【技术实现步骤摘要】
一种仿生声呐机器人的目标定位方法
本专利技术属于目标定位
，涉及基于仿生声呐机器人的目标定位方法。
技术介绍
在基于仿生麦克风阵列的阵列信号处理中，要对单一目标进行精准定位需要知道三个要素：目标是否存在、目标至声波接收装置之间的距离、目标相对于声波接收装置的空间二维坐标。在这个过程中，通常使用视觉目测以及相关图像处理的方式来判断目标是否存在；通过发射信号以及回波信号之间的时延来坐标距离，但在仿生机器人中有外部结构影响声波接收装置的情况下，效果不佳；对于空间二维坐标，利用多重信号分类(MUSIC)算法等方法来进行坐标，但受限于带宽等因素的影响。蝙蝠利用声呐系统进行定位导航是一个十分复杂精巧的系统，从信息论的角度来分析，声呐中的返回声波中必然包含着用于精确定位和三维空间的信息，蝙蝠耳、神经等相当于接收器，而大脑相当于一个快速高效的信号处理器。依托现有条件可以接收到反射得到的信号，只要能正确的处理所得信号数据，应该可以得到与蝙蝠相类似的定位效果。仿生机器人通过模仿自然界中生物的外部形状或某些机能来实现特定的目...
【技术保护点】
1.一种仿生声呐机器人的目标定位方法，其特征在于，包括：/n选取出声波信号中存放回波信息所处的频率范围内的声波信号；/n对经过滤波之后的两路声波信号进行分帧操作，对两路声波信号的每一帧求其短时能量和，设定短时能量阈值，若该帧的短时能量和大于或等于设定的阈值，则将此帧的终点记为发射信号的起点S
【技术特征摘要】
1.一种仿生声呐机器人的目标定位方法，其特征在于，包括：
选取出声波信号中存放回波信息所处的频率范围内的声波信号；
对经过滤波之后的两路声波信号进行分帧操作，对两路声波信号的每一帧求其短时能量和，设定短时能量阈值，若该帧的短时能量和大于或等于设定的阈值，则将此帧的终点记为发射信号的起点S1；
根据起点S1，截取长度为M的声波信号；利用截取的声波信号测定待测目标的水平距离、空间二维坐标；
根据待测目标的水平距离，截取长度为N的声波信号；判断待测目标是否存在，若存在，则输出该待测目标的水平距离及空间二维坐标。
2.根据权利要求1所述的仿生声呐机器人的目标定位方法，其特征在于，所述的短时能量阈值为60-100。
3.根据权利要求1所述的仿生声呐机器人的目标定位方法，其特征在于，所述长度M的计算公式为：
其中，l表示仿生声呐机器人能够探测的最远的水平距离，c表示声速，Fs表示采样率。
4.根据权利要求3所述的仿生声呐机器人的目标定位方法，其特征在于，测定待测目标的水平距离包括：
将截取的两路长度为M的声波信号左路：X＝{x1，x2，…，xN…，xM}；右路：Y＝{y1，y2，…，yN，…，yM}，合并为单路信号Z＝{x1+y1，x2+y2，…，xN+yN，…，xM+yM}；
对合并后的单路声波信号进行短时傅里叶变换，依据短时傅里叶变换的结果绘制回波信号的谱图；
对合并后的单路声波信号进行经验模态分解，选取IMF的前三个分量绘制时域波形图；
依据声波接收装置的几何中心点到一水平面的垂点，与待测目标到同一水平面的垂点，两垂点之间不同水平距离，绘制相应的回波谱图和时域波形图，构造距离-数据集，并将该集随机分成训练集和测试集；每一组距离-数据组合中均包含一个谱图和三个时域波形图；
将训练集中的数据作为特征输入到卷积神经网络中进行训练，以不同水平距离作为分类依据，得到训练好的卷积神经网络；
将测试集中的数据作为特征输入到训练好的卷积神经网络中，卷积神经网络的输出，即为待测目标的水平距离d。
5.根据权利要求4所述的仿生声呐机器人的目标定位方法，其特征在于，所述的不同水平距离为在1～2m范围内取的10个以上的值组成的等差数列。
6.根据权利要求4所述的仿生声呐机器人的目标定位方法，其特征在于，测定待测目标的空间二维坐标包括：
将两路声波信号序列，进行短时傅里叶变换，得到两路声波信号的谱图；
对谱图进行能量特征提取，得到高维能量...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。