功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811055711.3A CN110888112B (zh) | 2018-09-11 | 2018-09-11 | 一种基于阵列信号的多目标定位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811055711.3A CN110888112B (zh) | 2018-09-11 | 2018-09-11 | 一种基于阵列信号的多目标定位识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888112A CN110888112A (zh) | 2020-03-17 |
CN110888112B true CN110888112B (zh) | 2021-10-22 |
Family
ID=69745441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811055711.3A Active CN110888112B (zh) | 2018-09-11 | 2018-09-11 | 一种基于阵列信号的多目标定位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888112B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101762806B (zh) * | 2010-01-27 | 2013-03-13 | 华为终端有限公司 | 声源定位方法和装置 |
US9100734B2 (en) * | 2010-10-22 | 2015-08-04 | Qualcomm Incorporated | Systems, methods, apparatus, and computer-readable media for far-field multi-source tracking and separation |
US9741360B1 (en) * | 2016-10-09 | 2017-08-22 | Spectimbre Inc. | Speech enhancement for target speakers |
CN107644650B (zh) * | 2017-09-29 | 2020-06-05 | 山东大学 | 一种基于渐进串行正交化盲源分离算法的改进声源定位方法及其实现系统 |
CN108445452B (zh) * | 2018-02-01 | 2020-04-24 | 云知声智能科技股份有限公司 | 改进的频域srp声源方位估计方法 |
-
2018
- 2018-09-11 CN CN201811055711.3A patent/CN110888112B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110888112A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106324558B (zh) | 基于互质阵列的宽带信号doa估计方法 | |
US20210141855A1 (en) | Subspace-constrained partial update methods for reduced-complexity signal estimation, parameter estimation, or data dimensionality reduction | |
CN105738865B (zh) | 信号波形已知条件下的多目标直接定位方法 | |
Jamali-Rad et al. | Sparsity-aware multi-source TDOA localization | |
US20070053455A1 (en) | Signal processing system and method for calibrating channel signals supplied from an array of sensors having different operating characteristics | |
CN109188362B (zh) | 一种麦克风阵列声源定位信号处理方法 | |
CN110927660B (zh) | 一种基于互质阵列的混合信号波达方向估计方法 | |
Nesta et al. | Convolutive underdetermined source separation through weighted interleaved ICA and spatio-temporal source correlation | |
CN110534126B (zh) | 一种基于固定波束形成的声源定位和语音增强方法及系统 | |
CN108919227B (zh) | 一种基于gpu加速的多通道fblms实现方法 | |
WO2023000614A1 (zh) | 无线定位参数估计方法、装置、系统、计算机设备及存储介质 | |
CN112929962B (zh) | 定位方法、装置、计算机设备和存储介质 | |
CN108120953A (zh) | 一种基于波达方向估计的无线电定位方法 | |
Shen et al. | Group sparsity based wideband DOA estimation for co-prime arrays | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN111965596A (zh) | 一种基于联合参数估计的低复杂度单锚节点定位方法及装置 | |
CN105580074A (zh) | 音频信号的时频定向处理 | |
CN110888112B (zh) | 一种基于阵列信号的多目标定位识别方法 | |
CN111443328B (zh) | 基于深度学习的声音事件检测与定位方法 | |
Wan et al. | Improved steered response power method for sound source localization based on principal eigenvector | |
Zhang et al. | Low-complexity adaptive broadband beamforming based on the non-uniform decomposition method | |
Thameri et al. | Low complexity adaptive algorithms for principal and minor component analysis | |
Choi | Maximum likelihood estimation for angles of arrival of coherent signals using a coherency profile | |
CN116299193A (zh) | 一种mimo雷达智能doa估计方法 | |
CN109932681B (zh) | 一种基于空-时信息的降冗余嵌套阵列设置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |