一種基于區(qū)域收縮的分布式聲源定位方法

?

一種基于區(qū)域收縮的分布式聲源定位方法

引文格式： 周利，劉慶華.一種基于區(qū)域收縮的分布式聲源定位方法[J].桂林電子科技大學學報，2016,36(1):1-4.

周利，劉慶華

(桂林電子科技大學 信息與通信學院，廣西 桂林541004)

摘要：為了提高分布式聲源定位方法的定位精度，降低計算復雜度，提出一種基于區(qū)域收縮的分布式聲源定位方法。該方法采用多個線性子陣列組成分布式定位陣列組，各線性子陣列根據(jù)時延定位法，分別估計聲源的位置，并根據(jù)聲源位置的估計值確定初始矩形搜索區(qū)域，結合極大可控響應功率，進行區(qū)域收縮獲得聲源的位置。仿真結果表明，該方法定位精度高，計算復雜度低。

關鍵詞：分布式聲源定位；區(qū)域收縮；搜索區(qū)域

分布式傳感器聲源定位技術廣泛應用于視頻會議、智能機器人等領域[1-2]。由于低成本、低功耗，該技術逐漸推廣至人機接口、聲源監(jiān)控、智能家居等領域[3-4]。但是，分布式聲源定位系統(tǒng)在節(jié)點計算能力、通信范圍和能量存儲等方面受限，且通常被安置于無人看守的惡劣環(huán)境中。因此，實現(xiàn)高精度定位、降低定位方法的計算復雜度具有重要的意義。

近年來，很多應用于分布式傳感器網(wǎng)絡的定位方法被提出。在含有混響條件的被動聲源傳感器定位系統(tǒng)中，可控響應功率-相位變換(steered response power with phase transform，簡稱SRP-PHAT)聲源定位方法[5]具有較強的魯棒性。其基本原理為：假設聲源位置點，計算所有聲源傳感器之間接收信號的SRP值之和，然后在指定空間中搜索SRP值最大的點確定為聲源的估計位置。該方法對布陣沒有特定的要求，適用于分布式傳感器陣列。但SRP-PHAT定位方法對整個視場空間進行搜索定位時計算量大，使得定位系統(tǒng)的能耗過大，不具實時性。為此，研究人員提出了多種改進的方法[6-7]。文獻[8]提出了加權SRP-PHAT方法，該方法在SRP-PHAT方法的基礎上，每個傳感器的接收信號乘以權值，需要測量聲源的指向性函數(shù)，給實際布陣帶來很大困難。文獻[9]利用混響效應來提高定位精度，但需要知道假設的聲源位置點與陣元間沖激響應的先驗知識。

為了在分布式定位系統(tǒng)中進行靈活布陣，減小定位方法的計算量，結合可控響應功率-相位變換聲源定位方法，提出了一種基于區(qū)域收縮的分布式聲源定位方法。

1信號模型與聲源初步定位

1.1信號模型與時延求解

靜態(tài)各向同性的近場聲源信號s(n)在均勻、無損介質中傳播，線性陣列中第i個全方位聲傳感器節(jié)點接收到的信號為：

(1)

其中：c為信號的傳播速度；ri為傳感器節(jié)點i與聲源間的歐氏距離；ni為加性背景噪聲。則陣列中節(jié)點i、j接收的信號的互相關函數(shù)ρij(τ)為：

(2)

假設各個傳感器接收的信號之間、信號與噪聲之間均不相關，得

(3)

對于寬帶聲源信號，當τ=0時，其自相關函數(shù)ρ(τ)取得最大值。因此，搜索互相關函數(shù)ρij(τ)的最大值，得到2個傳感器節(jié)點間的時延為：

(4)

1.2單陣列初步定位模型

圖1為單陣列初步定位模型，(xi,yi)為第i個傳感器節(jié)點的位置，ri為聲源(x0,y0)與節(jié)點i之間的歐氏距離。根據(jù)傳感器節(jié)點間的時延tij，利用幾何法[10]初步估計聲源的位置參數(shù)。假設相鄰傳感器節(jié)點間的距離為l，則聲源的位置參數(shù)為：

(5)

(6)

2初始搜索區(qū)域的確定方法

區(qū)域搜索定位算法對整個視場搜索定位的計算量很大[11-12]，且容易陷入局部最優(yōu)，無法得到全局最優(yōu)解。為了減小搜索定位的計算量，采用多個線性傳感器子陣列組成分布式傳感器定位網(wǎng)絡，對聲源目標進行組合定位，分布式網(wǎng)絡定位模型如圖2所示。假設在整個定位視場中隨機布設M個線性子陣列，子陣列的位置由其中心節(jié)點坐標以及子陣列相對于整個視場的參考方向的旋轉角度α所確定。首先，各個子陣列并行對聲源進行初始定位，得到聲源的位置(xi,yi)，i=1,2,…,M，在圖2中采用星號*表示。其次，對于M個可能的聲源位置，采用矩形包圍，作為初始搜索區(qū)域，矩形的邊界矩陣為B0=[xminxmaxyminymax]。

圖2　分布式網(wǎng)絡定位模型Fig.2　Distributed network location model

3利用區(qū)域收縮對聲源定位

在混響環(huán)境下，采用可控響應功率-相位變換方法對聲源進行定位。可控響應功率E(r)為r方向在理論時延下廣義互相關-相位變換(GCC-PHAT)函數(shù)值的累積，其是視場空間向量r的實值函數(shù)，E(r)最大值對應的點為聲源的估計位置。考慮M個傳感器陣列的2個傳感器節(jié)點，它們接收到的信號分別為si(n)和sj(n)，假設信號從視場中點r*到達2個傳感器節(jié)點的時間分別為τ(r*,i)和τ(r*,j)，則信號到達2個傳感器的時延τ=τ(r*,i)-τ(r*,j)，傳感器節(jié)點i、j的SRP值為：

(7)

其中：S(k)為信號s(n)的譜函數(shù)；S*(k)為S(k)的共軛函數(shù)；L為每幀數(shù)據(jù)的長度。則陣列中所有的傳感器節(jié)點在點r*的SRP值為：

(8)

區(qū)域收縮法的基本思想為：在特定區(qū)域中隨機撒下一些點，求解其E(r)，然后根據(jù)E(r)進行篩選，重新確定搜索區(qū)域，通過迭代使搜索區(qū)域不斷減小，直到確定聲源位置。

在使用區(qū)域收縮法對聲源進行定位時，搜索區(qū)域經(jīng)常發(fā)生改變。令Ji(s)為第i次迭代需要重新產(chǎn)生隨機點個數(shù)，Ni(s)為第i次收縮后篩選出的隨機點個數(shù)。SRP-PHAT方法在20~25m2區(qū)域選取Ni(s)=100，Ji(s)=3000，并不適用于搜索區(qū)域改變的情況。基于區(qū)域收縮的分布式聲源定位方法結合文獻[13]的測試結果，并考慮定位精度對參數(shù)進行修正，

(9)

(10)

其中：s為搜索區(qū)域的面積，單位為m2；[·]表示取整數(shù)計算。

4仿真實驗與分析

4.1收縮定位仿真

采用采樣頻率為8kHz的采集器采集的聲音信號作為聲源的原始信號，在視場為6m×4m的二維平面進行仿真實驗。假設聲源位置坐標為(3,2)，采用4個線性子陣列組成分布式網(wǎng)絡對聲源進行定位，4個線性傳感器子陣列的中心節(jié)點坐標分別為(1,0)、(5,0)、(5,4)、(2,4)。子陣列定位與區(qū)域收縮定位結果如圖3所示。從圖3可看出，采用單個線性傳感器子陣列對聲源進行定位時，存在較大的定位誤差，但確定初始矩形搜索區(qū)域，結合區(qū)域收縮法對聲源定位，其定位效果較好。

以采集器采集的聲音信號作為聲源的原始信號，在視場為3m×3m的區(qū)域進行仿真試驗，假設聲源的真實位置為(2.5，2.5)。聲源信號二維能量分布及收縮定位過程如圖4所示。從圖4可看出，SRP值在整個感應區(qū)域分布，采用隨機區(qū)域收縮法逐步迭代，最終得到聲源的位置。

4.2定位性能

基于區(qū)域收縮的分布式聲源定位方法的定位性能采用均方根誤差(RMSE)進行評估，均方根誤差為：

圖3　子陣列定位與區(qū)域收縮定位Fig.3　Location of sub-arrays and regional contraction

圖4　二維能量分布及收縮定位過程Fig.4　Two-dimmensional energy distributionand contraction positioning process

(11)

其中：ρ0為聲源的真實位置；ρk為第k次實驗的聲源位置估計；K=100，即進行100次蒙特卡羅獨立實驗。在不同迭代次數(shù)下，RMSE與信噪比的關系如圖5所示。從圖5可看出，隨著信噪比的增大，定位精度提高，當信噪比大于20dB時，定位誤差約為0.5m。基于區(qū)域收縮的分布式聲源定位方法能夠比較準確地估計聲源的位置。

圖5　RMSE與信噪比的關系Fig.5　The relationship between RESE and SNR

5結束語

利用線性傳感器陣列，提出了一種基于區(qū)域收縮的分布式聲源定位方法，該方法采用線性子陣列進行初始定位并確定初始矩形搜索區(qū)域，然后結合區(qū)域收縮法對聲源進行定位。仿真實驗表明，該方法對聲源的定位精度較高。

參考文獻:

[1]AVOKHA,ABUTALEBIHR.Speechenhancementusinglinearlyconstrainedadaptiveconstantdirectivitybeam-formers[J].AppliedAcoustics,2010,71(3):262-268.

[2]MARKOVICI,PETROVICI.SpeakerlocalizationandtrackingwithamicrophonearrayonamobilerobotusingvonMisesdistributionandparticlefiltering[J].RoboticsandAutonomousSystems,2010,58(11):1185-1196.

[3]李偉紅,湯海兵,龔衛(wèi)國.公共場所異常聲源定位中時延估計方法研究[J].儀器儀表學報,2012,33(4):750-756.

[4]KESHAVARZA,AARABIP.Soundlocalization-basednavigationaluserinterfaces[C]//Proceedingofthe8thIEEEInternationalSymposiumonMultimedia,2006:728-733.

[5]FALLONMF,GODSILLSJ.Acousticsourcelocalizationandtrackingofatime-varyingnumberofspeakers[J].IEEETransactionsonAudio,Speech,andLanguageProcessing,2012,20(4):1409-1415.

[6]ZHANGCha,FLORENCIOLD.Maximumlikelihoodsoundsourcelocalizationandbeamformingfordirectionalmicrophonearraysindistributedmeetings[J].IEEETransactionsonMultimedia,2008,10(3):538-548.

[7]COBOSM,MARTIA,LOPEZJJ.AmodifiedSRP-PHATfunctionalforrobustreal-timesoundsourcelocalizationwithscalablespatialsampling[J].IEEESignalProcessingLetters,2011,18(1):71-74.

[8]MUNGAMURUB,AARABIP.Enhancedsoundlocalization[J].IEEETransactionsonSystems,Man,andCyberneticsPartB:Cybernetics,2004,34(3):1526-1540.

[9]SVAIZERP,BRUTTIA,OMOLOGOM.Useofreflectedwavefrontsforacousticsourcelocalizationwithalinearray[C]//JointWorkshoponHands-freeSpeechCommunicationandMicrophoneArrays,2011:165-169.

[10]CHOUDHARYH,BAHLR,KUMARA.PassiveacousticlocalizationusingblindGauss-Markovestimatewithspectralestimationateachsensor[J].IETRadar,Sonar&Navigation,2013,7(7):800-807.

[11]CANCLINIA,ANTONACCIF,SARTIA,etal.Acousticsorcelocalizationwithdistributedasynchronousmicrophonenetworks[J].IEEETransactionsonAudio,SpeechandLanguageProcessing,2013,21(2):439-443.

[12]ASTAPOVS,PREDENJS,BERDNIKOVAJ.Simplifiedacousticlocalizationbylineararraysforwirelesssensornetworks[C]//18thIEEEInternationalConferenceonDigitalSignalProcessing,2013:1-6.

[13]DOH,SILVERMANHF,YUYing.Areal-timeSRP-PHATsourcelocationimplementationusingstochasticregioncontractiononalarge-aperturemicrophonearray[C]//IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing,2007:121-124.

編輯：曹壽平

A distributed acoustic localization method based on regional contraction

ZHOU Li， LIU Qinghua

(School of Information and Communication Engineering, Guilin University of Electronic Technology, Guilin 541004, China)

Abstract：In order to improve localization accuracy and reduce the computational complexity of distributed acoustic source localization method, a distributed acoustic source localization based on region contraction is proposed. Multiple linear sub-arrays are used to combine distributed localization arrays, the possible positions of the acoustic sources are preliminary estimated by time delay localization method in linear sub-arrays. Then the initial searching region is determined based on the possible positions. Finally combining with the great controlled response power value, the position of the acoustic source is obtained by the region contraction. The simulation results show that the localization accuracy of the proposed method is high, and the computational complexity is low.

Key words：distributed acoustic source localization; region contraction; searching region

中圖分類號：TN911.7

文獻標志碼：A

文章編號：1673-808X(2016)01-0001-04

通信作者：劉慶華(1974-)，女，四川南江人，副教授，博士，研究方向為陣列信號處理與噪聲控制。E-mail:qhliu@guet.edu.cn

基金項目：國家自然科學基金(61461012)；廣西無線寬帶通信與信號處理重點實驗室主任基金(GXKL0614106)；桂林電子科技大學研究生教育創(chuàng)新計劃(GDYCSZ201455)

收稿日期：2015-07-08