基于手机麦克风的节点自定位与被动声源定位

发布时间：2017-04-05 08:00

  本文关键词：基于手机麦克风的节点自定位与被动声源定位，由笔耕文化传播整理发布。

【摘要】：在无线传感器网络领域中,节点自定位和目标定位一直都是研究的热点。被动式声源目标定位技术能根据非合作式被检测目标特性,实现对其精确定位,在军事和民用领域应用十分广泛。目前的主流技术还有一些不尽善之处,如专门定制的硬件模块成本相对较高,续航能力有限,同步精度难以控制；以通用智能手机为硬件支持实现的定位技术多针对友好合作的目标声源；无法避免节点间无线同步到声信号采集间的时间延迟不确定性。针对上述问题,本文提出的目标声源TDOA定位方法以通用智能手机为硬件支持,不仅适用于主动目标声源,也适用于被动目标声源；单一化的利用声信号,简化了系统；采用人耳可听声信号,无需定制超声波激发电路模块等硬件平台,使用方便且成本低廉。本文的主要工作如下：首先,以抑制多径效应为切入点,考虑到常用的基于广义互相关的时延估计方法在采用阈值法抑制多径效应时,阈值参数不具备自适应性,本章提出了基于稀疏互相关的声信号时延估计方法。该方法通过稀疏重构出互相关向量,可以有效的抑制多径效应的负面影响,主要用于解决chirp声信号的TOA时延估计,以及被动声源目标发出的声信号的TDOA时延估计。从仿真结果分析表明,基于稀疏互相关的时延估计,可以有效地抑制多径效应,精度高,适用范围广。其次,为了实现被动式声源目标的定位,首先需要确定随机部署的传感器节点为位置信息。鉴于经典多维尺度定位算法在实用性和可靠性上的不足,新提出了一种基于TPSN模型的加权多维尺度(T-WMDS)传感器网络节点自定位算法。这种算法是服务于本文提出的在智能手机平台上实现的被动式声源目标定位系统的。本文分别在信标个数和背景噪声不同的节点自定位场景下,采用仿真对新算法的性能进行分析。并且证明在噪声方差较小时,该算法的定位精度逼近克拉美罗界(CRLB)。最后,介绍了被动声源目标定位系统的设计以及其在智能手机平台的实现。对静止声源目标,该系统引入了统计判决和活动性语音监测相结合的方法实现时延估计；针对低空低速运动目标,该系统采用滑动稀疏互相关的方法实现时延估计。而后,针对两种不同类型的被动声源目标(违章鸣笛的汽车和低空低速飞行的四旋翼无人机)设计实验场景和方案,并分析实验结果。此外,也从实验的角度验证了本文所提出的自定位算法。
【关键词】：智能手机平台 时延估计 节点自定位 被动式声源目标定位
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TN929.5
【目录】：

• 致谢5-6
• 摘要6-8
• ABSTRACT8-16
• 第一章 绪论16-26
• 1.1 课题背景16-18
• 1.2 被动声源目标定位的意义18-19
• 1.3 国内外研究现状19-22
• 1.4 本文主要工作及组织结构22-26
• 第二章 WSN定位方法及被动声源定位系统的体系设计26-40
• 2.1 引言26-27
• 2.2 常用于距离定位算法几种典型的测距模型27-31
• 2.2.1 基于信号到达时间(TOA)的测距模型27-28
• 2.2.2 基于信号到达时间差(TDOA)的测距模型28
• 2.2.3 基于到达角度(AOA)量测的测距模型28-29
• 2.2.4 基于TPSN模型的测距方法29-31
• 2.3 常见的基于距离的定位算法31-37
• 2.3.1 基于多边测量的定位算法31-32
• 2.3.2 基于到达时间差的定位算法32-34
• 2.3.3 基于到达角度的定位算法34-35
• 2.3.4 基于半定规划的定位算法35-37
• 2.4 基于智能手机的被动式声源目标定位系统的体系设计37-39
• 2.4.1 智能手机平台优势37
• 2.4.2 定位系统的总体设计37-38
• 2.4.3 测距或同步信号的选择38
• 2.4.4 随机部署的手机麦克风传感器网络的自定位38-39
• 2.4.5 被动声源目标定位方法39
• 2.5 本章小结39-40
• 第三章 基于稀疏互相关的声信号时延估计方法40-56
• 3.1 引言40-41
• 3.2 多径效应41-42
• 3.3 基于广义互相关的声信号时延估计42-44
• 3.3.1 基于基本互相关的时延估计42-43
• 3.3.2 基于广义互相关的时延估计43
• 3.3.3 抑制多径效应43-44
• 3.4 基于稀疏互相关的声信号时延估计44-48
• 3.4.1 压缩感知基本理论44-45
• 3.4.2 问题描述45-46
• 3.4.3 随机感知矩阵和字典矩阵选取46-47
• 3.4.4 修正稀疏互相关序列47
• 3.4.5 抑制多径效应47-48
• 3.5 仿真分析48-53
• 3.5.1 原始信号以及采用多径效应模型生成的信号49
• 3.5.2 各角度分析49-53
• 3.6 本章小结53-56
• 第四章 基于TPSN模型的加权多维尺度定位算法56-72
• 4.1 引言56-57
• 4.2 抽象的基于TPSN思想的测距模型57
• 4.3 经典多维尺度定位算法57-59
• 4.3.1 算法原理57-59
• 4.3.2 算法具体步骤59
• 4.4 基于TPSN模型的加权多维尺度定位59-64
• 4.4.1 本文提出的定位方法59-62
• 4.4.2 权矩阵的计算62-63
• 4.4.3 算法具体步骤63-64
• 4.5 T-WMDS算法的CRLB分析64-66
• 4.5.1 CRLB推导64-65
• 4.5.2 CRLB分析65-66
• 4.6 仿真结果分析66-70
• 4.6.1 仿真场景描述66-67
• 4.6.2 定位精度与算法性能分析67-70
• 4.7 本章小结70-72
• 第五章 被动声源目标定位系统的手机平台实现及实验72-90
• 5.1 引言72
• 5.2 系统设计以及手机平台的实现72-82
• 5.2.1 定位系统的环节设计总述72-73
• 5.2.2 节点间同步的方法73-74
• 5.2.3 声信号的选取74-75
• 5.2.4 同步声信号的预处理75-76
• 5.2.5 线性调频声信号的检测76-77
• 5.2.6 被动目标声源信号的预处理77-78
• 5.2.7 静止被动声源的声信号检测78-80
• 5.2.8 低速低空飞行被动声源的声信号检测80-81
• 5.2.9 手机平台的实现81-82
• 5.3 汽车鸣笛信号的定位实验及结果82-85
• 5.3.1 实验设计方案与场景82-83
• 5.3.2 实验结果分析83-85
• 5.4 四旋翼无人机的定位实验及结果85-88
• 5.4.1 Motive运动捕捉系统85-86
• 5.4.2 实验设计方案与场景86-88
• 5.4.3 实验结果88
• 5.5 本章小结88-90
• 第六章 总结与展望90-94
• 6.1 本文总结90-91
• 6.2 研究工作展望91-94
• 参考文献94-100
• 附录：作者在攻读硕士学位期间的科研成果和参与项目100

【参考文献】

中国期刊全文数据库 前4条

1 蒋婷;刘建平;张一闻;;基于多麦克风阵列的枪声定位算法研究[J];计算机应用与软件;2012年12期

2 孙懋珩;俞莹婷;;汽车鸣笛声定位系统仿真[J];声学技术;2009年05期

3 郭华;;TDOA定位技术的基本原理和算法[J];西安邮电学院学报;2007年01期

4 马祖长,孙怡宁,梅涛;无线传感器网络综述[J];通信学报;2004年04期

  本文关键词：基于手机麦克风的节点自定位与被动声源定位，，由笔耕文化传播整理发布。

本文编号：286712