CN113138367A - 一种目标定位方法、装置、电子设备及存储介质 - Google Patents

一种目标定位方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113138367A
CN113138367A CN202010064567.0A CN202010064567A CN113138367A CN 113138367 A CN113138367 A CN 113138367A CN 202010064567 A CN202010064567 A CN 202010064567A CN 113138367 A CN113138367 A CN 113138367A
Authority
CN
China
Prior art keywords
determining
target
functions
subset
spectral
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.)
Pending
Application number
CN202010064567.0A
Other languages
English (en)
Inventor
屈秉男
张天天
何为
赵鲁阳
汪涵
马润泽
贾思宇
路茗
张北华
李凤荣
王营冠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microsystem and Information Technology of CAS
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microsystem and Information Technology of CAS filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN202010064567.0A priority Critical patent/CN113138367A/zh
Publication of CN113138367A publication Critical patent/CN113138367A/zh
Pending legal-status Critical Current

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
    • G01S5/20—Position of source determined by a plurality of spaced direction-finders

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

本申请涉及一种目标定位方法、装置、电子设备及存储介质，该方法包括：通过对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；根据方向向量和M个噪声分量集合确定M个谱函数模型；基于M个所述频率值子集合、预设角度集合和所述M个谱函数模型确定M个谱函数组；确定M个目标函数对应的M个目标角度；基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。如此，可以解决现有技术中存在无法准确定位发出多个频率分量的声音信号的目标的技术问题。

Description

一种目标定位方法、装置、电子设备及存储介质
技术领域
本申请涉及声阵列定位领域，特别涉及一种目标定位方法、装置、电子设备及存储介质。
背景技术
随着阵列信号处理技术的发展，传感器成本的降低及处理器运算速度的加快，声阵列传感器网络广泛应用于医疗、生活、军事等领域，尤其在军事领域，用声阵列系统可以采集接收地面目标的声音信号，该目标可以为炸弹，声音信号为炸弹爆炸时的声音，再对声音信号进行阵列信号处理，完成地面目标的测向和定位。
现有技术中用声音信号进行定位的方法有多重信号分类算法(MUSIC)，这是一种针对远场窄带信号子空间方法，目标的声音信号到达规则排列的传感器阵列的存在一定的时延，对传感器接收信号的协方差做特征分解，将特征值排序得到信号子空间和噪声子空间，进而对噪声子空间做空间谱，极值位置即为目标位置。但是，多重信号分类算法(MUSIC)仅适用已知频率范围的窄带声音信号的定位，受限于声音信号为窄带信号的条件，无法准确定位含有多个频率分量的声音信号，如此，导致现有技术中存在无法准确定位发出多个频率分量的声音信号的目标技术问题。
发明内容
本申请实施例要解决的是现有技术中存在无法准确定位发出多个频率分量的声音信号的目标的技术问题。
为解决上述技术问题，一方面，本申请实施例提供了一种目标定位方法，该方法包括：
从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；
对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；
基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；
根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；
基于M个频率值子集合、预设角度集合和所述M个谱函数模型确定M个谱函数组；；
从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；
基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。
另一方面提供了一种目标定位装置，该装置包括：
第一确定模块，用于从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；
处理模块，用于对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；
分解模块，用于基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；
第二确定模块，用于根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；
第三确定模块，用于基于M个频率值子集合和预设角度集合从M个谱函数模型确定M个谱函数组；
第四确定模块，用于从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；
第五确定模块，用于基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。
另一方面提供了一种电子设备，该电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述的目标定位方法。
另一方面提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述的目标定位方法。
采用上述技术方案，本申请实施例提供的一种目标定位方法、装置、电子设备及存储介质具有如下有益效果：
本申请实施例提供的一种目标定位方法中，从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；通过对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；基于M个频率值子集合、预设角度集合和M个谱函数模型确定M个谱函数组；从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。如此，可以解决现有技术中存在无法准确定位发出多个频率分量的声音信号的目标的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域谱通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种应用环境的示意图；
图2是本申请实施例提供的一种目标定位方法的流程示意图；
图3是本申请实施例提供的一种声音信号的时域波形示意图；
图4是本申请实施例提供的一种目标定位方法的流程示意图；
图5是本申请实施例中提供的一种待处理声音信号经过傅里叶变化后的频域波形示意图；
图6是本申请实施例提供的一种目标定位方法的流程示意图；
图7是本申请实施例提供的一种目标定位方法的流程示意图；
图8是本申请实施例提供的一种目标位置的示意图；
图9是本申请实施例提供的一种目标位置的示意图；
图10是本申请实施例提供的一种目标定位装置的结构示意图。
图11是本申请实施例提供的一个实验结果的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域谱通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
此处所称的“一个实施例”或“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
请参阅图1，图1是本申请实施例提供的一种应用环境的示意图，包括服务器101和声音传感器102。服务器101从M组声音传感器的每组声音传感器102接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；服务器101对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；服务器101基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；服务器101根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；服务器101基于M个频率值子集合、预设角度集合和M个谱函数模型确定M个谱函数组；；服务器101从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；服务器101基于M个目标角度从M组声音传感器102对应的区域内确定目标所在位置。
本申请实施例中，服务器101可以为计算机终端、移动终端等有运算处理功能的装置。
本申请实施例中，服务器101和声音传感器102之间的数据可以通过有线链路传输连接，也可以通过无线链路传输。通信链路类型的选择可以根据实际的应用情况和应用环境而定。
以下介绍本申请一种目标定位方法的具体实施例，图2是本申请实施例提供的一种目标定位方法的流程示意图，本说明书提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，该方法可以包括：
S201:从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；
本申请实施例中，M组声音传感器的每一组声音传感器包括N个声音传感器，N个声音传感器按照预设间隔均匀排布在一条线上。
于一种可选的实施例中，待处理声音信号为声音信号中截取的短时爆破型声音信号，待处理声音信号为每组声音传感器接收的声音信号中具有最大幅值的一段声音信号，如图3所示，图3是本申请实施例提供的一种声音信号的时域波形示意图，在军事场地中，无炸弹演习时，声音传感器接收来自场地的声音信号比较平稳，当有炸弹在场地中的某一位置爆炸时，声音信号中会在短时间内有幅值较高的短时爆破声音信号A，可选的，将从声音信号中截取的短时爆破声音信号A确定为待处理信号，也可以从短时爆破声音信号A中截取部分声音信号作为待处理信号。
S202:对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；
本申请实施例中，M个待处理声音信号与M个分量集合一一对应。
于一种可选的实施方式中，该步骤可以包括：
S401:对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到多个频率值和多个幅值；如图5所示，图5是本申请实施例提供的一种待处理声音信号经过傅里叶变化后的频域波形示意图，待处理声音信号经过傅里叶变化后变成多个窄带声音信号组成的频域波形图，频率值和幅值可以为每个窄带声音信号的峰值和与峰值对应的频率值。
S402:从排序后的多个频率值中确定预设个数的频率值组成频率值子集合，从多个幅值中确定出预设个数的频率值对应预设个数的幅值组成幅值子集合；其中，若多个频率值按照数值由大及小进行排序，预设个数的频率值为排在前预设个数的的频率值；若多个频率值按照数值由小及大进行排序，预设个数的频率值为排在后预设个数的的频率值。可选的，如图4所示，多个频率值可以为图中的f1至fn。预设个数n可以为30。
S203:基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；
本申请实施例中的协方差矩阵为可以得到噪声子空间和信号子空间的现有技术，噪声分量集合也可以叫做噪声子空间集合。
S204:根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；
于一种可选的实施例中，M为4，N为4，4组声音传感器的每一组声音传感器包括4个声音传感器，4个声音传感器按照预设间隔均匀排布在一条线上，每一组声音传感的中间位置构成方形的四个顶点，方向向量为:
Figure BDA0002375561890000071
其中，d为4个声音传感器的间距，角度θi为以一组声音传感器的中间位置为参考点，以沿预设传感器的第一方向为0度，顺时针或者逆时针旋转90度。
基于预设个数n等于30进行阐述，M个谱函数模型中每个谱函数模型为包含变量的30个谱函数。S205:基于M个频率值子集合和预设角度集合和M个谱函数模型确定M个谱函数组；
本申请实施例中，M个频率值子集合中的每个频率值子集合与M个谱函数组中的每个谱函数组一一对应；
基于预设个数n等于30进行阐述，每个频率值子集合包括30个频率值，M个谱函数组中每个谱函数组包括：与30个频率值对应的30个谱函数，30个谱函数中的每个谱函数在给定预设角度集合的预设角度值时的谱函数值。本申请实施例中，预设角度集合可以为0至90度的角度集合。谱函数模型是根据方向向量和M个噪声分量集合确定的谱函数公式组，谱函数公式组中的初始公式为：
Figure BDA0002375561890000072
其中，UN(fj)为噪声子空间，a(fj,θ)为方向向量，θ与θi相同。
S206:从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；
于一种可选的实施方式中，请参阅图6，图6是本申请实施例提供的一种目标定位方法的流程示意图；如图6所示，该步骤可以包括：
针对M个谱函数组中的每个谱函数组：
S601：将每个谱函数组进行分组处理，得到P个谱函数子集合；每个谱函数子集合的谱函数基于同一预设角度；
本申请实施例中，谱函数是指谱函数模型的值。基于预设个数n等于30进行阐述，每个谱函数组中包括30个谱函数，每个谱函数子集合为中基于同一预设角度的30个指谱函数模型的值，P的值是预设的，也可以为预设角度集合中角度从0至90度连续变化对应的连续值。
S602：确定每个谱函数子集合的谱函数平均值；
S603：将P个谱函数平均值中数据最大的谱函数平均值确定目标函数。
于另外一种可选的实施方式中，请参阅图7，图7是本申请实施例提供的一种目标定位方法的流程示意图；如图7所示，该步骤可以包括：
针对M个谱函数组中的每个谱函数组：
S701：将每个谱函数组进行分组处理，得到P个谱函数子集合；每个谱函数子集合的谱函数基于同一预设角度；
S702：确定每个谱函数子集合的谱函数加权平均值；
S703：将P个谱函数加权平均值中数据最大的谱函数平均值确定目标函数。本申请实施例中，权数可以根据实际情况人为设定并输入到运算装置中。
S207:基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。
于一种可选的实施方式中，将M组声音传感器对应的区域内M个目标角度所在线段的相交点确定为目标所在位置；请参阅图7，图7是本申请实施例提供的一种目标位置的示意图；如图7所示：相交点可以为4个目标角度所在线段的相交点a，或者；将M组声音传感器对应的区域内M个目标角度所在线段围成的区域确定为目标所在位置，请参阅图8，图8是本申请实施例提供的一种目标位置的示意图；如图8所示：相交点可以为4个目标角度所在线段的围成的区域D。
本申请实施例还提供了一种目标定位装置，图10是本申请实施例提供的一种目标定位装置的结构示意图，如图10所示，该装置包括：
第一确定模块1001，用于从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；
处理模块1002，用于对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；
分解模块1003，用于基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；
第二确定模块1004，用于根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；
第三确定模块1005，用于基于M个频率值子集合和预设角度集合从M个谱函数模型确定M个谱函数组；
第四确定模块1006，用于从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；
第五确定模块1007，用于基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请的实施例还提供了一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的目标定位方法。
本申请的实施例还提供了一种存储介质，所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种图片识别方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述目标定位方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
请参阅图11，图11是本申请实施例提供的一个实验结果的示意图，通过本申请实施例中的一种目标定位方法得到的入射角度E为63.6°，实际入射角度是63.6°，由上述本申请提供的目标定位方法、设备或存储介质的实施例可见，本申请中通过从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；通过对M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个分量集合包括频率值子集合和幅值子集合；频率值子集合中的频率值和幅值子集合的幅值一一对应；基于协方差矩阵对M个幅值子集合进行分解，得到M个噪声分量集合；根据方向向量和M个噪声分量集合确定M个谱函数模型；M个谱函数模型和M个噪声分量集合一一对应；基于M个频率值子集合、预设角度集合和M个谱函数模型确定M个谱函数组；；从M个谱函数组确定M个目标函数，并确定M个目标函数对应的M个目标角度；M个目标角度中每个目标角度为预设角度集合中的角度；基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。如此，可以解决现有技术中存在无法准确定位发出多个频率分量的声音信号的目标的技术问题。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域谱通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种目标定位方法，其特征在于，所述方法包括：
从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；
对所述M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个所述分量集合包括频率值子集合和幅值子集合；所述频率值子集合中的频率值和所述幅值子集合的幅值一一对应；
基于协方差矩阵对M个所述幅值子集合进行分解，得到M个噪声分量集合；
根据方向向量和所述M个噪声分量集合确定M个谱函数模型；所述M个谱函数模型和所述M个噪声分量集合一一对应；
基于M个所述频率值子集合、预设角度集合和所述M个谱函数模型确定M个谱函数组；
从所述M个谱函数组确定M个目标函数，并确定M个所述目标函数对应的M个目标角度；所述M个目标角度中每个目标角度为所述预设角度集合中的角度；
基于所述M个目标角度从所述M组声音传感器对应的区域内确定目标所在位置。
2.根据权利要求1所述的目标定位方法，其特征在于，所述M组声音传感器的每一组声音传感器包括N个声音传感器，所述N个声音传感器按照预设间隔均匀排布在一条线上。
3.根据权利要求1所述的目标定位方法，其特征在于，所述对所述M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个所述分量集合包括频率值子集合和幅值子集合，包括：
对所述M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到多个频率值和多个幅值；
从排序后的多个频率值中确定预设个数的频率值组成频率值子集合，从所述多个幅值中确定出所述预设个数的频率值对应预设个数的幅值组成幅值子集合；
其中，若所述多个频率值按照数值由大及小进行排序，所述预设个数的频率值为排在前预设个数的频率值；若所述多个频率值按照数值由小及大进行排序，所述预设个数的频率值为排在后预设个数的频率值。
4.根据权利要求1所述的目标定位方法，其特征在于，所述从所述M个谱函数组确定M个目标函数，包括：
针对所述M个谱函数组中的每个谱函数组：
将每个所述谱函数组进行分组处理，得到P个谱函数子集合；每个所述谱函数子集合的谱函数基于同一预设角度；
确定每个所述谱函数子集合的谱函数平均值；
将P个所述谱函数平均值中数据最大的谱函数平均值确定目标函数。
5.根据权利要求1所述的目标定位方法，其特征在于，所述从所述M组谱函数确定M个目标函数,包括：
针对所述M个谱函数组中的每个谱函数组：
将每个所述谱函数组进行分组处理，得到P个谱函数子集合；每个所述谱函数子集合的谱函数基于同一预设角度；
确定每个所述谱函数子集合的谱函数加权平均值；
将P个所述谱函数加权平均值中数据最大的谱函数平均值确定目标函数。
6.根据权利要求1所述的目标定位方法，其特征在于，所述方向向量为:
Figure FDA0002375561880000021
其中，d为4个声音传感器的间距，角度θi为以一组声音传感器的中间位置为参考点，以沿预设传感器的第一方向为0度，顺时针或者逆时针旋转90度。
7.根据权利要求4所述的目标定位方法，其特征在于，所述基于所述M个目标角度从所述M组声音传感器对应的区域内确定目标所在位置，包括：
将所述M组声音传感器对应的区域内所述M个目标角度所在线段的相交点确定为目标所在位置；
或者；
将所述M组声音传感器对应的区域内所述M个目标角度所在线段围成的区域确定为目标所在位置。
8.一种目标定位装置，其特征在于，所述装置包括：
第一确定模块，用于从M组声音传感器的每组声音传感器接收的声音信号中确定一个待处理声音信号，得到M个待处理声音信号；M为大于等于2的整数；
处理模块，用于对所述M个待处理声音信号中的每个待处理信号进行傅里叶变化，得到M个分量集合；每个所述分量集合包括频率值子集合和幅值子集合；所述频率值子集合中的频率值和所述幅值子集合的幅值一一对应；
分解模块，用于基于协方差矩阵对M个所述幅值子集合进行分解，得到M个噪声分量集合；
第二确定模块，用于根据方向向量和所述M个噪声分量集合确定M个谱函数模型；所述M个谱函数模型和所述M个噪声分量集合一一对应；
第三确定模块，用于基于M个所述频率值子集合、预设角度集合和所述M个谱函数模型确定M个谱函数组；；
第四确定模块，用于从所述M个谱函数组确定M个目标函数，并确定M个所述目标函数对应的M个目标角度；所述M个目标角度中每个目标角度为所述预设角度集合中的角度；
第五确定模块，用于基于所述M个目标角度从所述M组声音传感器对应的区域内确定目标所在位置。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-7任一所述的目标定位方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任一所述的目标定位方法。
CN202010064567.0A 2020-01-20 2020-01-20 一种目标定位方法、装置、电子设备及存储介质 Pending CN113138367A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010064567.0A CN113138367A (zh) 2020-01-20 2020-01-20 一种目标定位方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010064567.0A CN113138367A (zh) 2020-01-20 2020-01-20 一种目标定位方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113138367A true CN113138367A (zh) 2021-07-20

Family

ID=76809929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010064567.0A Pending CN113138367A (zh) 2020-01-20 2020-01-20 一种目标定位方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113138367A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115171227A (zh) * 2022-09-05 2022-10-11 深圳市北科瑞声科技股份有限公司 活体检测方法、装置、电子设备及存储介质
CN116518983A (zh) * 2023-07-05 2023-08-01 西安羚控电子科技有限公司 用于移动机器人定位的自适应融合方法及装置

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0552922A (ja) * 1991-08-22 1993-03-02 Oki Electric Ind Co Ltd 方位推定方法
CN1302172A (zh) * 1999-12-24 2001-07-04 松下电器产业株式会社 声象定位装置
US20040220800A1 (en) * 2003-05-02 2004-11-04 Samsung Electronics Co., Ltd Microphone array method and system, and speech recognition method and system using the same
CN1837846A (zh) * 2005-03-23 2006-09-27 株式会社东芝 用于处理声音信号的装置和方法
CN101422054A (zh) * 2006-03-13 2009-04-29 松下电器产业株式会社 声像定位装置
US20100008516A1 (en) * 2008-07-11 2010-01-14 International Business Machines Corporation Method and system for position detection of a sound source
US20100054085A1 (en) * 2008-08-26 2010-03-04 Nuance Communications, Inc. Method and Device for Locating a Sound Source
US20100110834A1 (en) * 2008-10-30 2010-05-06 Kim Kyu-Hong Apparatus and method of detecting target sound
CN102215603A (zh) * 2011-05-31 2011-10-12 中国科学院上海微系统与信息技术研究所 一种用于爆炸点定位的声阵传感网系统
CN102866385A (zh) * 2012-09-10 2013-01-09 上海大学 一种基于球麦克风阵列的多声源定位方法
JP2015034898A (ja) * 2013-08-09 2015-02-19 キヤノン株式会社 音声処理装置及び撮像装置
CN104766093A (zh) * 2015-04-01 2015-07-08 中国科学院上海微系统与信息技术研究所 一种基于麦克风阵列的声目标分类方法
CN105204001A (zh) * 2015-10-12 2015-12-30 Tcl集团股份有限公司 一种声源定位的方法及系统
WO2016089300A1 (en) * 2014-12-02 2016-06-09 Thales Solutions Asia Pte Ltd. Methods and systems for spectral analysis of sonar data
WO2016100460A1 (en) * 2014-12-18 2016-06-23 Analog Devices, Inc. Systems and methods for source localization and separation
CN106772246A (zh) * 2017-01-20 2017-05-31 浙江大学 基于声阵列的无人机实时检测和定位系统及方法
CN107884741A (zh) * 2017-10-30 2018-04-06 北京理工大学 一种多球阵列多宽带声源快速定向方法
US10206036B1 (en) * 2018-08-06 2019-02-12 Alibaba Group Holding Limited Method and apparatus for sound source location detection
CN109633522A (zh) * 2018-12-26 2019-04-16 西安烽火电子科技有限责任公司 基于改进的music算法的波达方向估计方法
CN109683126A (zh) * 2019-01-14 2019-04-26 极目光(深圳)科技有限公司 波达角测量方法、信号处理设备及存储介质
CN110231617A (zh) * 2019-05-30 2019-09-13 深圳市华讯方舟微电子科技有限公司 目标障碍物方位探测方法、装置、车载雷达及存储介质
CN110378320A (zh) * 2019-08-07 2019-10-25 华泰证券股份有限公司 多个信号的共同周期确定方法、装置和可读存储介质
CN110456309A (zh) * 2019-02-28 2019-11-15 深圳壹秘科技有限公司 声源定位方法、装置及计算机可读存储介质

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0552922A (ja) * 1991-08-22 1993-03-02 Oki Electric Ind Co Ltd 方位推定方法
CN1302172A (zh) * 1999-12-24 2001-07-04 松下电器产业株式会社 声象定位装置
US20040220800A1 (en) * 2003-05-02 2004-11-04 Samsung Electronics Co., Ltd Microphone array method and system, and speech recognition method and system using the same
CN1837846A (zh) * 2005-03-23 2006-09-27 株式会社东芝 用于处理声音信号的装置和方法
CN101422054A (zh) * 2006-03-13 2009-04-29 松下电器产业株式会社 声像定位装置
US20100008516A1 (en) * 2008-07-11 2010-01-14 International Business Machines Corporation Method and system for position detection of a sound source
US20100054085A1 (en) * 2008-08-26 2010-03-04 Nuance Communications, Inc. Method and Device for Locating a Sound Source
US20100110834A1 (en) * 2008-10-30 2010-05-06 Kim Kyu-Hong Apparatus and method of detecting target sound
CN102215603A (zh) * 2011-05-31 2011-10-12 中国科学院上海微系统与信息技术研究所 一种用于爆炸点定位的声阵传感网系统
CN102866385A (zh) * 2012-09-10 2013-01-09 上海大学 一种基于球麦克风阵列的多声源定位方法
JP2015034898A (ja) * 2013-08-09 2015-02-19 キヤノン株式会社 音声処理装置及び撮像装置
WO2016089300A1 (en) * 2014-12-02 2016-06-09 Thales Solutions Asia Pte Ltd. Methods and systems for spectral analysis of sonar data
WO2016100460A1 (en) * 2014-12-18 2016-06-23 Analog Devices, Inc. Systems and methods for source localization and separation
CN104766093A (zh) * 2015-04-01 2015-07-08 中国科学院上海微系统与信息技术研究所 一种基于麦克风阵列的声目标分类方法
CN105204001A (zh) * 2015-10-12 2015-12-30 Tcl集团股份有限公司 一种声源定位的方法及系统
CN106772246A (zh) * 2017-01-20 2017-05-31 浙江大学 基于声阵列的无人机实时检测和定位系统及方法
CN107884741A (zh) * 2017-10-30 2018-04-06 北京理工大学 一种多球阵列多宽带声源快速定向方法
US10206036B1 (en) * 2018-08-06 2019-02-12 Alibaba Group Holding Limited Method and apparatus for sound source location detection
CN109633522A (zh) * 2018-12-26 2019-04-16 西安烽火电子科技有限责任公司 基于改进的music算法的波达方向估计方法
CN109683126A (zh) * 2019-01-14 2019-04-26 极目光(深圳)科技有限公司 波达角测量方法、信号处理设备及存储介质
CN110456309A (zh) * 2019-02-28 2019-11-15 深圳壹秘科技有限公司 声源定位方法、装置及计算机可读存储介质
CN110231617A (zh) * 2019-05-30 2019-09-13 深圳市华讯方舟微电子科技有限公司 目标障碍物方位探测方法、装置、车载雷达及存储介质
CN110378320A (zh) * 2019-08-07 2019-10-25 华泰证券股份有限公司 多个信号的共同周期确定方法、装置和可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PAN, XI等: "Fast direction-of-arrival estimation algorithm for multiple wideband acoustic sources using multiple open spherical arrays", APPLIED ACOUSTICS, vol. 136, 28 December 2018 (2018-12-28) *
李双等: "加权稀疏信号重构的近场源定位方法", 声学技术, vol. 36, no. 1, 28 February 2017 (2017-02-28) *
游鸿;黄建国;: "子空间投影DOA估计算法分析及合成空间谱", 航空学报, no. 05, 25 September 2008 (2008-09-25) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115171227A (zh) * 2022-09-05 2022-10-11 深圳市北科瑞声科技股份有限公司 活体检测方法、装置、电子设备及存储介质
CN115171227B (zh) * 2022-09-05 2022-12-27 深圳市北科瑞声科技股份有限公司 活体检测方法、装置、电子设备及存储介质
CN116518983A (zh) * 2023-07-05 2023-08-01 西安羚控电子科技有限公司 用于移动机器人定位的自适应融合方法及装置
CN116518983B (zh) * 2023-07-05 2023-10-17 西安羚控电子科技有限公司 用于移动机器人定位的自适应融合方法及装置

Similar Documents

Publication Publication Date Title
EP2068308B1 (en) Signal separation method, signal separation device, and signal separation program
Das et al. Marine vessel classification based on passive sonar data: the cepstrum‐based approach
US20060204019A1 (en) Acoustic signal processing apparatus, acoustic signal processing method, acoustic signal processing program, and computer-readable recording medium recording acoustic signal processing program
CN113138367A (zh) 一种目标定位方法、装置、电子设备及存储介质
CN111783961A (zh) 基于激活定点拟合的卷积神经网络训练后量化方法及系统
McBrearty et al. Earthquake arrival association with backprojection and graph theory
CN108540898A (zh) 声源探测装置及方法、记录有声源探测程序的记录介质
US5703906A (en) System for assessing stochastic properties of signals representing three items of mutually orthogonal measurement information
KR20140040727A (ko) 상관된 소스들의 블라인드 측위를 위한 시스템들 및 방법들
JP6953287B2 (ja) 音源探査装置、音源探査方法およびそのプログラム
US5966414A (en) System and method for processing signals to determine their stochastic properties
US20220260665A1 (en) Sound source enumeration and direction of arrival estimation using a bayesian framework
CN108877783A (zh) 确定音频数据的音频类型的方法和装置
Agarwal et al. Higher-order-statistics-based direction-of-arrival estimation of multiple wideband sources with single acoustic vector sensor
US8321491B2 (en) System and method for detecting a weak signal in a noisy environment
US20170347216A1 (en) Wave field synthesis by synthesizing spatial transfer function over listening region
CN113314138B (zh) 基于麦克风阵列的声源监听分离方法、装置及存储介质
JP2019066339A (ja) 音による診断装置、診断方法、および診断システム
US6967899B1 (en) Method for classifying a random process for data sets in arbitrary dimensions
CN111722185A (zh) 一种特征声音的定位方法、装置及设备
CN109654383A (zh) 一种供水管道的泄露程度确定方法及系统
Wang et al. Maximum likelihood DOA estimation based on improved invasive weed optimization algorithm and application of MEMS vector hydrophone array
CN112202483B (zh) 波束形成方法及装置、电子设备、存储介质
US11515995B2 (en) Efficient computation of univariate statistical moments for side channel vulnerability evaluation
Sakavičius et al. Estimation of sound source direction of arrival map using convolutional neural network and cross-correlation in frequency bands

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