亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于聲紋多諧波識別的無人機方向估計方法與流程

文檔序號:12456758閱讀:560來源:國知局
一種基于聲紋多諧波識別的無人機方向估計方法與流程

本發(fā)明涉及無人機聲音定位領(lǐng)域,具體涉及一種基于聲紋多諧波識別的無人機方向估計方法。



背景技術(shù):

一般的被動聲方向估計的方法主要包括:(1)基于到達(dá)時間差(TDOA)的定位技術(shù);(2)基于最大輸出功率的可控波束形成技術(shù);(3)基于高分辨率譜估計技術(shù)。相對于前兩種技術(shù),基于高分辨率譜估計技術(shù)可以利用較少的陣元數(shù),得到較高的分辨率,在方向估計中得到廣泛應(yīng)用。

但是,傳統(tǒng)的高分辨率譜估計算法一般是針對窄帶信號的,最經(jīng)典的是基于矩陣特征值分解的多重信號分類(MUSIC)算法。在寬帶信號處理中,提出了非相干信號的子空間(ISM)算法,將寬帶信號在頻域分解為窄帶分量,在各個窄帶上利用基于矩陣特征值分解的多重信號分類MUSIC算法進(jìn)行角度估計,然后取算數(shù)平均值。該算法不足之處在于,忽略了子頻帶的能量分布不均和信噪比各不相同,而導(dǎo)致的算法估計性能不佳的問題。



技術(shù)實現(xiàn)要素:

為解決上述問題,本發(fā)明提供一種基于聲紋多諧波識別的無人機方向估計方法。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的:一種基于聲紋多諧波識別的無人機方向估計方法,包括如下步驟:

(1)處理無人機起飛階段的聲音信號,對比起飛前后的時頻圖,得到特征頻率區(qū)間[f1L,f1R],[f2L,f2R],…,[fNL,fNR],[f1L,f1R]為基頻,其余為整數(shù)倍的諧波頻率。

(2)將無人機飛行時的時域觀測信號分為K個子段,每段時間為Td,每段采樣點數(shù)為J點,對每段數(shù)據(jù)進(jìn)行J點的離散傅里葉變換(DFT),得到K個頻域快拍。

(3)在每個頻域快拍上,按照步驟(1)得到的特征頻率區(qū)間,進(jìn)行譜峰搜索,將K個頻域快拍在特征頻率區(qū)間[fjL,fjR]的譜峰對應(yīng)的頻率值求平均,得到特征頻率區(qū)間[fjL,fjR]的特征子頻帶fj,j=1,...,N。

(4)對每個特征子頻帶fj,利用窄帶MUSIC計算角度θ(fj):利用K個頻域快拍,計算協(xié)方差矩陣,再分解特征值,得到噪聲子空間和信號子空間。利用信號源的方向向量與噪聲子空間的正交特性,構(gòu)造MUSIC空間譜函數(shù),搜索譜峰,譜峰對應(yīng)的角度即為方向角θ(fj)。

(5)結(jié)合各特征子頻帶的能量比、信噪比,賦予各特征子頻帶方向角不同的加權(quán)系數(shù),加權(quán)平均,得到寬帶的波達(dá)方向角估計θ,即無人機的方向角:

其中,wj表示特征子頻帶fj的能量(j=1,...,N),wsum表示各特征子頻帶的總能量,實際計算時取頻譜值;是θ(fj)的加權(quán)系數(shù)(j=1,...,N),表示特征子頻帶fj的能量占總能量的比例。一般低頻特征子頻帶的能量較高且信噪比較高,其估計出的方向角具有較高的可信度,占最終估計出的方向角的比例較大。

本發(fā)明提出的一種基于聲紋多諧波識別的無人機方向估計方法,對具有特定頻率的無人機聲信號的角度估計準(zhǔn)確性高,誤差小。與現(xiàn)有技術(shù)相比,本發(fā)明具有如下優(yōu)勢:

1.傳統(tǒng)的ISM算法對寬帶需要均勻劃分子頻帶,對每個子頻帶進(jìn)行窄帶MUSIC運算。本發(fā)明只需要提取若干特征子頻帶,進(jìn)行窄帶MUSIC計算,當(dāng)帶寬比較大時,用幾個特征子頻帶計算出的角度綜合估計波達(dá)方向角,能夠得到較好的估計準(zhǔn)確性,同時計算量大大降低。

2.傳統(tǒng)的ISM算法對各子頻帶求得方向角后簡單求算數(shù)平均值,誤差大,性能差。而本方法是結(jié)合各特征子頻帶的能量比和信噪比,賦予各特征子頻帶方向角不同的加權(quán)系數(shù),加權(quán)平均得到最后的角度估計結(jié)果,以達(dá)到更準(zhǔn)確的估計性能。

附圖說明

圖1是本發(fā)明的一種基于聲紋多諧波識別的無人機方向估計方法的流程圖;

圖2是傳統(tǒng)方法的無人機聲音方向估計的方法的角度估計效果圖;

圖3是本發(fā)明方法的角度估計效果圖。

具體實施方式

以下結(jié)合附圖和具體實施例對本發(fā)明作進(jìn)一步詳細(xì)說明。

如圖1所示,本發(fā)明提供的一種基于聲紋多諧波識別的無人機方向估計方法,包括如下步驟:

(1)處理無人機起飛階段的聲音信號,對比起飛前后的時頻圖,得到特征頻率區(qū)間[f1L,f1R],[f2L,f2R],…,[fNL,fNR],[f1L,f1R]為基頻,其余為整數(shù)倍的諧波頻率。具體如下:

對無人機起飛階段的聲音數(shù)據(jù),采用短時傅里葉變換(STFT),得到任意時刻t的頻譜功率,觀察起飛前與起飛后的頻譜功率變化,觀測出無人機的特征頻率區(qū)間。

對無人機飛行懸停時的聲音數(shù)據(jù)做離散傅里葉變換(DFT),結(jié)合根據(jù)時頻圖得到的特征頻率區(qū)間,得到更為精確的特征頻率區(qū)間。無人機的聲音可以看作是離散的寬帶信號,由一系列的窄帶信號組成。在一定的采樣頻率下,可以得到N個特征頻率的區(qū)間[f1L,f1R],[f2L,f2R],…,[fNL,fNR]。

(2)將無人機飛行時的時域觀測信號分為K個子段,每段時間為Td,每段采樣點數(shù)為J點,對每段數(shù)據(jù)進(jìn)行J點的離散傅里葉變換(DFT),得到K個頻域快拍。記做Xk(fj),k=1,2,...,K。

(3)在每個頻域快拍上,按照步驟(1)得到的特征頻率區(qū)間,分別進(jìn)行譜峰搜索,得到特征頻率的子頻帶(假設(shè)有N個)。具體如下:

將K個頻域快拍在特征頻率區(qū)間[f1L,f1R]的譜峰對應(yīng)的頻率值求平均,得到頻率f1,即為特征子頻帶f1。同理得到特征子頻帶f1,...,fN。

(4)對每個特征子頻帶fj,可看成窄帶,利用窄帶MUSIC計算角度θ(fj):

利用K個頻域快拍,計算協(xié)方差矩陣,

參數(shù)解釋:K是頻域快拍的數(shù)目,X是頻域快拍。Rx(fj)是特征子頻帶fj的協(xié)方差矩陣。

對協(xié)方差矩陣Rx(fj)進(jìn)行特征值分解(假設(shè)陣元數(shù)目為M,目標(biāo)信源數(shù)目為D)。

其中,bi是與特征值λi對應(yīng)的特征向量。

對特征值按照從大到小的順序排列:λ1≥λ2≥...≥λD≥...≥λM,則前D個大的特征值對應(yīng)信號的特征值,后面M-D個小的特征值對應(yīng)噪聲的特征值。信號的特征值對應(yīng)的特征向量構(gòu)成信號子空間,噪聲的特征值對應(yīng)的特征向量構(gòu)成噪聲子空間。噪聲子空間記做:En=[vD+1,vD+2,...,vM]。

對任意特征子頻帶fj,j=1,...,N,利用窄帶MUSIC的原理,構(gòu)造空間譜函數(shù)搜索譜峰,譜峰對應(yīng)的角度即為方向角θ(fj)。其中,a(fj)是信號源的方向向量,En是噪聲子空間。

對整個寬帶的所有特征子頻帶fj,j=1,...,N,都做同樣處理,估計出方向角θ(fj),j=1,...,N。

(5)結(jié)合各特征子頻帶的能量比、信噪比,賦予各特征子頻帶方向角不同的加權(quán)系數(shù),加權(quán)平均,得到寬帶的波達(dá)方向角估計θ,即無人機的方向角:

其中,wj表示特征子頻帶fj的能量(j=1,...,N),wsum表示各特征子頻帶的總能量,實際計算時取頻譜值;是θ(fj)的加權(quán)系數(shù)(j=1,...,N),表示特征子頻帶fj的能量占總能量的比例。一般低頻特征子頻帶的能量較高且信噪比較高,其估計出的方向角具有較高的可信度,占最終估計出的方向角的比例較大。

實施例

控制大疆精靈‐3四旋翼無人機飛行于十字形聲陣列所在區(qū)域上空,運行電腦上的Labview程序,通過聲陣列的麥克風(fēng)采集聲音信號,采樣頻率為5120HZ,陣元間距為0.17m,陣元數(shù)為3,目標(biāo)信源數(shù)為1。定義聲音與聲陣列的法平面的夾角為方向角,范圍[‐90,90]。在當(dāng)前采樣頻率下,可以得到特征頻率區(qū)間:[140,200],[300,380],[470,550],[650,740]。(單位:HZ)。

圖2和圖3分別是傳統(tǒng)方法和本發(fā)明方法的無人機聲音角度估計的效果圖,對比可以看出本發(fā)明方法可以更好的估計無人機聲音的角度,準(zhǔn)確性明顯優(yōu)于傳統(tǒng)方法。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1