CN114114153A - 一种多声源定位方法、系统、传声器阵列以及终端装置 - Google Patents
一种多声源定位方法、系统、传声器阵列以及终端装置 Download PDFInfo
- Publication number
- CN114114153A CN114114153A CN202111396343.0A CN202111396343A CN114114153A CN 114114153 A CN114114153 A CN 114114153A CN 202111396343 A CN202111396343 A CN 202111396343A CN 114114153 A CN114114153 A CN 114114153A
- Authority
- CN
- China
- Prior art keywords
- frequency
- array
- sound source
- beam output
- positioning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 29
- 238000009432 framing Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000003491 array Methods 0.000 claims description 14
- 230000004807 localization Effects 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 12
- 230000005236 sound signal Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种多声源定位方法、系统、传声器阵列以及终端装置。该方法包括获取由传声器阵列接收的声源信号，对该声源信号分帧并从时域转换为频域，幅值大于设定阈值的频率作为定位频率，根据至少一分割频点将定位频率分成至少两个频率分量。调整方向角和俯仰角扫描监视区域/空间域。在每次扫描中还包括；基于延时求和波束形成算法，计算所有频率分量的波束输出以及波束输出功率；当该波束输出功率大于功率判断值时，对应的波束方向为筛选方向。完成扫描后，根据精度要求从若干筛选方向中确定声源方向。本发明可以分辨邻近声源，且不存在非声源方向的波束影响定位结果，角度估计误差很小，空间分辨率高，并可抑制空间混叠。
Description
技术领域
本发明涉及声学测量定位技术领域，尤其涉及一种多声源定位方法、系统、传声器阵列以及终端装置。
背景技术
随着城市文明程度的提高，汽车已经成为人们出行的重要交通工具。汽车鸣笛声造成的噪音问题越来越受到关注。汽车给人们的生活带来了极大的便利，但同时也产生了交通噪声污染，而汽车鸣笛声是交通噪声的主要来源之一。噪声污染不仅令人们感到烦恼，还严重危害人们的健康。
为了治理违法鸣笛现象，相关部门采取的措施包括：在禁鸣路段设置提示路牌和安排执勤人员对乱鸣笛车辆进行查处。但在复杂交通环境下，通过人工判别鸣笛车辆方位的方法存在效率低、可靠性差等问题。为了精确锁定鸣笛车辆的位置，基于传声器阵列的汽车鸣笛声定位技术逐渐成为一个研究热点。
基于传声器阵列的声源定位算法大致分为三类：第一类是基于声达时间差(TimeDifference of Arrival,TDOA)的定位方法，该方法计算量小、实时性好，但定位精度较差。第二类是基于可控波束形成的定位方法，该方法的定位精度受到阵列结构的影响。第三类是基于高分辨率谱估计的定位方法，该方法主要针对窄带信号，定位精度高，但计算量较大。
现有的基于TDOA和基于可控波束形成的汽车鸣笛声定位方案。采用螺旋分布的三维传声器阵列，基于广义互相关(Generalized Cross Correlation,GCC)算法进行时延估计，再利用时延计算声源的入射波方向。实验结果显示，该汽车鸣笛声定位系统无法处理多辆汽车同时鸣笛的定位问题。此外，基于可控波束形成算法虽然实现了对鸣笛车辆的实时定位，但无法分辨并排在两车道同时鸣笛的车辆。
因此现有的声源定位技术亟待改进。
发明内容
基于此，为解决现有技术中存在的技术问题，本发明提出了一种可以分辨邻近声源，角度估计误差很小，空间分辨率高，并可抑制空间混叠，实现以远场汽车鸣笛声为目标声源的多声源定位方法、系统、传声器阵列以及终端装置。
第一方面，本实施例提供一种多声源定位方法，包括以下步骤：
获取同心圆传声器阵列阵元(M)采样多声源(N)的声源信号，对该声源信号分帧并从时域转换为频域；
设定阈值以及至少一分割频点，将幅值大于该阈值的频率作为定位频率，根据该至少一分割频点将该定位频率分成至少两个频率分量；
以该同心圆传声器阵列的圆心为坐标原点建立坐标系，调整方向角(θn)和俯仰角
扫描监视区域/空间域，在每次扫描中还包括；基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出；根据该波束输出，确定当前扫描方向的波束输出功率；当该波束输出功率大于功率判断值(PTh)时，对应的波束方向为筛选方向；
完成扫描，根据精度要求从若干筛选方向中确定声源方向。
第二方面，本实施例提供一种多声源定位系统，包括：
信号处理模块，用于获取同心圆传声器阵列所有阵元(M)采样多声源(N)的声源信号，并将该声源信号从时域转换为频域；
频点分类模块，用于根据阈值以及至少一分割频点，将幅值大于该阈值的频率作为定位频率，根据该至少一分割频点将该定位频率分成至少两个频率分量；
扫描模块，用于调整方向角(θn)和俯仰角
扫描监视区域/空间域；
波束计算模块，用于基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率；
预估模块，用于根据该波束输出功率和功率判断值(PTh)比较确定筛选方向，并在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
第三方面，本实施例提供一种传声器阵列，连接至终端装置，该传声器阵列包括至少小孔径子阵列(UCA1)以及大孔径子阵列(UCA2)，该小孔径子阵列以及大孔径子阵列阵元数目均为M，每一子阵列的阵元沿圆周均匀分布，子阵列之间为共圆心的同心圆，所有子阵列的阵元分布在相同平面上，
其中，同心圆传声器阵列所有阵元采样多声源(N)的声源信号并传送给该终端装置；
该终端装置接收该声源信号，并将该声源信号从时域转换为频域，该终端装置对该频域进行频点分类成至少两个频率分量；该终端装置调整方向角和俯仰角对监视区域/空间域进行扫描；扫描时，基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率，该终端装置根据该波束输出功率和功率判断值(PTh)比较确定筛选方向；在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
第四方面，本实施例提供一种终端装置，包括存储器、处理器以及存储在该存储器中并可在该处理器上运行的计算机程序，该处理器连接同心圆传声器阵列，该传声器阵列的阵元沿圆周均匀分布，所有子阵列的阵元分布在相同平面上，
该计算机程序包括信号处理模块、频点分类模块、扫描模块、波束计算模块以及预估模块；
该信号处理模块用于获取同心圆传声器阵列所有阵元(M)采样多声源(N)的声源信号，并将该声源信号从时域转换为频域；
该频点分类模块用于根据阈值以及至少一分割频点，将幅值大于该阈值的频率作为定位频率，根据该至少一分割频点将该定位频率分成至少两个频率分量；
该扫描模块，用于调整方向角(θn)和俯仰角
扫描监视区域/空间域；
该波束计算模块用于基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率；
该预估模块用于根据该波束输出功率和功率判断值(PTh)比较确定筛选方向，并在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
实施本发明实施例，将具有如下有益效果：
本申请实施例的多声源定位方法、系统、传声器阵列以及终端装置，根据汽车鸣笛声信号的频率成分以及定位精度的影响因素，设计新型的均匀同心圆阵列(UniformConcentric CircularArray,UCCA)。因为小孔径子阵列对低频信号定位的空间分辨率较差，大孔径子阵列对高频信号定位容易产生空间混叠，因此为了减弱阵列孔径对定位精度的影响，本实施例结合汽车鸣笛声的频谱分析，设计了由孔径不同的均匀圆形子阵列组成的多元均匀同心圆传声器阵列，根据频率高低选择合适孔径的子阵列通过波束形成算法(DSB)计算波束输出，提高计算精确度。
本申请实施例的多声源定位方法、系统、传声器阵列以及终端装置，提出频点分类方法以进一步提高定位效果，频点分类方法将汽车鸣笛声源信号的定位频率至少分为低频定位频率和高频定位频率成分，再利用不同孔径子阵列，比如大孔径子阵列和小孔径子阵列，基于延迟求和波束形成算法计算所有定位频率的波束输出。
此外，本申请实施例为了进一步提高空间分辨率，抑制空间混叠并抑制了旁瓣和栅瓣对定位结果的干扰，利用粒子群算法(PSO)对所有波束输出进行幅值修正。引进粒子群算法结合最小化主瓣宽度和最小化旁瓣的原则对所有波束输出进行加权求和，并求归一化波束输出功率。改变阵列的加权矢量，使其在空间中扫描，将归一化波束输出功率大于设定阈值的波束所对应的方向判断为声源方向。因此，本申请实施例的多声源定位方法、系统、传声器阵列以及终端装置，可分辨两个相近声源，并且角度估计结果误差较小从而进一步提高定位精度。
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一些实施例，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，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中汽车鸣笛多声源定位的应用场景示意图；
图2为一个实施例中汽车鸣笛声的时域波形与频谱图示意图；
图3为一个实施例中多声源定位方法的主要流程示意图；
图4为一个实施例中多声源定位方法的方向坐标估算方案示意图；
图5为一个实施例中均匀同心圆环阵列示意图；
图6为一个实施例中终端装置的硬件结构示意图；
图7为一个实施例中多声源定位软件的模块示意图；
图8为一个实施例中宽带延迟求和波束形成原理图；
图9为一个实施例中不同声源分布情况示意图；
图10为图9中工况一的波束方向图；
图11为图9中工况二的波束方向图；
图12为图9中工况三的波束方向图；
图13为图9中工况四的波束方向图。
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作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。
请参考图1，本申请实施例的多声源定位方法、系统、传声器阵列以及终端装置，为了分辨间距较近的多个声源，传声器阵列应该具有较好的空间分辨率和较小的旁瓣。因此，本实施例根据汽车鸣笛声信号的频率特性和定位精度的影响因素，设计合适的传声器阵列4。根据汽车鸣笛声的频谱分析，由孔径不同的均匀圆形子阵列组成的多元均匀同心圆传声器阵列。终端装置6根据频率高低选择合适孔径的子阵列通过DSB算法计算波束输出，提高定位精确度。
本申请实施例的多声源定位方法、系统、传声器阵列以及终端装置，提出频点分类方法，将汽车1和汽车2鸣笛声源信号的定位频率至少分为低频定位频率和高频定位频率成分，再利用传声器阵列4的不同孔径子阵列，比如大孔径子阵列和小孔径子阵列，由终端装置6基于DSB算法计算所有定位频率的波束输出以进一步改进定位过程和优化定位结果。结合粒子群算法的加权处理后，可分辨两个相近声源，并且角度估计结果误差较小。
以下具体介绍本申请实施例的技术内容。
装置实施例
请参考图2，图2为无背景噪声的汽车鸣笛声信号的时域图与频域图。如频域图所示，汽车鸣笛声信号的能量主要集中在400Hz～4KHz，是基频和高次谐波组成的宽带声音信号。本实施例先将宽带信号简化成定位频率，再根据该至少一分割频点将定位频率分成至少两个频率分量，再把每个频率的波束输出叠加起来。
空间分辨率受信号频率和阵列孔径的影响。对于频率固定的信号，若阵列孔径越大，则主瓣越窄。但是，当相邻阵元间距增大到不满足空间采样定理时，在非声源方向将产生与主瓣幅值相同的栅瓣，导致无法分辨真实的声源方向。通常将上述现象称为空间混叠。由于汽车鸣笛声信号的频带较宽，若采用孔径较小的传声器阵列进行定位，则空间分辨率较小，导致无法分辨相近的声源；若采用孔径较大的传声器阵列进行定位，则不满足空间采样定理，导致错误的定位结果。
因此，本实施例根据大孔径阵列对低频信号的定位效果较好和小孔径阵列对高频信号的定位效果较好，设计一种由大孔径均匀圆形阵列和小孔径均匀圆形阵列组成的均匀同心圆传声器阵列。
可以理解的是，本实施例的传声器阵列的同心圆子阵列并不限于上述的小孔径阵列和大孔径阵列。可以根据频率特性将评率细分为更多成分。比如分成高频、中频、和低频三个频率分量的话，对应的传声器阵列就需要设置与高频、中频、和低频三个频率分量对应的三个子阵列。
图5所示为同心圆传声器阵列的结构示意图。
该传声器阵列4连接至终端装置6。本实施例中，该传声器阵列4包括至少小孔径子阵列(UCA1)以及大孔径子阵列(UCA2)。
该小孔径子阵列以及大孔径子阵列阵元数目均为M，每一子阵列的阵元沿圆周均匀分布，子阵列之间为共圆心的同心圆，所有子阵列的阵元分布在相同平面上，
以y轴上的阵元为每个圆形子阵列的参考阵元。θn是声源sn的入射波在阵列平面的投影与x轴的夹角，
是入射波与z轴的夹角，将θn和
分别称为声源入射波的方向角和俯仰角。
其中，同心圆传声器阵列4所有阵元采样多声源(N)的声源信号并传送给该终端装置6；
该终端装置6接收该声源信号，并将该声源信号从时域转换为频域，该终端装置对该频域进行频点分类成至少两个频率分量；该终端装置调整方向角和俯仰角对监视区域/空间域进行扫描；扫描时，基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率，该终端装置根据该波束输出功率和功率判断值(PTh)比较确定筛选方向；在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
请参考图3，本实施例中，俯仰角
范围是1-90度，方向角θn范围是1-360度。初始扫描时，俯仰角为1度并且方向角为1度，确定此时的波束输出功率进行判断；接下来可以逐渐增加方向角进行计算，算完360次之后，俯仰角增加到2度，再继续计算，直至完成对比90*360次计算结果的过程就叫本实施例的空间扫描。
请一并参考图6和图7，该终端装置6包括存储器602、处理器601以及存储在该存储器中并可在该处理器上运行的计算机程序604，该处理器601连接同心圆传声器阵列4，该传声器阵列4的阵元沿圆周均匀分布，所有子阵列的阵元分布在相同平面上。
为了实现多声源定位方法，计算机程序604包括信号处理模块61、频点分类模块62、扫描模块63、波束计算模块64、预估模块65以及加权处理模块66。各个模块的功能描述如下：
该信号处理模块61用于获取同心圆传声器阵列所有阵元(M)采样多声源(N)的声源信号，并将该声源信号从时域转换为频域；
该频点分类模块62用于根据阈值以及至少一分割频点，将幅值大于该阈值的频率作为定位频率，根据该至少一分割频点将该定位频率分成至少两个频率分量；
该扫描模块63，用于调整方向角(θn)和俯仰角
扫描监视区域；
该波束计算模块64用于基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率；
该预估模块65用于根据该波束输出功率和功率判断值(PTh)比较确定筛选方向，并在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
该加权处理模块66，用于基于粒子群算法(PSO)，对所有波束输出进行自适应加权。
该信号处理模块61建立传声器阵列4的信号模型。
本申请的多声源定位系统。运行计算机程序604的信号处理模块61、扫描模块63、频点分类模块62、波束计算模块64、预估模块65以及加权处理模块66。功能和运算相同，在此不再赘述。
以下根据终端装置的软件模块详细介绍每个软件模块的功能和运算。
请一并参考图5，子阵列p中第m个阵元的接收信号模型为：
其中，p＝1,2；N为声源数目；sn(t)为第n个声源信号；τp,mn为阵列p中第m个阵元与同一阵列参考阵元接收到声源信号sn(t)的时间差；vp,m(t)为阵列p中第m个阵元在t时刻接收的噪声信号；c为信号传播速度；θm为第m个阵元与同一阵列参考阵元之间的夹角。
将接收信号进行快速傅里叶变换(FFT)：
其中，p＝1,2，fj为信号的频率成分。
阵列p的接收信号的矢量形式表示为：
式(6)是阵列p的M×N维阵列流型矩阵，式(7)是阵列p关于声源sn的导向矢量。
该频点分类模块62用于改进DSB算法。
基于DSB算法，小孔径子阵列只对信号中高频成分计算波束输出，大孔径子阵列只对信号中低频成分计算波束输出，再将波束输出求和作为UCCA的总波束输出并求归一化波束输出功率，最后通过空间扫描方法进行定位估计。
本实施例将上述改进方法简称为频点分类-DSB定位算法。
频点分类内容为：
1)将传声器阵列4的接收信号通过FFT从时域转换到频域，选出幅值大于给定阈值的频率作为定位频率。
2)根据1)中确定的定位频率，选取频率分割频点fm(本文设fm＝1KHz)，将小于fm的频率成分分类为低频定位频率，反之分类为高频定位频率。
该波束计算模块64基于DSB算法，计算大孔径子阵列接收信号中低频定位频率的波束输出和小孔径子阵列接收信号中高频定位频率的波束输出，再将波束输出总和作为UCCA的总波束输出，并求归一化波束输出功率。
该预估模块65通过调整加权矢量来改变传声器阵列的输出指向，进而在空间中扫描。归一化波束输出功率大于判断值PTh(本文设PTh＝0.5)时所对应的波束方向认为是声源方向。
该波束计算模块64基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率。
请一并参考图8，设声源信号的频率范围为[fl,fu]，阵列p在定位频率fi处的波束输出可以表示为：
矢量形式表示为：
式(10)是补偿各阵元相对于参考阵元的相位延迟的加权矢量。
UCCA对宽带信号的波束输出表示为：
当空间中不存在其它方向的干扰信号时，式(10)中的加权矢量与式(7)中的导
向矢量具有相同的形式，则UCCA对宽带信号的波束输出可以表示为：
UCCA的波束输出功率可由式(2)，(7)，(13)联合求得。通过改变θ和
在空间中扫描，归一化波束输出功率峰值大于PTh的坐标认为是方向角与俯仰角的估计值。
该加权处理模块66用于基于粒子群算法的波束输出加权处理，从而进一步提高空间分辨率。
基于频点分类-DSB算法，计算所有定位频率的波束输出，再对所有波束输出加权，提高高频定位频率的波束输出在总波束输出中的权重，使主瓣更窄，而低频定位频率的波束输出又起到抑制旁瓣和栅瓣的作用。
粒子群算法是一种基于群体协作的随机搜索算法，通过自动控制搜索过程求出最优解。本实施例引进粒子群算法，结合最小化主瓣宽度和最小化旁瓣的原则实现波束输出自适应加权。
请一并参考图4，本实施例将上述方法简称为频点分类-PSO-DSB定位算法。具体步骤如下：
步骤31：初始化粒子群
在D(D＝I)维搜索空间中，有一个由K个粒子组成的种群。随机生成粒子的初始位置和初始速度，第k个粒子的位置和速度分别表示为：
Xk＝[xk1,xk2,...,xkD]T,k＝1,2,...,K. (14)
Vk＝[vk1,vk2,...,vkD]T,k＝1,2,...,K. (15)
通常需要设置位置限制区间[xmin,xmax]和速度限制区间[vmin,vmax]，避免粒子在可行解空间中盲目搜索。
步骤32：粒子适应度值计算
使用波束方向图中的主瓣宽度(Main-lobe wide,MLW)、主瓣峰值(Peak main-lobe,PML)和旁瓣峰值(Peak side-lobe,PSL)构建自适应度函数：
其中，第一项表明当所有声源的主瓣宽度的总和越小时，空间分辨率越高；第二项表明当最大旁瓣值与最大主瓣值的比值越小时，旁瓣对定位结果的影响越小；第三项表明当所有主瓣峰值越接近1时，指向声源的波束的能量越大。
步骤33：个体极值和群体极值更新
将第k个粒子搜索到适应度值最小的位置称为个体极值Pk，其表达式为：
Pk＝[Pk1,Pk2,...,PkD]T. (17)
将所有粒子搜索到适应度值最小的位置称为群体极值Pg，其表达式为：
Pg＝[Pg1,Pg2,...,PgD]T. (18)
设粒子群的最大迭代次数为Miter。在每次迭代过程中，速度和位置更新公式为：
式(19)，(20)中，t为当前迭代次数；
为第k个粒子的当前速度；c1为惯性权重，表示粒子当前速度对更新速度的影响程度；c2和c3为加速常数，分别表示粒子更新速度受个体极值与群体极值的影响程度；r1和r2为取值范围在[0,1]的随机数。
经过Miter次迭代后，得到历史最优群体极值Pgbest＝β1,...,βi,...,βI，即对波束输出进行处理的最优加权矢量。加权后的波束输出与波束输出功率为：
图6所示终端设备6可以是人工智能终端、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器601可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述存储器602可以是所述终端设备600的内部存储单元，例如终端设备600的硬盘或内存。所述存储器602也可以是所述终端设备600的扩展内存设备，例如所述终端设备600上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器602还可以既包括所述终端设备600的内部存储单元。
方法实施例
请再次参考图3，本实施例为多声源定位方法，包括以下步骤：
步骤10：获取扫描同心圆传声器阵列阵元(M)采样多声源(N)的声源信号，对该声源信号分帧并从时域转换为频域；
步骤11：设定阈值以及至少一分割频点，将幅值大于该阈值的频率作为定位频率，根据该至少一分割频点将该定位频率分成至少两个频率分量；
步骤12：以该同心圆传声器阵列的圆心为坐标原点建立坐标系，调整方向角(θn)和俯仰角
扫描监视区域/空间域；
步骤13：扫描之前判断方向角或俯仰角是否已完成扫描；
在每次扫描中还包括：
步骤15：基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出；根据该波束输出，确定当前扫描方向的波束输出功率；
步骤16：当该波束输出功率大于功率判断值(PTh)时，对应的波束方向为筛选方向；
完成上述步骤之后，方向角或者俯仰角增加一度，并跳转至步骤13；
步骤17：完成扫描，根据精度要求从若干筛选方向中确定声源方向。
作为较佳实施例，该同心圆传声器阵列包括至少小孔径子阵列(UCA1)以及大孔径子阵列(UCA2)。该两个频率分量至少包括低频频率分量以及高频频率分量。该计算所有频率分量的波束输出至少包括计算大孔径子阵列在频域中低频频率分量的第一波束输出以及计算小孔径子阵列在频域中高频频率分量的第二波束输出。归一化该第一波束输出和第二波束输出，确定该同心圆传声器阵列的波束输出功率。
请一并参考图4，该多声源定位方法还包括：
步骤20：根据第一精度要求根据输出功率峰值范围从该筛选方向中确定声源方向，该第一精度无法分辨两个相邻声源；或者
精度要求高时进入步骤30。
步骤30：根据第二精度要求，基于粒子群算法(PSO)，对所有波束输出进行自适应加权，得到加权波束输出功率，根据该加权波束输出功率以及功率判断值进行判断。该第二精度方向角估计误差为1～2°，精准满足多声源定要求。
实验概述
在一个长宽高为4m×5m×3m的半消声室内进行多声源定位实验。
表1多声源定位实验方法
如表1所示，根据传声器阵列与定位算法的组合方式，将多声源定位实验方法1-4分别简称为UCA1-DSB方法、UCA2-DSB方法、UCCA-频点分类-DSB方法、UCCA-频点分类-PSO-DSB方法，并将方法1和方法2统称为UCA-DSB方法。其中，粒子群算法的参数设置为如表2所示。
表2粒子群算法参数
| 参数名称 | 参数值 |
| M<sub>iter</sub> | 50 |
| K | 10 |
| [x<sub>min</sub>,x<sub>max</sub>] | [-1,20] |
| [v<sub>min</sub>,v<sub>max</sub>] | [-1,1] |
| c<sub>1</sub> | 0.8 |
| c<sub>2</sub> | 0.7 |
| c<sub>3</sub> | 0.6 |
选取ESC-50声音数据集中不含背景噪声的汽车鸣笛声提供声源信号。数据采集设备的采样频率设置为204800Hz，采集信号时长为5s。
实验结果与分析
在多声源定位实验中，两个扬声器与传声器阵列的布局如图9所示，θ1和θ2分别为两个声源的方向角测量值，扬声器与传声器阵列相对于地面的高度相同，即声源的俯仰角测量值均为90°。因此，本文主要对声源的方向角进行估计。
当两个扬声器与传声器阵列中心的夹角为43°时(见图9(一))，四种实验方法的波束方向图如图10所示。四种实验方法均能分辨两个声源，其中，UCA1-DSB方法的方向角估计误差为1～3°；由UCA2-DSB方法的波束曲线可知，两个指向声源的主瓣之间存在其它方向的干扰波束；其它两种改进方法的方向角估计误差均为1°。
当两个扬声器与传声器阵列中心的夹角为23°时(见图9(二))，四种实验方法的波束方向图如图11所示。由UCA1-DSB方法的波束曲线可知，存在两个不明显的主瓣指向声源，且方向角估计误差为1～2°。由UCA2-DSB方法和改进的UCCA-频点分类-DSB方法的波束曲线可知，两种方法的主瓣宽度几乎不变，但改进方法的旁瓣值更小，且这两种方法的方向角估计误差分别为1～3°和1°。改进的UCCA-频点分类-PSO-DSB方法能够精确估计声源的方向角。
当两个扬声器与传声器阵列中心的夹角为13°时(见图9(三))，四种实验方法的波束方向图如图12所示。由UCA-DSB方法和改进的UCCA-频点分类-DSB方法的波束曲线可知，只存在一个指向声源附近的主瓣，即：这三种方法无法分辨两个声源。改进的UCCA-频点分类-PSO-DSB方法的波束曲线中存在两个较明显的主瓣指向声源，且方向角估计误差为1～2°。
当两个扬声器与传声器阵列中心的夹角为6°时(见图9(四))，四种实验方法的波束方向图如图13所示。UCA-DSB方法无法分辨两个声源，且在非声源方向还存在多个峰值较大的干扰波束。由改进的UCCA-频点分类-DSB方法的波束曲线可知，存在两个不明显的主瓣指向声源，方向角估计误差为1～2°。改进的UCCA-频点分类-PSO-DSB方法可以较明显地分辨两个声源，且没有非声源方向的波束干扰定位结果，方向角估计误差约为2°。
本实施例所有多声源定位实验的方向角估计结果如表3所示。
表3汽车鸣笛声多声源方向角估计结果
实验结果显示，UCA-DSB方法的定位精度受到阵列孔径的影响：若阵列孔径太大，则在非声源方向可能存在峰值较大的波束，导致估计的方向角数目超过真实的声源数目；若阵列孔径太小，则两个指向声源的主瓣可能融合，导致估计的方向角数目小于真实的声源数目。改进的UCCA-频点分类-DSB方法分辨邻近声源的能力没有明显提高，但与UCA-DSB方法相比，减弱了非声源方向的波束对方向角估计的影响。改进的UCCA-频点分类-PSO-DSB方法可以分辨邻近声源，且不存在非声源方向的波束影响定位结果，方向角估计误差较小。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种多声源定位方法，其特征在于，包括以下步骤：
获取同心圆传声器阵列阵元(M)采样多声源(N)的声源信号，对所述声源信号分帧并从时域转换为频域；
设定阈值以及至少一分割频点，将幅值大于所述阈值的频率作为定位频率，根据所述至少一分割频点将所述定位频率分成至少两个频率分量；
以所述同心圆传声器阵列的圆心为坐标原点建立坐标系，调整方向角(θn)和俯仰角
扫描监视区域/空间域，在每次扫描中还包括；基于延时求和波束形成算法(Delayand Sum Beamforming,DSB)，计算所有频率分量的波束输出和波束输出功率；当所述波束输出功率大于功率判断值(PTh)时，对应的波束方向为筛选方向；
完成扫描，根据精度要求从若干筛选方向中确定声源方向。
2.根据权利要求1所述的多声源定位方法，其特征在于，
所述同心圆传声器阵列包括至少小孔径子阵列(UCA1)以及大孔径子阵列(UCA2)；
所述两个频率分量至少包括低频频率分量以及高频频率分量；
所述计算所有频率分量的波束输出至少包括计算大孔径子阵列在频域中低频频率分量的第一波束输出以及计算小孔径子阵列在频域中高频频率分量的第二波束输出；
归一化所述第一波束输出和第二波束输出，确定所述同心圆传声器阵列的波束输出功率。
3.根据权利要求2所述的多声源定位方法，其特征在于，还包括
根据第一精度要求根据输出功率峰值范围从所述筛选方向中确定声源方向；
或者根据第二精度要求，基于粒子群算法(Particle Swarm Optimization,PSO)，对所有波束输出进行自适应加权，得到加权波束输出功率，根据所述加权波束输出功率以及功率判断值进行判断。
4.根据权利要求3所述的多声源定位方法，其特征在于，
所述传声器阵列的波束输出表示为公式12，波束输出功率表示为公式13
通过改变方向角(θn)和俯仰角
进行频域的空间扫描。
5.根据权利要求3所述的多声源定位方法，其特征在于，所述基于粒子群算法(PSO)，对所有波束输出进行自适应加权，所述自适应加权包括：
步骤31：在频率分量维度空间中，初始化粒子群；
步骤32：粒子适应度值计算：使用主瓣宽度(Main-lobe wide,MLW)、主瓣峰值(Peakmain-lobe,PML)和旁瓣峰值(Peak side-lobe,PSL)构建自适应度函数，表示为公式16：
步骤33：个体极值以及群体极值计算，经过设定迭代次数后，得到历史最优群体极值：Pgbest＝β1,...,βi,...,βI；
加权后的波束输出表示为公式21：
6.一种多声源定位系统，其特征在于，包括以下步骤：
信号处理模块，用于获取同心圆传声器阵列所有阵元(M)采样多声源(N)的声源信号，并将所述声源信号从时域转换为频域；
频点分类模块，用于根据阈值以及至少一分割频点，将幅值大于所述阈值的频率作为定位频率，根据所述至少一分割频点将所述定位频率分成至少两个频率分量；
扫描模块，用于调整方向角(θn)和俯仰角
扫描监视区域/空间域；
波束计算模块，用于基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率；
预估模块，用于根据所述波束输出功率和功率判断值(PTh)比较确定筛选方向，并在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
7.根据权利要求5所述的多声源定位系统，其特征在于，还包括加权处理模块，用于基于粒子群算法(PSO)，对所有波束输出进行自适应加权。
8.一种传声器阵列，其特征在于，连接至终端装置，所述传声器阵列包括至少小孔径子阵列(UCA1)以及大孔径子阵列(UCA2)，所述小孔径子阵列以及大孔径子阵列阵元数目均为M，每一子阵列的阵元沿圆周均匀分布，子阵列之间为共圆心的同心圆，所有子阵列的阵元分布在相同平面上，
其中，同心圆传声器阵列所有阵元采样多声源(N)的声源信号并传送给所述终端装置；
所述终端装置接收所述声源信号，并将所述声源信号从时域转换为频域，所述终端装置对所述频域进行频点分类成至少两个频率分量；所述终端装置调整方向角和俯仰角对监视区域/空间域进行扫描；扫描时，基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率，所述终端装置根据所述波束输出功率和功率判断值(PTh)比较确定筛选方向；在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
9.一种终端装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器连接同心圆传声器阵列，所述传声器阵列的阵元沿圆周均匀分布，所有子阵列的阵元分布在相同平面上，
所述计算机程序包括信号处理模块、扫描模块、频点分类模块、波束计算模块以及预估模块；
所述信号处理模块用于获取同心圆传声器阵列所有阵元(M)采样多声源(N)的声源信号，并将所述声源信号从时域转换为频域；
所述频点分类模块用于根据阈值以及至少一分割频点，将幅值大于所述阈值的频率作为定位频率，根据所述至少一分割频点将所述定位频率分成至少两个频率分量；
所述扫描模块，用于调整方向角(θn)和俯仰角
扫描监视区域/空间域；
所述波束计算模块用于基于延时求和波束形成算法(DSB)，计算所有频率分量的波束输出以及波束输出功率；
所述预估模块用于根据所述波束输出功率和功率判断值(PTh)比较确定筛选方向，并在完成扫描后，根据精度要求从若干筛选方向中确定声源方向。
10.根据权利要求9所述的终端装置，其特征在于，所述计算机程序还包括加权处理模块，用于基于粒子群算法(PSO)，对所有波束输出进行自适应加权。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111396343.0A CN114114153B (zh) | 2021-11-23 | 2021-11-23 | 一种多声源定位方法、系统、传声器阵列以及终端装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111396343.0A CN114114153B (zh) | 2021-11-23 | 2021-11-23 | 一种多声源定位方法、系统、传声器阵列以及终端装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114114153A true CN114114153A (zh) | 2022-03-01 |
| CN114114153B CN114114153B (zh) | 2024-08-13 |
Family
ID=80440162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111396343.0A Active CN114114153B (zh) | 2021-11-23 | 2021-11-23 | 一种多声源定位方法、系统、传声器阵列以及终端装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114114153B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115662383A (zh) * | 2022-12-22 | 2023-01-31 | 杭州爱华智能科技有限公司 | 主声源删除方法及系统、多声源识别方法及系统、装置 |
| CN116482035A (zh) * | 2023-06-21 | 2023-07-25 | 之江实验室 | 一种基于柔性超声探头的光声断层成像方法及装置 |
| CN117148274A (zh) * | 2023-08-30 | 2023-12-01 | 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) | 一种水下目标测向定位方法及系统 |
| CN117289208A (zh) * | 2023-11-24 | 2023-12-26 | 北京瑞森新谱科技股份有限公司 | 一种声源定位方法和装置 |
| CN118191734A (zh) * | 2024-05-16 | 2024-06-14 | 杭州爱华仪器有限公司 | 一种多声源定位方法、装置、程序、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109997375A (zh) * | 2016-11-09 | 2019-07-09 | 西北工业大学 | 同心圆差分麦克风阵列及相关波束形成 |
| CN112034418A (zh) * | 2020-09-15 | 2020-12-04 | 北京中电慧声科技有限公司 | 基于频域Bark子带的波束扫描方法及声源定向装置 |
| CN113470610A (zh) * | 2021-06-25 | 2021-10-01 | 哈尔滨工业大学（深圳） | 噪声控制方法、装置、存储介质和计算机设备 |
-
2021
- 2021-11-23 CN CN202111396343.0A patent/CN114114153B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109997375A (zh) * | 2016-11-09 | 2019-07-09 | 西北工业大学 | 同心圆差分麦克风阵列及相关波束形成 |
| CN112034418A (zh) * | 2020-09-15 | 2020-12-04 | 北京中电慧声科技有限公司 | 基于频域Bark子带的波束扫描方法及声源定向装置 |
| CN113470610A (zh) * | 2021-06-25 | 2021-10-01 | 哈尔滨工业大学（深圳） | 噪声控制方法、装置、存储介质和计算机设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115662383A (zh) * | 2022-12-22 | 2023-01-31 | 杭州爱华智能科技有限公司 | 主声源删除方法及系统、多声源识别方法及系统、装置 |
| CN116482035A (zh) * | 2023-06-21 | 2023-07-25 | 之江实验室 | 一种基于柔性超声探头的光声断层成像方法及装置 |
| CN116482035B (zh) * | 2023-06-21 | 2023-11-17 | 之江实验室 | 一种基于柔性超声探头的光声断层成像方法及装置 |
| CN117148274A (zh) * | 2023-08-30 | 2023-12-01 | 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) | 一种水下目标测向定位方法及系统 |
| CN117289208A (zh) * | 2023-11-24 | 2023-12-26 | 北京瑞森新谱科技股份有限公司 | 一种声源定位方法和装置 |
| CN117289208B (zh) * | 2023-11-24 | 2024-02-20 | 北京瑞森新谱科技股份有限公司 | 一种声源定位方法和装置 |
| CN118191734A (zh) * | 2024-05-16 | 2024-06-14 | 杭州爱华仪器有限公司 | 一种多声源定位方法、装置、程序、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114114153B (zh) | 2024-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114114153B (zh) | 一种多声源定位方法、系统、传声器阵列以及终端装置 | |
| CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
| CN109932689A (zh) | 一种适用于特定定位场景的任意阵列优化方法 | |
| CN109459744B (zh) | 一种实现多干扰抑制的稳健自适应波束形成方法 | |
| Guldogan et al. | Multi-target tracking with PHD filter using Doppler-only measurements | |
| CN110967673B (zh) | 一种多域联合抗主瓣干扰方法 | |
| CN109358317A (zh) | 一种鸣笛信号检测方法、装置、设备及可读存储介质 | |
| CN111537982A (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
| CN110736976B (zh) | 一种任意阵形的声纳波束形成器性能估计方法 | |
| CN110095755B (zh) | 一种声源定位方法 | |
| CN114428236A (zh) | 一种车载毫米波雷达角度置信度估计方法 | |
| Fuchs et al. | Model order estimation using a multi-layer perceptron for direction-of-arrival estimation in automotive radar sensors | |
| CN111175694B (zh) | 基于副瓣对消系数的干扰源测向方法 | |
| CN117368840A (zh) | 一种基于四阶累积量的矢量声成像方法及系统 | |
| Li et al. | Performance analysis for focused beamformers in passive underwater acoustic localization | |
| Ma et al. | Spatiotemporal two-dimensional deconvolution beam imaging technology | |
| CN109669172B (zh) | 基于主瓣内强干扰抑制的弱目标方位估计方法 | |
| CN112630760A (zh) | 多目标条件下的强干扰抑制波束形成器设计方法 | |
| CN115201821B (zh) | 基于强目标成像对消的小目标检测方法 | |
| CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
| CN113960592B (zh) | 一种共形阵列低旁瓣波束形成方法 | |
| CN112083423B (zh) | 一种多基地声源高精度定位方法 | |
| Xue et al. | Robust beam-forming method based on conjugate virtual array | |
| CN107167809A (zh) | 一种基于信号子空间聚焦的宽带阻塞阵波束形成方法 | |
| Yang et al. | A fast deconvolution method for multiple sound source localization based on Hilbert curve |
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 |