【技术实现步骤摘要】
本专利技术属于超声定位，具体涉及一种基于超声的多目标二维室内定位系统及方法。
技术介绍
1、随着智能家居的快速发展，人们对室内定位提出了越来越多的需求。由于超声室内定位技术可直接使用智能家居设备自带的喇叭和麦克风，无需增加额外的硬件成本，且定位精度可以到厘米级别，引起了研究者越来越多的关注。
2、超声室内二维定位技术通过喇叭发射超声波，超声波在空气中传播，接触目标表面后反射回喇叭方向。麦克风阵列接收反射回来的超声波回波，通过测量超声波回波在空气中的传播时间乘以声速完成目标距离的测量，利用麦克风阵列多通道信号之间的相位差完成目标角度测量。目前超声室内定位技术有两种，一种是传统信号处理方法，此类方法大都基于二维多重信号分类(music)算法完成的，这类算法一般要求信号的指向性要好，信号的干扰较少，然而使用智能家居自带的喇叭发出的超声信号指向性较差，麦克风除了会接收到目标的反射波，同时也会接收到四周墙壁、地板、天花板、桌子等静态物体的反射波，这些静态物体的反射波会干扰music算法的结果，因而当物体静止时，music算法将会失效，算法将无法区分静止目标和静态物体的超声回波信号；另一种是基于深度神经网络的方法，该方法通常使用music算法输出的二维矩阵作为模型输入，随后通过训练预测目标的距离和角度，此类模型能够获得更准确的距离测量和角度测量，同时由于模型可以看到更多帧数据，可以检测到信号在时间上的微小变化，例如由呼吸产生的信号变化，进而能够完成静止目标的检测，但是这种方法由于使用musci算法输出的二维矩阵作为模型输入，卷积
技术实现思路
1、为解决现有技术中存在的技术问题，本专利技术的目的在于提供一种基于超声的多目标二维室内定位系统及方法。
2、为实现上述目的，达到上述技术效果，本专利技术采用的技术方案为：
3、一种基于超声的多目标二维室内定位系统，包括：
4、超声信号生成模块，用于得到超声数字信号并以固定的时间周期重复播放；
5、特征提取模块，用于对超声数字信号进行处理，得到深度神经网络模块的输入特征x(c,i,n)；
6、深度神经网络模块，用于对输入特征x(c,i,n)进行处理，构建深度神经网络模型；
7、目标追踪模块，根据深度神经网络模块输出的多个目标距离和角度，确定每一帧数据候选目标的距离和角度，进行坐标转换后输出多目标的坐标结果。
8、进一步的，所述深度神经网络模块包括vgg二维卷积网络、距离rpn网络和角度rpn网络，所述vgg二维卷积网络包括8层二维卷积层和激活函数，所述距离rpn网络和角度rpn网络均包括一层卷积层和一个poise-wise卷积层。
9、本专利技术公开了一种基于超声的多目标二维室内定位方法，包括以下步骤：
10、步骤101、获取超声数字信号，并其以固定的时间周期重复播放；
11、步骤201、使用麦克风阵列对超声信号进行采集，得到多通道超声阵列数字信号，经处理后得到解调后的超声频域信号p(k,i,n)；
12、步骤202、对超声频域信号p(k,i,n)和自相关序列进行处理，得到输入特征x(c,i,n)，其由脉冲响应信号的实部和虚部构成，保留信号完整的幅度和相位信息；
13、步骤301中，将输入特征x(c,i,n)送入vgg二维卷积网络完成前向运算，输出信号xl(cl,i,n)；
14、步骤302、将信号xl(cl,i,n)送入距离rpn网络进行距离预测；
15、步骤303、将信号xl(cl,i,n)送入角度rpn网络进行角度预测；
16、步骤304、对训练超声信号执行步骤201-303，得到训练数据的距离rpn网络输出y′(i,n)和角度rpn网络输出y″(c″2,i,n)；根据训练超声信号的距离标注d(i)和角度标注θ(i)生成距离标注矩阵mask′(i,n)和角度标注矩阵mask″(c′2,i,n)；随后使用反向传播算法计算深度神经网络中参数的梯度，并对vgg二维卷积网络、距离rpn网络、角度rpn网络的权重和偏置不断进行迭代更新，最终得到深度神经网络模型；
17、步骤401、使用步骤304得到的深度神经网络模型，对测试超声信号执行步骤201-303得到测试超声信号的距离rpn网络输出y′(i,n)和角度rpn网络输出y″(c″2,i,n)；
18、步骤402、从y′(i,n)对第二个维度展开搜索，寻找概率峰值，将第k个概率峰值对应的下标n′k(i)作为第k个候选目标在第i帧时的距离预测计算候选目标k的角度θ″k(i)，再将候选目标k的距离预测d′k(i)和角度预测θ″k(i)进行坐标转换，最后将候选目标k的坐标(x″k(i)、y″k(i))输出。
19、进一步的，步骤101中，获取超声数字信号，并其以固定的时间周期重复播放的步骤包括：
20、根据随机序列理论生成自相关序列zc(n)，序列长度为m；
21、将自相关序列zc(n)加载到20khz～23khz频率范围上，并利用ifft计算将信号从频域转换到时域得到实数超声数字信号s，信号长度为w，再将超声数字信号s送入喇叭，以时间周期t＝w/fs不断重复播放超声数字信号，其中fs为信号采样率。
22、进一步的，步骤201中，使用麦克风阵列对超声信号进行采集，得到多通道超声阵列数字信号，经处理后得到解调后的超声频域信号p(k,i,n)的步骤包括：
23、使用麦克风阵列对超声信号进行采集，得到多通道超声阵列数字信号o(k,n)，其中k表示通道下标，n表示采样点下标；
24、对信号o(k,n)以长度w进行分帧，得到信号o′(k,i,n)，i表示帧下标；
25、对信号o′(k,i,n)的第三维度进行fft计算，将其从时域转换到频域，将20khz～23khz频段对应的数据取出后得到解调后的超声频域信号p(k,i,n)。
26、进一步的，步骤202中，对超声频域信号p(k,i,n)和自相关序列进行处理，得到输入特征x(c,i,n)的步骤包括：
27、利用超声频域信号p(k,i,n)与原始信号zc(n)使用如下公式计算每一帧的频率响应h(k,i,n)：
28、
29、对频率响应h(k,i,n)的第三维度进行ifft计算，得到静态脉冲响应信号h(k,i,n)；
30、使用静态脉冲响应信号h(k,i,n)估计背景脉冲响应信号，二者之差为动态脉冲响应信号h′(k,i,n)；
31、将h′(k,i,n)和h(k,i,n)分别取实部和虚部并在第二个维度上进行拼接，得到输入特征x(c,i,n)，下标c表示通道。
32、进一步的，步骤本文档来自技高网...
【技术保护点】
1.一种基于超声的多目标二维室内定位系统，其特征在于，包括：
2.根据权利要求1所述的一种基于超声的多目标二维室内定位系统，其特征在于，所述深度神经网络模块包括VGG二维卷积网络、距离RPN网络和角度RPN网络，所述VGG二维卷积网络包括8层二维卷积层和激活函数，所述距离RPN网络和角度RPN网络均包括一层卷积层和一个poise-wise卷积层。
3.一种基于超声的多目标二维室内定位方法，其特征在于，包括以下步骤：
4.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，步骤101中，获取超声数字信号，并其以固定的时间周期重复播放的步骤包括：
5.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，步骤201中，使用麦克风阵列对超声信号进行采集，得到多通道超声阵列数字信号，经处理后得到解调后的超声频域信号p(k，i，n)的步骤包括：
6.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，步骤202中，对超声频域信号p(k，i，n)和自相关序列进行处理，得到输入特征x
7.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，步骤304中，所述距离标注矩阵mask′(i，n)的计算公式为：
8.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，所述候选目标k的角度θ″k(i)的计算公式为：
9.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，所述候选目标k的距离预测d′k(i)和角度预测θ″k(i)根据如下公式进行坐标转换：
...【技术特征摘要】
1.一种基于超声的多目标二维室内定位系统，其特征在于，包括：
2.根据权利要求1所述的一种基于超声的多目标二维室内定位系统，其特征在于，所述深度神经网络模块包括vgg二维卷积网络、距离rpn网络和角度rpn网络，所述vgg二维卷积网络包括8层二维卷积层和激活函数，所述距离rpn网络和角度rpn网络均包括一层卷积层和一个poise-wise卷积层。
3.一种基于超声的多目标二维室内定位方法，其特征在于，包括以下步骤：
4.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，步骤101中，获取超声数字信号，并其以固定的时间周期重复播放的步骤包括：
5.根据权利要求3所述的一种基于超声的多目标二维室内定位方法，其特征在于，步骤201中，使用麦克风阵列对超声信号进行采集，得...
【专利技术属性】
技术研发人员：唐浩元，黄正林，肖佳林，李霄，王欢良，王佳珺，
申请(专利权)人：苏州奇梦者科技有限公司，
类型：发明
国别省市：
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。