CN112782685B - 基于mimo雷达的多声源定位与声音重构方法及系统 - Google Patents
基于mimo雷达的多声源定位与声音重构方法及系统 Download PDFInfo
- Publication number
- CN112782685B CN112782685B CN202010442001.7A CN202010442001A CN112782685B CN 112782685 B CN112782685 B CN 112782685B CN 202010442001 A CN202010442001 A CN 202010442001A CN 112782685 B CN112782685 B CN 112782685B
- Authority
- CN
- China
- Prior art keywords
- sound
- signal
- target
- mimo radar
- source
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于MIMO雷达的多声源定位与声音重构方法及系统,包括:步骤1:发射和接收线性调频连续波微波信号,采集各通道雷达基带信号,获取雷达波束辐射区域的距离‑角度像热图;步骤2:提取雷达波束辐射区域的距离‑角度像热图中幅值达到预设值目标的位移演变时间序列;步骤3:对提取的每个目标的位移演变时间序列进行滤波处理;步骤4:对滤波处理后的位移演变时间序列进行滑动窗截取,得到频谱并基于频谱显著性时变特征指标辨别声源目标与非声源目标;步骤5:提取声源目标的距离和方位角信息,重构声音信号。本发明能够实现多声源精确定位,同时有效分离各个声源的声音信号并精确重构,系统微型化、低功耗、计算效率高。
Description
技术领域
本发明涉及声源定位与声音重构技术领域,具体地,涉及一种基于MIMO雷达的多声源定位与声音重构方法及系统。
背景技术
声源定位与声音重构在声音分离与增强、目标辨识与分类、机械系统故障诊断与噪声分析、声音采集与监视及灾害营救与安全等方面发挥着重要作用,如何精确感知声场中各个声源信号的位置(距离和方位)同时高质量地重构声音信号,一直是人们极力探索的重要任务和追求的目标。
目前常见的声源定位与声音重构技术有基于麦克风阵列的方法和基于激光多普勒测振仪的方法。其中基于麦克风阵列的声源定位方法一般通过特定结构组合的麦克风阵列来获取多个位置的声音信号,然后通过阵列信号处理算法进行声源的定位与重建;基于激光多普勒测振仪的方法是通过测量发声体表面的振动,恢复声音信号。
现有的麦克风阵列技术难以实现多声源信号的重构,亦难以获得声源和测量系统的距离信息,且为了获得较准确的声源方位的定位,需要较多数量的麦克风单元,造成阵列尺寸较大,数据和计算量庞大,在实际操作过程中受限。另外,在多声源定位中,为了解决相干性问题,麦克风阵列常要求声源特性具有较大差异,且难以实现低频声源的定位。
基于激光多普勒测振仪的方法只能在已知声源位置时,定向测量声音信号,无法在未知情况下,实现声源的准确定位,也无法实现多声源信号的重构。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于MIMO雷达的多声源定位与声音重构方法及系统。
根据本发明提供的基于MIMO雷达的多声源定位与声音重构方法,包括:
步骤1:雷达天线正对待测区域,发射和接收线性调频连续波微波信号,采集各通道雷达基带信号,获取雷达波束辐射区域的距离-角度像热图;
步骤2:提取雷达波束辐射区域的距离-角度像热图中幅值达到预设值目标的位移演变时间序列;
步骤3:对提取的每个目标的位移演变时间序列进行滤波处理;
步骤4:对滤波处理后的位移演变时间序列进行滑动窗截取,得到频谱并基于频谱显著性时变特征指标辨别声源目标与非声源目标;
步骤5:提取声源目标的距离和方位角信息,重构声音信号。
优选的,所述获取雷达波束辐射区域的距离-角度像热图的方法包括:
对扫频周期的各通道基带信号进行二维快速傅里叶变换,先对各通道基带信号分别进行快速傅里叶变换,得到距离像信息;再对变换后的信号对每个距离单元对应的多通道信号进行快速傅里叶变换,得到角度像信息;
对二维快速傅里叶变换得到的二维频谱取幅值计算,得到距离-角度像热图。
优选的,所述位移演变时间序列提取方法包括:
其中,x(iT)为所求位移演变时间序列的第i个元素,序列的时间间隔为T,为MIMO雷达的重复发射周期,arg[·]为取复数相位角运算,si(n,m)为第i个发射周期第m个接收通道离散基带信号的第n个元素,Nfft为二维快速傅里叶变换中第一维变换的点数,Mfft为二维快速傅里叶变换中第二维变换的点数,k为目标所处的距离单元的索引,p为目标所处的角度单元的索引,λ为MIMO雷达发射的线性调频连续波中心频率对应的波长,j表示虚数单位;M表示MIMO雷达的虚拟通道总个数;N表示每个发射周期每个接收通道基带信号离散采样的总个数。
优选的,所述滤波方式为高通或带通滤波。
优选的,所述步骤4包括:
步骤4.1:对滤波后的每个目标的位移演变时间序列信号进行滑动窗截取,并求取滑动窗内信号的幅频谱;
步骤4.2:计算每个滑动窗内信号幅频谱的最大值与平均值的比值,得到每个目标频谱显著性的时变特征信号或曲线;
步骤4.3:基于加权统计量指标辨别声源与非声源信号。
优选的,所述步骤4.3包括:
得到的目标的频谱显著性的时变特征信号为r(t),判断加权统计量指标是否大于阈值,如果大于阈值则辨别目标为声源,否则为非声源;
加权统计量为armean+brstd;
其中,rmean为r(t)的平均值,rstd为r(t)的标准差,a和b为权重。
优选的,所述阈值为5-10中的一个数值。
优选的,a=1,b=2。
优选的,所述步骤5包括:
声源目标的距离R和角度θ的计算方法:
其中,c为电磁波传播速度,K为MIMO雷达的发射的线性调频连续波的调频斜率,Nfft为中二维快速傅里叶变换中第一维变换的点数,Mfft为二维快速傅里叶变换中第二维变换的点数,Ts为基带信号离散采样时间间隔,k为目标所处热图中的距离单元的索引,p为目标所处热图中的角度单元的索引,λ为MIMO雷达发射的线性调频连续波中心频率对应的波长,d为MIMO雷达虚拟天线阵列的阵列元素间隔距离,arcsin(·)为反正弦运算;
声源的声音信号根据经过滤波处理后的声源的位移演变时间序列信号进行重构。
根据本发明提供的基于MIMO雷达的多声源定位与声音重构系统,包括:
MIMO雷达收发器:用于发射并接收线性调频连续波微波信号,输出多通道基带信号;
处理器:用于采集、处理雷达基带信号,实现多声源辨识、定位与声音重构;
显示与保存模块:用于显示或保存包含每个声源的距离和方位角位置信息及声音重构信号在内的信息。
优选的,所述MIMO雷达收发器包括:线性调频连续波微波信号源、功率分配器、功率放大器、低噪声放大器、混频器、低通滤波器、发射天线和接收天线;
所述线性调频连续波微波信号源与功率分配器相连,功率分配器与功率放大器和混频器相连,功率放大器与发射天线相连,低噪声放大器与接收天线和混频器相连;所述发射天线的个数为至少1个,所述接收天线的数量为至少2个;所述功率分配器、功率放大器的个数与发射天线个数相同,所述低噪声放大器和混频器与接收天线的个数相同;所述微波信号源通过功率分配器分为两路,一路通过功率放大器和发射天线,一路作为本振信号,用于与接收信号混频;所述混频器的输出经过低通滤波器,产生基带信号。
优选的,所述的处理器包括:数据采集子模块和信号处理子模块;
所述信号采集子模块用于同步采集MIMO雷达收发器输出的多通道基带信号,并传输到信号处理子模块;
信号处理子模块用于执行所述基于MIMO雷达的多声源定位与声音重构方法各个步骤中的信号处理运算。
与现有技术相比,本发明具有如下的有益效果:
1、本发明基于频谱显著性时变特征指标能够可靠辨识雷达视场的声源与非声源目标,解决了声源辨识与杂波干扰难题,实现了多声源的非接触式精确定位(包括距离和方位)和多声源信号的精确重构;
2、本发明解决了麦克风单元数量多、阵列尺寸大、计算量大及要求声源非相干及低频声源定位困难的问题,解决了激光多普勒测振仪只能实现单点定向测试的问题;
3、本发明能够有效分离各个声源的声音信号并精确重构,系统具有微型化、低功耗及计算效率高等优点。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的基于MIMO雷达的多声源定位与声音重构方法流程图;
图2为本发明实施实例提供的多声源定位与声源重构实验测量场景和结果示例图;
图3为本发明实施实例提供的多目标频谱显著性的时变特征信号示意图;
图4为本发明实施实例提供的多声源的声音重构实验结果对比图,其中第一列为重构声源信号的时域图,第二列为重构声源信号的时频分布图,第三列为原声音信号的时频分布图;
图5为本发明的基于MIMO雷达的多声源定位与声音重构系统结构框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
基于MIMO雷达的多声源定位与声音重构方法,如图1所示,包括以下步骤:
步骤1,雷达天线正对待测区域,发射和接收线性调频连续波微波信号,并同步采集各通道雷达基带信号,获取雷达波束辐射区域的距离-角度像热图。为实现二维及三维空间分布的多目标的监测,利用MIMO雷达虚拟阵列天线的信号传播路径差异引起的各通道基带信号的相位差异,需同步采集各个通道基带信号。
获取雷达波束辐射区域的距离-角度像热图的方法:
对某扫频周期的各通道基带信号进行二维快速傅里叶变换,变换的顺序为先对各通道基带信号分别进行快速傅里叶变换,得到距离像信息;然后对变换后的信号对每个距离单元对应的多通道信号进行快速傅里叶变换,得到角度像信息。对二维快速傅里叶变换得到的二维频谱取幅值计算,得到距离-角度像热图。为细化频谱,减少栅栏效应,实现较高精度的频率估计,快速傅里叶变换的点数需大于或等于信号的离散点数。
步骤2,提取雷达距离-角度像热图中幅值达到预设值目标的位移演变时间序列。
为实现可靠监测,同时减少计算量,预设值可以设置为最大值乘以一个比例系数,例如1/3。
热图中每个幅值达到预设值目标的位移演变时间序列求取方法:
式中,x(iT)为所求位移演变时间序列的第i个元素,序列的时间间隔为T,即MIMO雷达的重复发射周期。arg[·]为取复数相位角运算,si(n,m)为第i个发射周期第m个接收通道离散基带信号的第n个元素。Nfft为二维快速傅里叶变换中第一维变换的点数,Mfft为二维快速傅里叶变换中第二维变换的点数,Ts为基带信号离散采样时间间隔,k为目标所处的距离单元的索引,p为目标所处的角度单元的索引,λ为MIMO雷达发射的线性调频连续波中心频率对应的波长。j表示虚数单位,M表示MIMO雷达的虚拟通道总个数,N表示每个发射周期每个接收通道基带信号离散采样的总个数。
步骤3,对提取的每个目标的位移演变时间序列信号进行滤波处理。
滤波方式为高通或带通滤波。为了消除可能的机械振动等低频振动和可能的杂波干扰,对提取的每个目标的位移时间序列信号进行高通或带通滤波处理,所述滤波器的截止频率由感兴趣的声音信号的频率范围确定。一般根据声音信号的频率范围,高通截止频率可设置为30-50Hz,带通滤波器可根据需要进一步对高频信号进行抑制。
步骤4,对滤波处理后的位移演变时间序列进行滑动窗截取,得到频谱并基于频谱显著性时变特征指标辨别声源目标与非声源目标。
由于声音信号具有明显的频率成分,且往往频率成分复杂,并随着时间进行快速的变化。非声源目标往往是静态目标和缓慢变化的目标,求取的其位移演变时间序列信号主要为宽带噪声信号,没有明显的频率成分,且随着时间保持平稳。因此,考虑到声源与非声源目标的位移演变时间序列信号的区别特征,综合利用频率成分的显著性和时变性进行辨别。
辨别声源与非声源的方法为:
步骤4.1,对滤波后的每个目标的位移演变时间序列信号进行滑动窗截取,并求取滑动窗内信号的幅频谱;
步骤4.2,计算每个滑动窗内信号幅频谱的最大值与平均值的比值,得到每个目标频谱显著性的时变特征信号或曲线。
步骤4.3,基于加权统计量指标辨别声源与非声源信号。
辨别声源与非声源信号的方法为:
设得到的某目标的频谱显著性的时变特征信号为r(t),判断加权统计量指标是否大于阈值,如果大于阈值则辨别目标为声源,否则为非声源。阈值优选5-50中的某一个数值。
加权统计量为armean+brstd,式中rmean为r(t)的平均值,rstd为r(t)的标准差,a和b为权重,优选a=1,b=2。由于求取的非声源目标的位移时间序列可能受到其他杂波干扰的影响,可能会凸显一些干扰频率,但常表现出较弱的时变特征,因此,加权统计量中标准差的权重需选择的大一些,即b>a。
步骤5,提取声源目标的距离和方位角信息,重构声音信号。
声源目标的距离R和角度θ的计算方法:
式中,c为电磁波传播速度,K为MIMO雷达的发射的线性调频连续波的调频斜率,Nfft为步骤1中二维快速傅里叶变换中第一维变换的点数,Mfft为步骤1中二维快速傅里叶变换中第二维变换的点数,Ts为基带信号离散采样时间间隔,k为目标所处热图中的距离单元的索引,p为目标所处热图中的角度单元的索引,λ为MIMO雷达发射的线性调频连续波中心频率对应的波长,d为MIMO雷达虚拟天线阵列的阵列元素间隔距离,arcsin(·)为反正弦运算。
声源的声音信号根据经过滤波处理后的声源的位移演变时间序列信号进行重构。根据需求,可通过音频降噪和增强算法提高声音信号的重构质量。
基于本发明提供的基于MIMO雷达的多声源定位与声音重构方法,图2,图3和图4展示了一个实验测试结果示例。如图2所示,利用MIMO雷达对三个声源进行定位和声音重构,最终可以得到每个声源的距离和方位角信息。如图3所示,针对三个声源和两个静态目标的位移演变时间序列信号,进行频谱显著性时变特征分析。分析中,滑动窗窗长为1秒,滑动步长为0.002秒,得到了如图3所示的每个目标的频谱显著性时变特征曲线。按照优选的权重,声源1、声源2、声源3、静态目标1和静态目标2的加权统计量指标可分别计算为67、426、53、5.6和3.9。可以看到,声源目标的特征曲线具有较大的峰值,且表现出了很强的时变特征,基于加权统计量指标能够准确地辨别声源与非声源信号。
基于声源目标的位移演变时间序列信号可以方便地重构出声音信号,重构的声音信号的时域、时频域表示如图4所示。图中,第一列为重构信号的时域波形,第二列为重构信号的时频表示,第三列为声源本身原始声音信号的时频表示,从时频分布可以看到重构的信号和原始信号非常接近,实现了多声源信号的分离和精确提取与重构。
基于MIMO雷达的多声源定位与声音重构系统是实施所述方法的系统,其系统结构框图如图5所示,包括:
MIMO雷达收发器,用于发射并接收线性调频连续波微波信号,输出多通道基带信号。
所述MIMO雷达收发器包括线性调频连续波微波信号源、功率分配器、功率放大器、低噪声放大器、混频器、低通滤波器、发射天线和接收天线。所述线性调频连续波微波信号源与功率分配器相连,功率分配器与功率放大器和混频器相连,功率放大器与发射天线相连,低噪声放大器与接收天线和混频器相连。所述发射天线的个数为至少1个,所述接收天线的数量为至少2个,所述功率分配器,功率放大器的个数与发射天线个数相同,所述低噪声放大器和混频器与接收天线的个数相同。所述微波信号源通过功率分配器分为两路,一路通过功率放大器和发射天线,一路作为本振信号,用于与接收信号混频。所述混频器的输出经过低通滤波和放大,产生基带信号。为了实现二维及三维空间的多声源探测,雷达收发器配备了多个接收器天线和至少一个发射器天线以实现角度分辨。基于多发多收结构,能够在较少的天线孔径尺寸下实现较高的角度分辨率,有利于提高多声源的定位精度和多声音信号的隔离能力。
处理器:用于采集、处理雷达基带信号,实现多声源辨识、定位与声音重构;所述的处理器包含数据采集子模块和信号处理子模块。信号采集子模块用于同步采集MIMO雷达收发器输出的多通道基带信号,并传输到信号处理子模块;信号处理子模块用于执行所述基于MIMO雷达的多声源定位与声音重构方法各个步骤中的信号处理运算。
显示与保存模块:用于显示或保存包含每个声源的距离和方位角位置信息及声音重构信号在内的信息。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于MIMO雷达的多声源定位与声音重构方法,其特征在于,包括:
步骤1:雷达天线正对待测区域,发射和接收线性调频连续波微波信号,采集各通道雷达基带信号,获取雷达波束辐射区域的距离-角度像热图;
步骤2:提取雷达波束辐射区域的距离-角度像热图中幅值达到预设值目标的位移演变时间序列;
步骤3:对提取的每个目标的位移演变时间序列进行滤波处理;
步骤4:对滤波处理后的位移演变时间序列进行滑动窗截取,得到频谱并基于频谱显著性时变特征指标辨别声源目标与非声源目标;
步骤5:提取声源目标的距离和方位角信息,重构声音信号。
2.根据权利要求1所述的基于MIMO雷达的多声源定位与声音重构方法,其特征在于,所述获取雷达波束辐射区域的距离-角度像热图的方法包括:
对扫频周期的各通道基带信号进行二维快速傅里叶变换,先对各通道基带信号分别进行快速傅里叶变换,得到距离像信息;再对变换后的信号对每个距离单元对应的多通道信号进行快速傅里叶变换,得到角度像信息;
对二维快速傅里叶变换得到的二维频谱取幅值计算,得到距离-角度像热图。
3.根据权利要求1所述的基于MIMO雷达的多声源定位与声音重构方法,其特征在于,所述位移演变时间序列提取方法包括:
其中,x(iT)为所求位移演变时间序列的第i个元素,序列的时间间隔为T,为MIMO雷达的重复发射周期,arg[·]为取复数相位角运算,si(n,m)为第i个发射周期第m个接收通道离散基带信号的第n个元素,Nfft为二维快速傅里叶变换中第一维变换的点数,Mfft为二维快速傅里叶变换中第二维变换的点数,k为目标所处的距离单元的索引,p为目标所处的角度单元的索引,λ为MIMO雷达发射的线性调频连续波中心频率对应的波长,j表示虚数单位;M表示MIMO雷达的虚拟通道总个数;N表示每个发射周期每个接收通道基带信号离散采样的总个数。
4.根据权利要求1所述的基于MIMO雷达的多声源定位与声音重构方法,其特征在于,所述滤波方式为高通或带通滤波。
5.根据权利要求1所述的基于MIMO雷达的多声源定位与声音重构方法,其特征在于,所述步骤4包括:
步骤4.1:对滤波后的每个目标的位移演变时间序列信号进行滑动窗截取,并求取滑动窗内信号的幅频谱;
步骤4.2:计算每个滑动窗内信号幅频谱的最大值与平均值的比值,得到每个目标频谱显著性的时变特征信号或曲线;
步骤4.3:基于加权统计量指标辨别声源与非声源信号。
6.根据权利要求5所述的基于MIMO雷达的多声源定位与声音重构方法,其特征在于,所述步骤4.3包括:
得到的目标的频谱显著性的时变特征信号为r(t),判断加权统计量指标是否大于阈值,如果大于阈值则辨别目标为声源,否则为非声源;
加权统计量为armean+brstd;
其中,rmean为r(t)的平均值,rstd为r(t)的标准差,a和b为权重。
7.根据权利要求1所述的基于MIMO雷达的多声源定位与声音重构方法,其特征在于,所述步骤5包括:
声源目标的距离R和角度θ的计算方法:
其中,c为电磁波传播速度,K为MIMO雷达的发射的线性调频连续波的调频斜率,Nfft为中二维快速傅里叶变换中第一维变换的点数,Mfft为二维快速傅里叶变换中第二维变换的点数,Ts为基带信号离散采样时间间隔,k为目标所处热图中的距离单元的索引,p为目标所处热图中的角度单元的索引,λ为MIMO雷达发射的线性调频连续波中心频率对应的波长,d为MIMO雷达虚拟天线阵列的阵列元素间隔距离,arcsin(·)为反正弦运算;
声源的声音信号根据经过滤波处理后的声源的位移演变时间序列信号进行重构。
8.一种基于MIMO雷达的多声源定位与声音重构系统,其特征在于,采用权利要求1-7中任一种或任多种所述的基于MIMO雷达的多声源定位与声音重构方法,包括:
MIMO雷达收发器:用于发射并接收线性调频连续波微波信号,输出多通道基带信号;
处理器:用于采集、处理雷达基带信号,实现多声源辨识、定位与声音重构;
显示与保存模块:用于显示或保存包含每个声源的距离和方位角位置信息及声音重构信号在内的信息。
9.根据权利要求8所述的基于MIMO雷达的多声源定位与声音重构系统,其特征在于,所述MIMO雷达收发器包括:线性调频连续波微波信号源、功率分配器、功率放大器、低噪声放大器、混频器、低通滤波器、发射天线和接收天线;
所述线性调频连续波微波信号源与功率分配器相连,功率分配器与功率放大器和混频器相连,功率放大器与发射天线相连,低噪声放大器与接收天线和混频器相连;所述发射天线的个数为至少1个,所述接收天线的数量为至少2个;所述功率分配器、功率放大器的个数与发射天线个数相同,所述低噪声放大器和混频器与接收天线的个数相同;所述微波信号源通过功率分配器分为两路,一路通过功率放大器和发射天线,一路作为本振信号,用于与接收信号混频;所述混频器的输出经过低通滤波器,产生基带信号。
10.根据权利要求8所述的基于MIMO雷达的多声源定位与声音重构系统,其特征在于,所述的处理器包括:数据采集子模块和信号处理子模块;
所述信号采集子模块用于同步采集MIMO雷达收发器输出的多通道基带信号,并传输到信号处理子模块;
信号处理子模块用于执行所述基于MIMO雷达的多声源定位与声音重构方法各个步骤中的信号处理运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442001.7A CN112782685B (zh) | 2020-05-22 | 2020-05-22 | 基于mimo雷达的多声源定位与声音重构方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442001.7A CN112782685B (zh) | 2020-05-22 | 2020-05-22 | 基于mimo雷达的多声源定位与声音重构方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112782685A CN112782685A (zh) | 2021-05-11 |
CN112782685B true CN112782685B (zh) | 2022-10-18 |
Family
ID=75750024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010442001.7A Active CN112782685B (zh) | 2020-05-22 | 2020-05-22 | 基于mimo雷达的多声源定位与声音重构方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782685B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113562031B (zh) * | 2021-08-04 | 2022-10-11 | 电子科技大学 | 一种利用通信信号进行有轨列车隧道定位的系统与方法 |
CN114396864B (zh) * | 2021-08-20 | 2023-02-28 | 上海交通大学 | 微波多维形变及振动测量方法与系统 |
CN114624652B (zh) * | 2022-03-16 | 2022-09-30 | 浙江浙能技术研究院有限公司 | 一种强多径干扰条件下的声源定位方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607923A (zh) * | 2017-08-21 | 2018-01-19 | 上海交通大学 | 基于lfmcw雷达的振动监测系统与信号处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100321017A1 (en) * | 2007-08-31 | 2010-12-23 | Alexander Pines | Ultrahigh time resolution magnetic resonance |
CN107408337B (zh) * | 2015-05-22 | 2020-06-16 | 松下知识产权经营株式会社 | 道路信息探测装置及道路信息探测方法 |
DE102018127947B3 (de) * | 2018-11-08 | 2020-03-19 | Infineon Technologies Ag | Mimo fmcw radarsystem |
-
2020
- 2020-05-22 CN CN202010442001.7A patent/CN112782685B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607923A (zh) * | 2017-08-21 | 2018-01-19 | 上海交通大学 | 基于lfmcw雷达的振动监测系统与信号处理方法 |
Non-Patent Citations (4)
Title |
---|
Combining Spatial Filtering and Sparse Filtering for Coaxial-Moving Sound Source Separation,Enhancement and Fault Diagnosis;WEI XIONG et al.;《IEEE Access》;20190219;正文全文 * |
基于时变特征和核非线性分类器的飞机目标识别;姚宏达等;《雷达科学与技术》;20061230(第06期);正文全文 * |
基于虚拟仪器的磁电机定子自动检测系统;熊玉勇 等;《机电工程》;20140331;正文全文 * |
天基MIMO雷达统一杂波模型及特性分析;黄辉等;《空军预警学院学报》;20171015(第05期);正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112782685A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112782685B (zh) | 基于mimo雷达的多声源定位与声音重构方法及系统 | |
US10359512B1 (en) | Systems and methods for stereo radar tracking | |
CN107167784B (zh) | 一种基于多通道比相定位的多人体目标定位跟踪方法 | |
CN106707258A (zh) | 一种非高斯背景下微动目标多参数估计方法 | |
EP2087368B1 (en) | Method and system for detecting signal sources in a surveillance space | |
CN107272005B (zh) | 基于可靠声路径下目标回波到达时延和到达角度的主动定位方法 | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
CN111693978B (zh) | 基于mimo毫米波雷达的散点检测方法 | |
CN112666543B (zh) | 一种稀疏阵列tdm-mimo雷达及其校正方法 | |
Sharif et al. | Efficient wideband signal parameter estimation using a radon-ambiguity transform slice | |
Enggar et al. | Performance comparison of various windowing On FMCW radar signal processing | |
CN111413666A (zh) | 一种阵列测频测向联合接收机设计方法 | |
Kim et al. | Extrapolation-RELAX estimator based on spectrum partitioning for DOA estimation of FMCW radar | |
WO2001067130A1 (en) | System for measuring characteristics of scatterers using spaced receiver remote sensors | |
CN107346022B (zh) | 基于微波干涉仪的高精度测船雷达及测速方法 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
CN104765033B (zh) | 利用互相关函数抑制步进频率成像中距离旁瓣的方法 | |
TWI693419B (zh) | 訊號處理方法 | |
CN109212502B (zh) | 基于重加权的采样矩阵求逆非均匀检测器的实现方法 | |
Wright et al. | Computer simulation of ionospheric radio drift measurements, and their analysis by correlation methods | |
CN104698444A (zh) | 确定阵元位置误差对阵列天线三维成像质量影响的方法 | |
CN110907930B (zh) | 一种基于角度估计的车载雷达目标检测估计方法及装置 | |
CN114624694A (zh) | 一种基于非等间隔调制ddma-mimo的雷达信号处理方法 | |
CN104181530B (zh) | 一种极化隔离度指标确定方法及装置 | |
CN113281755A (zh) | 一种基于深度和声速扫描的高精度单波束测深方法 |
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 |