快速高精度的TDOA声源定位方法技术

本发明专利技术提供了一种快速高精度的TDOA声源定位方法，解决的是无去噪手段情况下TDOA定位的求解速度和精度问题。本法中的方法包括：通过TDOA定位算法检测声源信号传播到两个传感器的时延，得到距离差，并通过多组传感器的传播距离差值确定声源位置；根据传播距离差元素间最大绝对距离准则，对TDOA求解方程组进行位置重排，以减小线性方程组方程排序对求解过程的影响；采用贪心策略，确定TDOA求解方程组用于求解声源坐标；对声源坐标进行密度聚类；对聚类中心进行选择，得到定位点。从而可以有效地提升TDOA声源定位算法的计算速度和定位精度。度。度。

【技术实现步骤摘要】
快速高精度的TDOA声源定位方法


[0001]本专利技术涉及电气设备检修
，具体地，涉及一种快速高精度的TDOA声源定位方法。

技术介绍

[0002]变压器主要的故障定位方法包括：吊罩检查、局放定位和声源定位。吊罩检查需停电检修，虽然检查全面但费时费力，无法满足增长的检修需求。局放定位通过接收超声波来定位局部放电的位置，该方法研究手段成熟，但超声波只适用于检测局部放电。声源定位通过采集变压器的声信号来确定故障的位置，检测的故障除了一般的机械故障外还包括绕组短路等电气故障。近年来，因为变压器声信号检测和定位具有干扰小、操作方便等优势而逐渐引起了研究人员的注意。
[0003]声源定位的一种常用方法为：到达时间差(Time Difference of Arrival，TDOA)定位。TDOA定位需要求取双曲面方程组，但直接求取计算难度较大，因而不少算法(比如Taylor级数展开、Chan算法)相继提出来加快计算速度。但是考虑到精度的要求和实际环境的复杂性，这些算法定位效果并不是很好。具体来说，采样芯片的时钟同步误差、时延估计误差、信号传播速度误差、传感器位置误差、非视距(Non
‑
Line
‑
Of
‑
Sight,NLOS)环境都会对TDOA的定位结果产生影响，因而现在的研究主要考虑如何提高定位精度。
[0004]针对Chan算法的不足，基于自适应误差模型改进的Chan算法被提出，自适应误差模型假定测量距离与实际距离成正比关系，但这不一定是普遍情况，而Chan算法一般只适用于高信噪比环境。随着智能优化算法的兴起，不少智能优化算法也逐渐用于TDOA定位中。有研究采用改进的哈里斯鹰优化(Improved Harris Hawk Optimization，IHHO)算法求解TDOA定位问题，IHHO使用了改进的适应度函数和Chan算法求解的初始种群，仿真结果表明在不同的基站数量下IHHO有较低的均方根误差(Root Mean Square Error，RMSE)，但是未考虑到不同来源的测量异常(传感器位置测量异常、延时估计异常等)对定位结果的影响。为了应对不同来源的测量异常对定位精度的影响，有研究考虑从损失函数出发减小测量异常对定位精度的影响，将常用的RMSE改为混合的胡伯损失(mixed Huber loss，MHL)，并利用k
‑
means来聚类变换参考麦克风得到的多个定位点的定位中心，但是MHL中的阈值不便求取，如要得到最优阈值计算量大。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种快速高精度的TDOA声源定位方法。。
[0006]第一方面，本申请实施提供一种快速高精度的TDOA声源定位方法，包括：
[0007]步骤1：计算声源信号传播到两个麦克风的时延，进而得到距离差，结合麦克风的位置得到TDOA定位方程组；
[0008]步骤2：利用贪心策略从TDOA定位方程组中选出多组满足要求的方程组，根据传播
距离差元素间最大绝对距离准则对选出的方程组进行位置重排；
[0009]步骤3：将重排后的方程组转化为一个线性方程组和一个非线性方程的形式，求解线性方程组得到近似定位点；
[0010]步骤4：在选出的方程组都转化求解完毕后，对所有的近似定位点进行基于密度的聚类；
[0011]步骤5：构造目标函数，选择能使目标函数最小的聚类中心作为目标定位点。
[0012]可选地，所述步骤1包括：
[0013]步骤1.1：利用广义互相关法估计声源信号传播到两个麦克风的时延。假设两个麦克风收到的长度为N
s
的声音序列分别为x1(m)和x2(m)，为两个麦克风的相关性，记X1(k)、X2(k)、分别为x1(m)、x2(m)、的离散傅里叶变换，根据维纳
‑
辛钦定理有：
[0014][0015][0016]其中：P(k)表示功率谱密度，R(n)表示不同延时情况下序列的相关性，通过搜索R(n)的最大值得到序列的时延，为为表示的倒数；表示X1(k)的共轭，k表示基频的倍数，n表示声音序列超前或滞后参考声音序列的样本点；
[0017]步骤1.2：根据时延得到声源到不同麦克风的距离差，结合麦克风位置得到TDOA定位方程。
[0018]可选地，所述步骤2包括：
[0019]假设声源到参考麦克风与剩余麦克风的距离差向量记为d＝[r
1，1
，r
2，1
，...，r
M，1
]，对向量d进行升序重排得到d
′
＝[r
′
1，1
，r
′
2，1
，...，r
′
M，1
](r
′
1，1
≤r
′
2，1
≤
…
≤r
′
M，1
)，再将d
′
中的元素从大到小依次插入d
′
两数之间或最右端数的右边，从左到右取出与向量d等长的元素形成重排后的向量；其中：d
′
中的每一个元素与TDOA定位方程组中的一个方程对应，根据d
′
并基于最大绝对距离进行定位方程组的重排。
[0020]可选地，所述步骤3包括：
[0021]步骤3.1：将重排后方程组的相邻方程相减，得到所需的线性方程组；
[0022]步骤3.2：根据线性方程组的系数矩阵是否可逆，分类讨论线性方程组的解法。
[0023]可选地，所述步骤4包括：
[0024]步骤4.1：输入数据归一化，设置ε和MinPts的值并随机假定一个核心对象，其余待搜索样本数记为样本总数N；其中，ε表示样本邻域距离阈值，MinPts表示某一样本的ε
‑
邻域中样本个数的阈值；
[0025]步骤4.2：判断N是否大于0，若大于0，则执行步骤4.3；若不大于0，则结束程序；
[0026]步骤4.3：搜索核心对象的所有密度可达点，将密度可达点数量记为m；若m＜MinPts，则对应的假定核心对象为噪声；若m≥MinPts，则对应的假定核心对象为核心对象，且与剩余m点为同一类；
[0027]步骤4.4：将待搜索样本去除已经分类的m+1个样本，并随机指定一个核心对象后，
返回执行步骤4.2。
[0028]可选地，所述步骤5包括：
[0029]构造目标函数：
[0030][0031]其中：x、y、z分别代表声源的x轴、y轴和z轴对应的坐标，r表示参考麦克风到声源点的距离；M表示传感器的数量，x
i
表示第i个传感器的x轴坐标，y
i
表示第i个传感器的y轴坐标，z
i
表示第i个传感器的z轴坐标，r
i，1
表示声源到第i个麦克风的距离减去声源到参考麦克风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速高精度的TDOA声源定位方法，其特征在于，包括：步骤1：计算声源信号传播到两个麦克风的时延，进而得到距离差，结合麦克风的位置得到TDOA定位方程组；步骤2：利用贪心策略从TDOA定位方程组中选出多组满足要求的方程组，根据传播距离差元素间最大绝对距离准则对选出的方程组进行位置重排；步骤3：将重排后的方程组转化为一个线性方程组和一个非线性方程的形式，求解线性方程组得到近似定位点；步骤4：在选出的方程组都转化求解完毕后，对所有的近似定位点进行基于密度的聚类；步骤5：构造目标函数，选择能使目标函数最小的聚类中心作为目标定位点。2.根据权利要求1所述的快速高精度的TDOA声源定位方法，其特征在于，所述步骤1包括：步骤1.1：利用广义互相关法估计声源信号传播到两个麦克风的时延，假设两个麦克风收到的长度为N
s
的声音序列分别为x1(m)和x2(m)，为两个麦克风的相关性，记X1(k)、X2(k)、分别为x1(m)、x2(m)、的离散傅里叶变换，根据维纳
‑
辛钦定理有：有：其中：P(k)表示功率谱密度，R(n)表示不同延时情况下序列的相关性，通过搜索R(n)的最大值得到序列的时延，为为表示的倒数；表示X1(k)的共轭，k表示基频的倍数，n表示声音序列超前或滞后参考声音序列的样本点；步骤1.2：根据时延得到声源到不同麦克风的距离差，结合麦克风位置得到TDOA定位方程。3.根据权利要求1所述的快速高精度的TDOA声源定位方法，其特征在于，所述步骤2包括：假设声源到参考麦克风与剩余麦克风的距离差向量记为d＝[r
1,1
,r
2,1
,
…
,r
M,1
]，对向量d进行升序重排得到d
′
＝[r1′
,1
,r2′
,1
,
…
,r
′
M,1
](r1′
,1
≤r2′
,1
≤
…
≤r
′
M,1
)，再将d
′
中的元素从大到小依次插入d
′
两数之间或最右端数的右边，从左到右...

【专利技术属性】
技术研发人员：石雷，齐笑，张继国，郝成钢，李新辉，李磊，韩东旭，柴方森，杨乐，李光，
申请(专利权)人：国网吉林省电力有限公司四平供电公司，
类型：发明
国别省市：