分布式麦克风阵列定位方法研究

分布式麦克风阵列定位方法研究（共2篇）

分布式麦克风阵列定位方法研究 篇1

声音历来是人们广泛使用的信息载体, 作为一种重要的信息资源, 是信号与信息处理领域的一个重要研究内容。而声音信息采集工具———麦克风是其中的一个研究方向。单个麦克风具有声音拾取范围有限和噪声抑制能力弱等缺点, 无法满足日益增长的语音通信质量要求。麦克风阵列在时域和频域的基础上增加了空间域, 对声音信息的处理能力增强, 成为众多高质量语音通信应用的首选目标。

麦克风阵列声源定位是利用麦克风阵列拾取高质量的声音信号, 再结合声源和阵列结构之间的关系, 得到一个或者多个声源的位置信息, 为人们更好地利用声音提供帮助。相比传统的雷达定位技术, 麦克风阵列声源定位具有隐蔽性好、不易受干扰等优势, 应用前景广阔。特别是在军事应用方面, 现有的麦克风阵列声源定位系统已经显示出极大的优越性, 引起了许多国家军方的高度重视。

2 麦克风阵列声源定位系统研究概况

近年来, 基于麦克风阵列的声源定位研究一直是非常活跃的研究课题。许多国家如美国、法国、意大利、以色列和加拿大等相继开展了这方面的研究工作并卓有成效。研制的很多麦克风阵列声源定位系统已经广泛应用于社会生活的各种场合, 发挥着极其重要的作用。

在军事及警用领域, 美国、法国及以色列等国家多次投入经费, 研究和开发基于固定麦克风阵列的枪声探测系统, 并在伊拉克战争中展现出出色的探测能力。AAI公司的PDCue系统将麦克风安装在车辆的四角, 可以提供低轮廓和360度的态势感知能力。在任何环境下, PDCue系统都可以根据单发、多发和点射枪声迅速定位并跟踪枪声来源。BBN公司研发的Boomrange系统利用八元球形麦克风阵来进行枪口口径、子弹速度及弹道轨迹的估计, 并能得到狙击手的距离, 且方位角的平均精度为1.2°, 俯仰角为3°, 距离为1.6%。南加州大学等学校针对现有雷达系统难以发现低空直升机的弱点正积极研发相关声源定位系统, 目前已取得较大进展。

国内近几年也在麦克风阵列声源定位方面进行了大量研究, 受到国防科技重点实验室基金和国家自然科学基金的支持, 并已取得了一定的成果。其中炮用立靶声定位系统列入国家军用标准, 弹头落点定位系统和敞开型胸环靶系统也已通过鉴定并列入国家军用标准。

3 基于麦克风阵列声源定位算法研究现状

麦克风阵列声源定位是利用麦克风阵列拾取高质量的声音信号, 再结合声源和阵列结构之间的关系, 得到一个或者多个声源的位置信息。它是阵列信号处理的一个新兴分支, 继承和发展了许多传统的阵列信号处理算法。

目前广泛使用的声源定位算法分为三类:基于波束形成的定位算法、基于高分辨率谱估计的定位算法和基于到达时延差 (TDOA:Time Difference of Arrival) 定位算法。其中, 基于波束形成的定位算法是采用波束形成技术, 调节麦克风阵列的接收方向, 以网格搜索的方式在整个接收空间进行扫描, 使麦克风阵列所形成的波束对准信号源, 从而获得最大的输出功率点。它是出现较早的定位方法之一, 盲波束形成技术是这类算法中新的研究内容。基于高分辨率谱估计的定位算法用求解阵列接收信号的协方差矩阵的方法获得空间谱函数, 再由此信息进行声源定位, 广泛使用的算法有MUSIC、ESPRIT、子空间拟合等。

基于到达时延差的方法计算相对较简单, 是实际应用最广泛的一种定位方法, 近年来发展很快。互相关法是出现最早使用最广泛的一种时延估计算法。布朗大学于1995年实现了一个实时声源定位系统, 该系统采用相位变换的时延估计算法和线性插值方位估计算法。1997年新泽西州立大学采用相位变换法作为时延估计和非闭合的方向搜索算法进行实时的声源定位。佐治亚理工大学电子与计算机工程系Yiteng Huang于2001年采用自适应特征值分解算法 (AEDA Adaptive Eigenvalue Decomposition Algorithm) 对时延进行估计, 用线性校正最小二乘法来估计声源方位。

4 展望

基于麦克风阵列的声源定位研究最早起源于80年代, 近年来由于其在语音处理方面具备的独特优势, 已经取得了很大的进展, 但随着麦克风阵列应用的进一步加深, 也涌现出很多需要研究解决的问题:一是, 小孔径阵列的各种抗干扰研究和声源定位精度提高。二是, 分布式麦克风阵列, 在任意布阵的情况下, 不依赖固定结构来实现声源定位。三是, 降低算法复杂度, 提高算法和硬件平台的兼容性。随着研究的进一步深入, 麦克风阵列声源定位必定会具备越来越广阔的应用前景。

摘要：基于麦克风阵列的声源定位是利用麦克风阵列拾取声音信号, 再结合声源和阵列结构之间的关系, 得到一个或者多个声源的位置信息, 为人们更好地利用声音提供帮助。麦克风阵列声源定位技术具有隐蔽性好、不易受干扰等优势, 应用前景广阔。

关键词：麦克风阵列,声源定位,现状,问题

参考文献

[1]J.Z.Stafsudd, S.Asgari, R.Hudson K.Yao, E.Taciroglu.Localization of shortrange acoustic and seismic wideband sources:Algorithms and experiments, Journal of Sound and Vibration, 2008, 312, 74-93.

[2]Valin J M, Michaud F, Rouat J.Robust.localization and tracking of simultaneous moving sound sources using beamforming and particle filtering.Robotics and Autonomous Systems Journal, 2007, 55 (3) :216-228.

[3]J.Millet and B.Balingand.Latest achievements in gunfire detection systems, In proc.of the RTO-MP-SET-107 Battlefield Acoustic Sensing for ISR Applications, Neuilly-sur-Seine, France, 2006.

分布式麦克风阵列定位方法研究 篇2

本文在ESB-PCMV算法的基础上研究近场传声器阵列波束形成优化,通过自适应施加虚拟干扰来对距离图和方向图优化。

1 优化算法描述

远场近似在r=2d2/λ以外生效,r为声源到基阵的距离,d为最大阵列孔径,λ为工作波长,对于低旁瓣或零深陷的复杂波束,则需要r=10d2/λ或更大的距离,所以当r不大时用平面波模型来处理接收信号,将导致波束形成错误。

考虑由M个传感器组成的阵列,接收位于基阵近场中的声源S入射的信号,取阵列的几何中心或某个阵元为坐标原点,设S点和坐标原点之间的距离为r,方位角和俯仰角分别θ、φ,第m(m=1,2,...,M)个阵元坐标为(xm,ym,zm),到原点的距离为rm,假设共有p(p≤M)个信号为于近场,则第m个阵元与第i(i=1,2,...,p)个信号源之间的距离dm,i可表示为

那么通过第二部分近场声波传播模型可得到基阵对位于其近场中的声源信号方向上阵列响应矩阵为

阵元上的感应信号用向量表示为

由阵列响应矩阵(2)可以看出,通过对阵列方向和距离补偿进行定点波束形成,近场定点波束形成算法使阵列输出在期望信号点位置形成波束并在干扰点位置上形成零陷,由仿真结果可以看出距离图1对期望信号距离形成波束,对干扰信号可以有效的抑制;方向图2对期望信号方向形成波束,对干扰信号形成零陷,所以可以通过施加不同于期望信号方向的干扰实现方向图旁瓣压低,通过施加不同于期望信号距离的干扰实现距离图旁瓣抑制,零陷深度一般比旁瓣高度低很多,而且随干扰信号强度增大而加深,变化曲线如图3,应用这个特性,可以通过加宽虚拟干扰点位置实现对旁瓣的压低,可以采用迭代算法不断施加干扰的方法调整权值矢量w,来压低旁瓣,控制阵列的输出距离图和方向图,阵列的初始值为ESB-PCMV算法计算的权值,获得距离图和方向图后,在方向图旁瓣极大值施加相应方向的干扰,在距离图旁瓣极大值处施加相应距离的干扰,干扰功率随SIR变化而变化,重新计算权值,重复迭代直到获得最优的波束图。

干扰信号距离4m,5m

为了简化算法,便于仿真对比,本文仅针对一个方向角θ与距离r进行优化,即φ=90°时,同样实用三维情况。

假设期望信号(rd,θd,φd),功率为Pd,第n个虚拟干扰信号(rin,θin,φin),功率为Pin,各阵元及相应接收通道中存在高斯白噪声,功率为σ2,搜寻波束图旁瓣极大值点对应的距离和方向,在该方向上施加干扰信号,通过调节信干比(SIR)来控制干扰信号的强度,进而控制方向和距离波瓣的高度,图1为ESB-PCMV算法干扰零陷深度随SIR变化曲线图。

对于第k次迭代,施加在rin,θin位置上的第n个干扰信号的SIR定义为

当前要求的旁瓣电平为

第k+1次迭代,在搜索到的极大值方向上施加干扰,强度为

式中K为迭代增益,p(rin,θin,k)为实际旁瓣电平。

对于N个干扰信号,第k个阵元接收信号为

式中e(n)为噪声。

阵元接收信号协方差矩阵为

由ESB-PCMV算法计算最佳权向量为

式中μ=1/α(rd,θd,ψd)R-1newα(rd,θd,φd),初始矢量协方差矩阵Rxx,计算出初始值ω=μR-1newα(rd,θd,φd)及初始方向图,然后进入迭代过程,每次迭代调整干扰信号强度,并计算权值,直到获得最优波束图。

为了使迭代算法收敛,主瓣区要随迭代次数的增加而扩大,所以在每次迭代度要改变主瓣和旁瓣的宽度。自适应干扰迭代算法有两个最重要的性质:首先是阵列对干扰信号的响应取决于干扰信号的强度,干扰信号越强,自适应调节后的方向图在干扰信号方向上的零陷越深;其次就是M元自适应天线阵有M-1个自由度,其中一个自由度用于对期望信号形成波束,其余的M-2自由度则用来在M-2个干扰信号方向上形成零陷。如果干扰信号个数超过M-2个,自适应天线将无法在各个干扰方向上形成零陷,但可以自适应地调节方向图使干扰信号功率在输出中最小,所以自适应干扰迭代算法不局限于阵元数目,由下面的仿真可以说明。

2 计算机仿真

考虑16阵元模型,阵列为一维等间距阵列,各阵元间距d=λ/2,信干比为SIR=-10d B迭代,SNR=10d B,期望信号(3m,-30°),首先用ESB-PCMV算法计算初始权值,然后分别迭代10、50、100次自适应施加虚拟干扰迭代,结果如图4,图5所示。

迭代之前干扰信号为(2.4m,10°)和(4m,40°),由方向图4和距离图5可以看出,随着迭代次数的增加,基于SIR自适应施加干扰算法旁瓣高电平极值不断减少,当迭代50次后,已接近收敛波束图,与迭代100次波束图相当,所以对于确定的环境,SIR自适应施加干扰算法方法并不能无限优化旁瓣电平,如果强行要求压低旁瓣高度的话,会使阵列最终波束图发散,无解,与往常给定旁瓣高度来优化不同,本文基于收敛条件下,使波束图旁瓣达最低。

3 结束语

本文在近场定点波束形成算法的基础上研究传声器阵列波束形成优化,通过自适应施加虚拟干扰方法压低距离图和方向图旁瓣,与二次约束强行压低副瓣不同,本文基于加权系数收敛条件下对旁瓣进行优化,该方法比较直观,具有很强的实用价值。

摘要：为了有效的抑制干扰和噪声,该文在近场定点波束形成算法的基础上,研究麦克风阵列输出距离图和方向图的优化,通过施加不同距离和方向的虚拟干扰,来压低距离图和方向图的旁瓣,干扰强度随给定位置旁瓣高度而自适应的调整,最终实现阵列对期望信号形成的波束图优化,计算机仿真结果证明了该方法的正确性和有效性。

关键词：近场,定点,波束形成,优化

参考文献

[1]Brandstein M,Word D.Microphone Arrays:Signal Processing Techniques and Applications[M].Berlin,Springer.2001,3-17.

[2]Lebret H,Boyd s.Antenna array pattern synthesis via convex optimization.IEEE Transactions on Signal Processing,1997,45(3):526-532.

[3]Liu J,Gershman A B,Luo Z Q,et al.Adaptive beamforming with sidelobe control using second-order cone programming.Sensor Arrayand Multichannel Signal Processing Workshop Proceedings.Rosslyn,VA:August 4-6,2002:461-464.

[4]Wu R,Bao Z,Ma Y.Control of peak sidelobe level in adaptive arrays.IEEE Transactions on Antennas and Propagation,1996,44(10):1341-1347.

[5]OL EN C A,COMPTON R T.A numerical pattern synthesis algorithm for arrays[J].IEEE Trans Antennas and Propagation,1990,38(10):1666-1676.

[6]郭祺丽,孙超.近场波束形成的约束最小平方和法.声学技术.2006,25(2):140-144.

[7]Ryan J G,Goubran R A.Array optimization applied in the near field of a microphone array.IEEE Transactions on Speech and AudioProcessing,2000,8(2):174-176.

[8]Argentieri S,Danes P,Soueres P.Modal analysis based beamforming for nearfield or farfield speaker localization in robotics.IEEE In-ternationa Conference on Intelligent Robots and Systems,2006:866-871.