一种基于三维麦克风阵列的雷声检测与定位方法技术

本申请公开了一种基于三维麦克风阵列的雷声检测与定位方法。该方法首先基于预设采样率对三维麦克风阵列接收到的声信号进行采集，进而对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量对雷声进行检测。当检测出雷声时，通过各个线性麦克风阵列粗略估计出雷声的俯仰角和方位角。进一步，在粗略估计出的俯仰角和方位角邻近区域，使用整个三维麦克风阵列进行二维DOA扫描，从而准确地估计出雷声的俯仰角和方位角。

【技术实现步骤摘要】
一种基于三维麦克风阵列的雷声检测与定位方法
本申请涉及声信号检测与定位领域，更具体地说，涉及一种基于三维麦克风阵列的雷声检测与定位方法。
技术介绍
在现有的雷声测向设备中，常采用三维麦克风阵列，基于传统的TDOA算法，例如广义互相关算法(GCC)，精度较低，且对于大噪声环境难以取得鲁棒的测向结果。基于经典的高分辨DOA算法，如多重信号分类算法(MUSIC)和最小功率估计器算法(Capon)，则由于涉及协方差矩阵分解或者求逆，导致在低信噪比环境下容易出错，稳定性差。直接利用常规波束形成算法进行二维DOA估计计算复杂度高，实用性较差；但是，直接利用线阵对俯仰角和方位角进行一维估计，则无法很好的利用阵列孔径，导致测向精度较差，同时，由于受到阵列构型的影响，不同方向的测向精度差距也较大。
技术实现思路
有鉴于此，本申请提供一种基于三维麦克风阵列的雷声检测与定位方法，可以较准确地估计出雷声的俯仰角和方位角。为了实现上述目的，现提出的方案如下：一种基于三维麦克风阵列的雷声检测与定位方法，包括：基于预设采样频率对三维麦克风阵列接收到的声信号进行采样，所述三维麦克风阵列包括四个线性麦克风阵列；对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号；若是，分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角；在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号和俯仰角和方位角。优选的，所述基于预设采样频率对三维麦克风阵列接收到的声信号进行采样，包括：基于预设采样率对所述声信号进行采样，将采样数据划分成一系列采样帧，所述采样帧包含多个采样点。优选的，所述对单个麦克风的声信号能量进行平滑和归一化处理，包括：对每个采样帧进行傅里叶变换，得到频谱信号，计算所述采样帧在预设频段内的信号能量；选取第一个数的采样帧作为雨声信号帧，选择第二个数的采样帧作为处理帧；利用预设平滑窗口对所述雨声信号帧进行平滑处理，并根据所述雨声信号帧平滑处理后的声信号能量估计雨声能量；利用预设平滑窗口对所述处理帧进行平滑处理，并基于所述雨声能量对所述处理帧的平滑处理后的声能量进行归一化处理。优选的，所述联合多麦克风的声信号能量判断所述声信号是否包含雷声信号，包括：联合多麦克风的处理帧，计算所述处理帧的归一化平均能量；比较所述处理帧的归一化平均能量与预设门限，若所述处理帧的归一化平均能量大于所述预设门限，则确定所述声信号包含雷声信号。优选的，所述分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角，包括：在预设频带范围内，确定各个线阵在每个频点的数据矩阵，并计算所述数据矩阵的协方差矩阵；对所述数据矩阵的协方差矩阵进行特征分解，得到最大特征值对应的特征向量；根据所述特征向量确定计算所述雷声信号在四个线阵上的入射角度；根据各个线性的方向矢量以及所述雷声信号在各个线阵上的入射角度，估算所述雷声信号的俯仰角和方位角。优选的，所述在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号的俯仰角和方位角，包括：根据三维麦克风阵列在预设频点的数据矩阵对应的协方差矩阵，计算所述频点对应的二维谱值；在预设角度范围内，将所述二维谱值最大时对应的俯仰角和方位角作为所述雷声信号的精确俯仰角和方位角。经由上述技术方案可知，本申请公开了一种基于三维麦克风阵列的雷声检测与定位方法。该方法首先基于预设采样率对三维麦克风阵列接收到的声信号进行采集，进而对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量对雷声进行检测。当检测出雷声时，通过各个线阵以及来波方向粗略估计出雷声的俯仰角和方位角。进一步，结合三维麦克风阵列粗略估计出的俯仰角和方位角邻近区域进行二维DOA扫描，从而准确地估计出雷声的俯仰角和方位角。与现有技术相比，本专利技术提出的两步雷声定位方法，很好地兼顾了精度和计算量的需求，在第一步粗略估计的过程中，利用线阵特性直接求解出一维DOA，不需要空间搜索，相对于传统算法中的谱搜索，计算复杂度更小，其后，将多个线阵的估计结果通过公式联合解得二维的DOA，相对于传统算法将方位角和俯仰角分别估计，更好地利用了阵列孔径，具有更高的估计精度；在第二步二维谱搜索中，由于已经得到二维DOA的粗略估计，相对于直接全空间二维搜索的传统算法，搜索范围大大减小，而精度却可以保持不变，同时也使算法更加鲁棒，在单快拍和低信噪比等条件下仍具有良好性能。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1示出了本专利技术一个实施例公开的一种基于三维麦克风阵列的雷声检测与定位方法；图2示出了本专利技术另一个实施例公开的一种三维麦克风阵列图；图3示出了本专利技术公开的线型麦克风阵列示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1示出了本专利技术一个实施例公开的一种图1示出了本专利技术一个实施例公开的一种基于三维麦克风阵列的雷声检测与定位方法。在本实施例中，该方法包括：由图1可知，该方法包括：S101：基于预设采样频率对三维麦克风阵列接收到的声信号进行采样。为了在强干扰背景下准确检测出雷声，需将雨声能量尽量滤除，由于雨声能量主要集中在200Hz以下，雷声能量主要集中在2000Hz以下，且在1000Hz以下能量明显大于雨声能量，因此取200～1000Hz的频带来检测雷声，选取Q个采样点为一帧，帧与帧之间数据重叠50％。S102：对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号。三维阵列由四个线阵组成，总体结构如图2所示，打雷一般伴随着强降雨，雨声可以看作是强干扰背景噪声，麦克风阵列接收到的声信号如下：xi(t)＝s(t-τi)+wi(t),i＝1,2,...,N；其中，xi(t)为t时刻第i个麦克风接收到的带噪声信号，s(t)为t时刻的雷声信号，若没有雷声信号则s(t)＝0，wi(t)为t时刻第i个麦克风接收到的雨声(背景噪声)，τi表示源信号到达第i麦克风与参考麦克风的时间差；对xi(t)做短时傅里叶变换，得到：其中，Xi(t,f)为第i个麦克风每个时间点t对应的一帧信号，频率点f为一帧信号中的一个变量；表示时域上的时间差τ经过短时傅里叶变换变换后在短时频域上相对应的相位差。取200Hz～1000Hz的频点能量求和：Ei(t,:)＝∑f∈200～1000abs2(Xi(t,f))，其中，abs(·)表示绝对值。在开始检测雷声时，需要估计雨声(背景噪声)的能量，一般可以假设前几秒没有雷声，为本文档来自技高网...

【技术保护点】
1.一种基于三维麦克风阵列的雷声检测与定位方法，其特征在于，包括：基于预设采样率对三维麦克风阵列接收到的声信号进行采样，所述三维麦克风阵列包括四个线性麦克风阵列；对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号；若是，分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角；在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号和俯仰角和方位角。

【技术特征摘要】
1.一种基于三维麦克风阵列的雷声检测与定位方法，其特征在于，包括：基于预设采样率对三维麦克风阵列接收到的声信号进行采样，所述三维麦克风阵列包括四个线性麦克风阵列；对单个麦克风的声信号能量进行平滑和归一化处理，并联合多麦克风的声信号能量判断所述声信号是否包含雷声信号；若是，分别计算所述雷声信号在四个线阵上的入射角度，并联合雷声信号在四个线阵上的入射角度估算所述雷声信号的俯仰角和方位角；在估算出的所述雷声信号的俯仰角和方位角的邻近区域进行二维DOA扫描，精确计算所述雷声信号和俯仰角和方位角。2.根据权利要求1所述的方法，其特征在于，所述基于预设采样率对三维麦克风阵列接收到的声信号进行采样，包括：基于预设采样率对所述声信号进行采样，将采样数据划分成一系列采样帧，所述采样帧包含多个采样点。3.根据权利要求2所述的方法，其特征在于，所述对单个麦克风的声信号能量进行平滑和归一化处理，包括：对每个采样帧进行傅里叶变换，得到频谱信号，计算所述采样帧在预设频段内的信号能量；选取第一个数的采样帧作为雨声信号帧，选择第二个数的采样帧作为处理帧；利用预设平滑窗口对所述雨声信号帧进行平滑处理，并根据所述雨声信号帧平滑处理后的声信号能量估计雨声能量；利用预设平滑窗口对所述处理帧进行平滑处理，并基于所述雨声能量对所述处理帧的平滑处理...

【专利技术属性】
技术研发人员：叶中付，韦进强，罗大为，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34