1 简介 声源定位是许多领域里的一个基本问题.声源定位技术的研究一直是个研究热点,涉及到很多技术领域,如声学,信号检测,数字信号处理等,有着广阔的应用前景.目前,该技术在仿人智
1 简介
声源定位是许多领域里的一个基本问题.声源定位技术的研究一直是个研究热点,涉及到很多技术领域,如声学,信号检测,数字信号处理等,有着广阔的应用前景.目前,该技术在仿人智能机器人上的应用还不是很多.而其作为一种重要的人机交互方式,能够与视觉交互完美结合,弥补其不足. 通过对各种声源定位技术的研究和比较,基于到达时延差(TDOA,Timedelay of arrival)的声源定位技术比较适用.该技术方法的原理不是很复杂,无需很大的计算量,而且实现这种技术的困难较小.对这种技术的研究目前也比较成熟,有着大量的应用.因而对于本课题的研究而言,是一种不错的选择.使用TDOA技术,需要完成两个阶段的工作:前一阶段运用时延估计算法估算出声源信号到达各个麦克风之间的TDOA值,即时间差;第二阶段根据得到的TDOA值,结合阵列几何结构关系和空间位置关系,使用空间定位方法来估算声源的位置.能否得到高精度的TDOA值对整个过程的正确完成相当重要.传统的GCC算法就是该技术中的一种比较经典的方法.该方法能够快速有效的对声源进行定位。
2 部分代码
clcclear all
close all
%%
% *各参数设置*
%--声源相关参数
fmin=500;
fmax=2000; %Hz: 信源为一频率渐变的余弦信号，最低频率fmin，最高频率fmax
S_last=0.1; %s ：声源持续时间
%--采样和信号处理相关参数
fs=3e6; %采样率
ts=1/fs; %采样间隔
T=0.12; %s: 搜集数据T秒，计算一次位置
tMic=0:1/fs:T-1/fs; %接收数据时间
nMic=length(tMic); %接收数据长度
%--物理参数设置
v=34000; %cm/s: 音速
%--声源和MIC位置 单位CM
d=30; %麦克风间距
Lco_S = [10,10];
Loc_A = [50-d,0];
Loc_B = [50,0];
Loc_C = [50+d,0];
%%
% *模拟声源信号及各MIC接收到的信号*
%--产生声源
t = 0:ts:S_last; %假设声波持续时间0.2秒
s = chirp(t,fmin,S_last,fmax,'linear');%源信号, 频率线性递增的余弦信号
nsource=length(s);
%--画出声源的波形
figure();
plot(s);
xlabel('时间/\itus');
ylabel('振幅');
title('声音信号');
%--计算信源传到各MIC之间的延迟点数
diff_SA = sqrt(sum((Lco_S-Loc_A).^2))/v/ts;
diff_SB = sqrt(sum((Lco_S-Loc_B).^2))/v/ts;
diff_SC = sqrt(sum((Lco_S-Loc_C).^2))/v/ts;
%--计算信源与个MIC之间的距离
dis_SA = sqrt(sum((Lco_S-Loc_A).^2));
dis_SB = sqrt(sum((Lco_S-Loc_B).^2));
dis_SC = sqrt(sum((Lco_S-Loc_C).^2));
%--信源到MIC的时间延迟
dis_AC=dis_SA-dis_SC;
dis_BC=dis_SB-dis_SC;
Lag_SA = dis_SA/v;
Lag_SB = dis_SB/v;
Lag_SC = dis_SC/v;
%--转化成相差点数
diff_AC =round((Lag_SA-Lag_SC)/ts);
diff_BC =round((Lag_SB-Lag_SC)/ts);
%--MIC接收到的数据
sigMicA=zeros(1,nMic);
sigMicB=zeros(1,nMic);
sigMicC=zeros(1,nMic);
sigMicA(1+diff_SA:nsource+diff_SA)=s;
sigMicB(1+diff_SB:nsource+diff_SB)=s;
sigMicC(1+diff_SC:nsource+diff_SC)=s;
%--信号时域图
figure();subplot(3,1,1);
plot(sigMicA);
subplot(3,1,2);
plot(sigMicB);
subplot(3,1,3);
plot(sigMicC);
%%
% *用GCC（Generalized Cross-Correlation） Phase Transform 算法估计时延差*
if(DelayDifferAC<5000)
distDiffAC=(DelayDifferAC-1)/fs*v;
else distDiffAC=(DelayDifferAC-nMic-1)/fs*v;
end
A=distDiffBC;
B=distDiffAC;
M=4*A^3-B^3+6*A*B^2-10*A^2*B+4*d^2*A-2*d^2*B;
N=-8*A^2-2*B^2+8*A*B;
r3=M/N;
M1=4*A^3-B^3+4*A*B^2-6*A^2*B+2*d^2*B-4*d^2*A;
N1=8*A^2+2*B^2-8*A*B;
r2=M1/N1;
cos=(r3^2+d^2-r2^2)/(2*d*r3);
sin=sqrt(1-cos^2);
a=(50-d)+r3*cos;
3 仿真结果
4 参考文献
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
