基于四元十字陣的聲源定位終期報(bào)告

1、信號(hào)課外設(shè)計(jì)制作總結(jié)報(bào)告題 目： 信號(hào)-微弱聲源定位系統(tǒng) 組 號(hào)： B28 組 長(zhǎng)： 14120763宛加明 張海燕 20% 成 員： 14121596 曾清清 陳俊麗 20% 成 員： 14121572 葉善云 陳俊麗 20% 成 員： 14120946 曾慶權(quán) 張海燕 20% 成 員： 13121253 馬文輝 孫曉嵐 20% 聯(lián)系方式：二零一六年 五月二十日一、實(shí)驗(yàn)要求 設(shè)計(jì)要求一）設(shè)計(jì)要求   設(shè)計(jì)微弱聲源定位系統(tǒng)，要求： （1） 聲源功率盡量??； （2） 寫出數(shù)學(xué)模型，說明詳細(xì)算法；   (3)  能夠現(xiàn)場(chǎng)演

2、示。評(píng)分依據(jù)（1） 功能實(shí)現(xiàn)；（2） 性能指標(biāo)；（3） 工程規(guī)范（軟件規(guī)范、可靠性等）；（4） 理論水平；（5） 團(tuán)隊(duì)分工合作情況。在確定了項(xiàng)目小組之后，我們組的組員一起討論了該如何實(shí)現(xiàn)這個(gè)微弱聲源定位系統(tǒng)并進(jìn)行了分工，經(jīng)過我們的討論之后，我們大致把項(xiàng)目設(shè)計(jì)分為如下幾個(gè)過程： 1搞懂設(shè)計(jì)方案的原理，利用所學(xué)知識(shí)以及上網(wǎng)查找資料， 初步確定設(shè)計(jì)的方向。 2 分析這個(gè)項(xiàng)目的功能要求，一起討論并編寫代碼。 3利用代碼使用MATLAB進(jìn)行實(shí)驗(yàn)，對(duì)一些地方進(jìn)行修改加工。 4進(jìn)行最后的調(diào)整，然后纂寫報(bào)告。 二、實(shí)驗(yàn)原理1 概述本實(shí)驗(yàn)采用的環(huán)境為Matlab

3、，核心算法為四元十字算法。聲源定位基本原理是將傳聲器在空間布置成一定幾何形狀的陣列，以接收目標(biāo)噪聲的聲場(chǎng)信息，通過檢測(cè)或計(jì)算各傳聲器所測(cè)得的信號(hào)的時(shí)延來(lái)確定目標(biāo)的位置。對(duì)于無(wú)方向性傳聲器，各個(gè)傳聲器接收到同一聲源的信號(hào)先后，反映了聲源所在傳聲器連線的方向和距離。 聲學(xué)陣列的設(shè)計(jì)在被動(dòng)聲定位中具有十分重要的意義。采用的傳聲器陣列可分為線陣、面陣和立體陣。對(duì)于固定式陣列，線陣由于其軸對(duì)稱性，故在定位時(shí)會(huì)造成空間模糊。立體陣可以對(duì)整個(gè)空間進(jìn)行定位，但其算法要復(fù)雜的多。面陣可以在整個(gè)平面對(duì)目標(biāo)進(jìn)行定位，也可以對(duì)陣列所在平面為界的半個(gè)空間進(jìn)行定位。一般要對(duì)目標(biāo)進(jìn)行定位，至少需要四個(gè)陣元組成的聲傳感器陣列

4、。由于十字形陣列具有分維持性(指二維參量可分開估計(jì))，且陣列冗余度也較小，因此，平面十字陣是較為合適的陣形。2.四元十字算法原理 平面四元十字陣進(jìn)行分析。 對(duì)十字形聲傳感器陣列，可建立如圖3.1.1所示的直角坐標(biāo)系。四個(gè)陣元的坐標(biāo)分別為S1 (D /2,0,0) , S2(0, D / 2,0) , S3 (-D / 2,0,0) , S4 (0,-D / 2,0)，設(shè)目標(biāo)聲源的直角坐標(biāo)為(x, y, z)、球坐標(biāo)為(r, , )，即目標(biāo)到坐標(biāo)原點(diǎn)的距離為r，方位角為，俯仰角為 ，D為十字陣對(duì)角線陣元之間的距離 。 假設(shè)目標(biāo)為點(diǎn)聲源，目標(biāo)產(chǎn)生的聲源以球面波形式傳播，聲源到達(dá)陣元S1的傳播時(shí)間為

5、t1，相對(duì)于S1聲源到達(dá)陣元S2 , S3 ， S4的時(shí)延分別為 12， 13 ，14。目標(biāo)到坐標(biāo)原點(diǎn)的距離為r，俯仰角為(0<=<=90)，方位角為(0<=<=90)與時(shí)延 12， 13 ， 14及陣元間距D的關(guān)系式可推導(dǎo)如下:(設(shè)C為聲速) 球坐標(biāo)和直角坐標(biāo)之間的互化 。如式：求解方程式，消去x，y，z可得出目標(biāo)距離，方位角和俯仰角，得出結(jié)果。 3. 時(shí)延估計(jì) 常用的時(shí)延估計(jì)方法有廣義互相關(guān)法(Gcc )、互功率譜相位法(csP )、自適應(yīng)濾波法和參量模型法等多種方法,廣義相互函數(shù)法、互功率譜相位法、自適應(yīng)濾波法和參量模型法等幾種方法中，互功率譜相位法由于目標(biāo)信號(hào)頻

6、率較低，實(shí)時(shí)性要求高，最小二乘擬合次數(shù)不能太高，故估計(jì)精度一般不高。自適應(yīng)濾波法運(yùn)算速度快，但點(diǎn)聲源干擾對(duì)其估計(jì)精度影響較大。廣義互相關(guān)法具有較好的綜合性能，它是目前人們關(guān)注較多的時(shí)延估計(jì)方法。廣義互相關(guān)法(GCC) 互相關(guān)，顧名思義是通過求兩路信號(hào)的互相關(guān)來(lái)估計(jì)時(shí)延D 。 x1 (t) , x2 (t)互相關(guān)函數(shù)為: 由式(4. 1. 3)可知，x1(t) , x2(t)互相關(guān)函數(shù)取最大值時(shí)，Rss( - D)也取最大值，又因?yàn)镽ss(-D) < =Rss(0)，所有取得最大值的時(shí)候的即為時(shí)延D. 由于觀察時(shí)間受限，所以求得的互相關(guān)只是一個(gè)估計(jì)值，記為Rx1x2()在各態(tài)歷經(jīng)的過程中，

7、定義為:4. 定位算法5. 偽隨機(jī)白噪聲產(chǎn)生 仿真過程中要人為的加入噪聲干擾，以模擬目標(biāo)的運(yùn)動(dòng)噪聲和觀測(cè)噪聲。在仿真中加入的噪聲一般為高斯隨機(jī)白噪聲。其產(chǎn)生方法有三種:第一種利用專門的隨機(jī)數(shù)表:第二種利用物理裝置產(chǎn)生隨機(jī)噪聲;第三種利用計(jì)算機(jī)通過數(shù)學(xué)方法獲得，即運(yùn)用專門的程序產(chǎn)生偽隨機(jī)噪聲。前面兩種由于其固有的缺陷而降低了其使用價(jià)值，后一種由于其靈活方便，在計(jì)算機(jī)仿真中被廣泛應(yīng)用(s。嚴(yán)格說來(lái)計(jì)算機(jī)生成的隨機(jī)數(shù)顯然不是真正的隨機(jī)數(shù)，因?yàn)樗傻姆绞绞峭耆_定的，所以常把這種隨機(jī)數(shù)稱為偽隨機(jī)數(shù)。一般偽隨機(jī)數(shù)個(gè)數(shù)遠(yuǎn)小于它的周期長(zhǎng)度，可以當(dāng)作隨機(jī)數(shù)來(lái)使用。在matlab中可以直接用命令來(lái)產(chǎn)生偽隨機(jī)白

8、噪聲。 三、代碼展示clearfs=10000;%頻率t=0:1/fs:4-1/fs;din,fs,nbits=wavread('ao');% 載入音頻數(shù)據(jù)音頻，采樣頻率，采樣精度轉(zhuǎn)換成變量R=100;%球坐標(biāo)：聲源位置Fi=30;%聲源方位角Sita=45;%聲源俯仰角fi=Fi/90*pi/2;%換成小數(shù)sita=Sita/90*pi/2;%換成小數(shù)D=20;C=340;%聲速mx=R*sin(sita)*cos(fi);%球坐標(biāo)與直角坐標(biāo)：轉(zhuǎn)化聲源x坐標(biāo)my=R*sin(sita)*sin(fi);%聲源y坐標(biāo)mz=R*cos(sita);%聲源z坐標(biāo)mr1=sqrt(m

9、x-D/2)2+my2+mz2);%與麥克風(fēng)1的距離md12=sqrt(mx2+(my-D/2)2+mz2)-mr1;%與麥克風(fēng)1，2的距離之差md13=sqrt(mx+D/2)2+my2+mz2)-mr1;%與麥克風(fēng)1，3的距離之差md14=sqrt(mx2+(my+D/2)2+mz2)-mr1;%與麥克風(fēng)1，4的距離之差mt12=md12/C;%1,2時(shí)間差mt13=md13/C;%1,3時(shí)間差mt14=md14/C;%1,4時(shí)間差md=round(fs*mt12 mt13 mt14);%取整%md=(fs*mt12 mt13 mt14);dmax=max(md);%返回最大值%*互相關(guān)法

10、延時(shí)估計(jì)*8x1=din(2*dmax:fs+2*dmax-1);%將信號(hào)截取x2=din(2*dmax-md(1):fs+2*dmax-md(1)-1);x3=din(2*dmax-md(2):fs+2*dmax-md(2)-1);x4=din(2*dmax-md(3):fs+2*dmax-md(3)-1); sx=size(x1);%當(dāng)a是一個(gè)n維行向量時(shí)，size（x1）把其當(dāng)成一個(gè)1×44100的矩陣，因此size（a）的結(jié)果是44100tx=1:sx(2);y1=awgn(x1,10,'measured');%在某一信號(hào)中加入高斯白噪聲 'measu

11、red'，函數(shù)將在加入噪聲之前測(cè)定信號(hào)強(qiáng)度。 y2=awgn(x2,10,'measured');% 所謂高斯白噪聲中的高斯是指概率分布是正態(tài)函數(shù)，而白噪聲是指它的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。y3=awgn(x3,10,'measured');%這是考察一個(gè)信號(hào)的兩個(gè)不同方面的問題。高斯白噪聲：如果一個(gè)噪聲，它的幅度服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。熱噪聲和散粒噪聲是高斯白噪聲。y4=awgn(x4,10,'measured'); cor12=xcorr(y1,y2);%xco

12、rr是來(lái)估計(jì)隨機(jī)過程中的互相關(guān)序列max120,id120=max(cor12);%找出cor12的最大值以及對(duì)應(yīng)的時(shí)間點(diǎn) d120=sx(2)-id120;%計(jì)算與中心點(diǎn)相差的樣點(diǎn)數(shù) t120=d120/fs;%計(jì)算與中心點(diǎn)相差的樣點(diǎn)數(shù)對(duì)應(yīng)的時(shí)間即為時(shí)延 cor13=xcorr(y1,y3);%在Matalb中，求解xcorr的過程事實(shí)上是利用Fourier變換中的卷積定理進(jìn)行的，即R(u)=ifft(fft(f)×fft(g)，其中×表示乘法（注：此公式僅表示形式計(jì)算，并非實(shí)際計(jì)算所用的公式） max130,id130=max(cor13); d130=sx(2)-id

13、130; t130=d130/fs; cor14=xcorr(y1,y4); max140,id140=max(cor14); d140=sx(2)-id140; t140=d140/fs; %*估計(jì)目標(biāo)位置* gR=C/2*(t1202+t1402-t1302)/(t130-t120-t140);%估算與原點(diǎn)距離 gfi=atan(t140-t120)/t130);%估算方位角 gsita=asin(C/D*sqrt(t120-t140)2+t1302);%估算俯仰角 Gfi=gfi*180/pi;%估算方位角 Gsita=gsita*180/pi;%估算俯仰角 Mx=gR*sin(gsit

14、a)*cos(gfi);My=gR*sin(gsita)*sin(gfi);Mz=gR*cos(gsita); disp(''); disp('原目標(biāo)位置（距離，方位角，俯仰角）：'); disp(R,Fi,Sita); disp('估算的目標(biāo)位置（距離，方位角，俯仰角）：'); disp(gR,Gfi,Gsita); t=0:0.1:100; point1=mx,my,mz; point2=Mx,My,Mz;figure(1)plot3(10,0,0,'-pentagram','markersize',8);%傳

15、感器hold on;plot3(0,10,0,'-pentagram','markersize',8);%傳感器hold on;plot3(-10,0,0,'-pentagram','markersize',8);%傳感器hold on;plot3(0,-10,0,'-pentagram','markersize',8);%傳感器hold on;plot3(point1(:,1),point1(:,2),point1(:,3),'r*');%信號(hào)源hold on;plot3(poin

16、t2(:,1),point2(:,2),point2(:,3),'k*');%估計(jì)目標(biāo)hold on;legend('傳感器1','傳感器2','傳感器3','傳感器4','信號(hào)源','信號(hào)源位置估計(jì)值');grid on;四、模擬圖例五 、制作體會(huì)1、遇到的困難 當(dāng)我們拿到題目的時(shí)候，我們的第一想法就是用多個(gè)麥克風(fēng)放在不同地方來(lái)接受聲音，然后根據(jù)每個(gè)麥克風(fēng)接受到的信息所用的時(shí)間的不算出到每個(gè)麥克風(fēng)的距離，然后再經(jīng)過計(jì)算來(lái)確定聲源位置。經(jīng)過我們小組所有人的查詢，以及討論決定用四元十字

17、陣的方法來(lái)定位，即用四個(gè)麥克風(fēng)呈矩形放置來(lái)定位。于是我們?cè)诰W(wǎng)上搜索加上自己的一些想法，初步寫出了一個(gè)matlab的代碼，運(yùn)行時(shí)發(fā)現(xiàn)許多語(yǔ)法錯(cuò)誤，在小組的的討論以及請(qǐng)教別人的情況下，最終改好了代碼，但是當(dāng)我們運(yùn)行的時(shí)候我們發(fā)現(xiàn)我們需要四個(gè)麥克風(fēng)但是我們沒有，而且每臺(tái)筆記本如果不加特殊的設(shè)備的話最多裝一個(gè)或者兩個(gè)麥克風(fēng)（根據(jù)電腦的不同），這就需要兩臺(tái)筆記本以上。但是如果用兩臺(tái)以上筆記本，就會(huì)沒法使兩臺(tái)同時(shí)打開麥克風(fēng)。然后就會(huì)產(chǎn)生很大的差距?？隙o(wú)法準(zhǔn)確的定位。同時(shí)我們也聽到其他小組類似的想法，但在實(shí)現(xiàn)過程中，麥克風(fēng)接收信號(hào)有一些時(shí)間誤差，加上噪音的影響，使定位很不準(zhǔn)確。于是經(jīng)過討論。我們小組覺得聲

18、速太快但距離短有一點(diǎn)時(shí)間誤差的話就會(huì)產(chǎn)生很大的偏離，用現(xiàn)實(shí)定位肯定有很大的差距。于是我們就想用模擬位置來(lái)定位，輸入一段語(yǔ)音，然后再模擬一個(gè)聲源，然后再運(yùn)行我們的算法，來(lái)測(cè)試聲源與傳感器的距離，方位角，俯仰角。然后在matlab中模擬出傳感器，聲源，聲源預(yù)估的位置。有了想法就開始行動(dòng)，經(jīng)過多方面的查詢以及小組內(nèi)討論，最終編寫了一份music算法的代碼，基本實(shí)現(xiàn)了功能2、制作感受 在完成項(xiàng)目的過程中最大的感受就是課堂上的理論可能看起來(lái)并不是很難，但是要想活學(xué)活用卻還有很長(zhǎng)的路要走。在實(shí)際的項(xiàng)目制作中要嚴(yán)謹(jǐn)，一個(gè)細(xì)節(jié)的出錯(cuò)都可能會(huì)造成不可預(yù)估的錯(cuò)誤，而且還會(huì)給實(shí)驗(yàn)帶來(lái)很大的難度。在設(shè)計(jì)項(xiàng)目的時(shí)候我們?cè)诒ＷC嚴(yán)謹(jǐn)?shù)耐瑫r(shí)還要有足夠的自信，相信自己的判斷力，當(dāng)然這要是在有理論支撐的基礎(chǔ)上的。我們要敢于嘗試，敢于編寫代碼，計(jì)算公式，代碼，得出的效果都從測(cè)試中得來(lái)。遇到困難的時(shí)候要敢于不斷嘗試，有足夠的耐心去尋找錯(cuò)誤，適當(dāng)?shù)臅r(shí)候還可以尋求老師同學(xué)的