一种基于无人机谐波聚焦的宽带声源定位方法、系统、设备及介质技术方案

一种基于无人机谐波聚焦的宽带声源定位方法、系统、设备及介质，方法包括：设置L型麦克风阵列收集无人机声源信号，根据阵列中阵元间的最小间距选择合适的聚焦频率，对阵列收集的无人机声源信号进行短时傅里叶变换，得到时频图，通过计算时频图上低频段内任意两个相邻谐波的频率差值得基频频率，并得出高频段内的谐波频率点，通过构造聚焦矩阵对高频段内的各谐波频率点进行聚焦，将各个谐波频率的信号子空间映射到聚焦频率的信号子空间上，得到聚焦变换后的信号，根据聚焦后的信号，构造协方差矩阵，利用窄带DOA估计算法对协方差矩阵进行处理；系统、设备及介质，用于实现一种基于无人机谐波聚焦的宽带声源定位方法；本发明专利技术具有定位精度高，抗干扰能力强的优点。抗干扰能力强的优点。抗干扰能力强的优点。

【技术实现步骤摘要】
一种基于无人机谐波聚焦的宽带声源定位方法、系统、设备及介质


[0001]本专利技术涉及运动声源目标定位
，具体涉及一种基于无人机谐波聚焦的宽带声源定位方法、系统、设备及介质。

技术介绍

[0002]波达方向DOA估计作为阵列信号处理领域的重要研究内容之一，近年来在通信、导航等许多领域都有了广泛的应用；传统的DOA估计算法大部分是基于窄带信号模型，将窄带定位算法直接应用在无人机噪声源上，会出现无法准确定位的问题。
[0003]文献[M.WAX,T.Shan,and T.Kailath.Spatio
‑
temporal spectral analysis by eigenstr ucture methods[J].IEEE Trans.on Acoustics Speech,and Signal Processing,1984,32:817
‑
827]提出非相干信号子空间处理方法(incoherent signal method，ISM)，该方法基于频率分解的思想，将宽带信号分解为若干个窄带信号，对每个窄带信号进行DOA估计，对所得到的多个估计结果进行加权平均处理，得到宽带信号DOA估计的结果；由于该方法在每个频段上仅利用了宽带信号的部分信息，所以其估计性能不高；如果定位的信号为相干信号，将无法在空间内精确定位，会出现虚峰或伪峰的干扰。
[0004]文献[H.Wang and M.Kaveh.Coherent signal
‑
subspace processing for the detection and estimation of angles of multiple wide
‑
band sources[J].IEEE Trans.on Acoustics Speech,and Signal Processing,1985,33(4):823
‑
831]提出来的相干信号子空间处理方法(coherent signal method，CSM)，该方法基于频率聚焦的思想，引入聚焦变换，通过聚焦矩阵将宽带信号上各子带不同的频点聚焦到参考频率上，将聚焦后各子带的协方差矩阵求和后做平均处理，得到聚焦的协方差矩阵，之后用窄带处理方法得到宽带信号DOA，然而，CSM需要对信源来波方向进行了预估以便构造聚焦矩阵，预估的误差将直接影响了CSM的性能。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于无人机谐波聚焦的宽带声源定位方法、系统、设备及介质，利用无人机噪声的谐波特性，在噪声高频段各线谱附近进行谐波聚焦，构造聚焦后的阵列接收数据，然后利用窄带DOA估计算法获取无人机方位估计结果；本专利技术解决了在低信噪比环境下使用传统宽带CSM算法定位无人机易受干扰，定位误差较大的问题，具有定位精度高，抗干扰能力强的优点。
[0006]为了实现上述目的，本专利技术采用的技术方案是：
[0007]一种基于无人机谐波聚焦的宽带声源定位方法，包括以下步骤：
[0008]步骤1：通过设置“L”型麦克风阵列以收集无人机声源信号，根据阵列中阵元间的最小间距d选择合适的聚焦频率f0；
[0009]步骤2：对阵列收集到的无人机声源信号进行短时傅里叶变换，得到时频图，通过
计算时频图上低频段内任意两个相邻谐波的频率差值得基频频率，并以此得出高频段内的谐波频率点；
[0010]步骤3：通过构造聚焦矩阵对步骤2中得出的高频段内的各谐波频率点进行聚焦，将各个谐波频率的信号子空间映射到聚焦频率f0的信号子空间上，得到聚焦变换后的信号，根据聚焦后的信号，构造协方差矩阵；
[0011]步骤4：利用窄带DOA估计算法对步骤3中构造的协方差矩阵进行处理。
[0012]所述步骤1中根据阵列中阵元间的最小间距d选择合适的聚焦频率f0的具体方法如下：
[0013]1.1通过式(1)确定使得阵列测向不出现模糊的最大频率f
max
：
[0014][0015]式中，λ
min
表示感兴趣声信号的最短波长，c表示声音在空气中的传播速度，一般为340m/s；
[0016]1.2同时，聚焦频率f0需小于最大频率f
max
，如式(2)所示：
[0017][0018]所述步骤2中通过计算时频图上低频段内任意两个相邻谐波的频率差值得基频频率，并以此得出高频段内的谐波频率点的具体方法如下：
[0019]2.1计算基频频率，选取低频段内的任意两个相邻线谱的频率为f
a
和f
b
，且f
a
和f
b
需满足f
a
＜f
b
，通过两个相邻线谱的频率相减得到基频频率f
c
，如式(3)所示：
[0020]f
b
‑
f
a
＝f
c
ꢀꢀꢀꢀ
(3)
[0021]2.2通过式(4)计算高频段内的各谐波频率点f
i
(i＝1,2,...,L)的值：
[0022]f
b
+(L
‑
1)
·
f
c
＝f
i
(i＝1,2,...,L)
ꢀꢀꢀꢀ
(4)
[0023]所述步骤3中构造协方差矩阵的具体方法如下：
[0024]3.1假设高频段内有L个谐波频率点，对已知的谐波频率点进行聚焦，通过式(5)构造合适的聚焦矩阵T(f
i
)：
[0025][0026]式中，表示矩阵F
‑
范数，I表示单位矩阵；
[0027]对式(5)进行求解，可以得到聚焦矩阵的具体表达式如式(6)所示：
[0028][0029]式中，V0(f
i
)和V(f
i
)分别表示矩阵A(Θ
i
,f
i
)A
H
(Θ0,f0)经过奇异值分解得到的左右两个酉矩阵，用该矩阵进行聚焦变换不会改变阵列输出的信噪比；
[0030]3.2频域序列内，谐波聚焦以谐波频点为中心频率，十分之一基频频率大小为带宽进行聚焦，此时以f
i
为中心频率的阵列接收信号的具体表达式如式(7)所示：
[0031]X(f
i
)＝A(Θ
i
,f
i
)S(f
i
)+N(f
i
)
ꢀꢀꢀꢀ
(7)
[0032]式中表示入射DOA的集合,A(Θ
i
,f
i
)为阵列流形矩阵，S(f
i
)为输入信号
的频域表达式，N(f
i
)为高斯噪声；...

【技术保护点】

【技术特征摘要】
1.一种基于无人机谐波聚焦的宽带声源定位方法，其特征在于，包括以下步骤：步骤1：通过设置“L”型麦克风阵列以收集无人机声源信号，根据阵列中阵元间的最小间距d选择合适的聚焦频率f0；步骤2：对阵列收集到的无人机声源信号进行短时傅里叶变换，得到时频图，通过计算时频图上低频段内任意两个相邻谐波的频率差值得基频频率，并以此得出高频段内的谐波频率点；步骤3：通过构造聚焦矩阵对步骤2中得出的高频段内的各谐波频率点进行聚焦，将各个谐波频率的信号子空间映射到步骤1中聚焦频率f0的信号子空间上，得到聚焦变换后的阵列接收信号，根据聚焦变换后的阵列接收信号，构造协方差矩阵；步骤4：利用窄带DOA估计算法对步骤3中构造的协方差矩阵进行处理。2.根据权利要求1所述的一种基于无人机谐波聚焦的宽带声源定位方法，其特征在于，所述步骤1中根据阵列中阵元间的最小间距d选择合适的聚焦频率f0的具体方法如下：1.1通过式(1)确定使得阵列测向不出现模糊的最大频率f
max
：式中，λ
min
表示感兴趣声信号的最短波长，c表示声音在空气中的传播速度，一般为340m/s；1.2同时，聚焦频率f0需小于最大频率f
max
，如式(2)所示：3.根据权利要求1所述的一种基于无人机谐波聚焦的宽带声源定位方法，其特征在于，所述步骤2中通过计算时频图上低频段内任意两个相邻谐波的频率差值得基频频率，并以此得出高频段内的谐波频率点的具体方法如下：2.1计算基频频率，选取低频段内的任意两个相邻线谱的频率为f
a
和f
b
，且f
a
和f
b
需满足f
a
＜f
b
，通过两个相邻线谱的频率相减得到基频频率f
c
，如式(3)所示：f
b
‑
f
a
＝f
c
ꢀꢀꢀꢀꢀꢀꢀ
(3)2.2通过式(4)计算高频段内的各谐波频率点f
i
(i＝1,2,...,L)的值：f
b
+(L
‑
1)
·
f
c
＝f
i
(i＝1,2,...,L)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)4.根据权利要求1所述的一种基于无人机谐波聚焦的宽带声源定位方法，其特征在于，所述步骤3中构造协方差矩阵的具体方法如下：3.1假设高频段内有L个谐波频率点，对已知的谐波频率点进行聚焦，通过式(5)构造合适的聚焦矩阵T(f
i
)：式中，表示矩阵F
‑
范数，I表示单位矩阵；对式(5)进行求解，可以得到聚焦矩阵的具体表达式如式(6)所示：
式中，V0(f
i
)和V(f
i
)分别表示矩阵A(Θ
i
,f
i
)A
H
(Θ0,f0)经过奇异值分解得到的左右两个酉矩阵，用该矩阵进行聚焦变换不会改变阵列输出的信噪比；3.2频域序列内，谐波聚焦以谐波频点为中心频率，十分之一基频频率大小为带宽进行聚焦，此时以f
i
为中心频率的阵列接收信号的具体表达式如式(7)表示为：X(f
i
)＝A(Θ
i
,f
i
)S(f
i
)+N(f
i

【专利技术属性】
技术研发人员：陈鹏，陈亚宁，王威，陈洋，孙霆，
申请(专利权)人：长安大学，
类型：发明
国别省市：