萬若楠,孫小廣,張亦勛,劉朝山

(1. 廣州城市理工學院電子信息工程學院,廣東 廣州 510800;2. 火箭軍工程大學,陜西 西安 710025)

1 引言

聲源定位是一種典型的被動式目標定位技術,僅需要接收來自定位目標的相關特征參數(shù)如聲音信號到達麥克風陣列的入射角、時間差就可以完成目標定位,具有極強的隱蔽性。因此,作為典型被動式目標定位、跟蹤技術越來越成為新的研究熱點,在軍事、工業(yè)、民用等領域都有廣泛應用。如鳴笛抓拍系統(tǒng)[1-3],通過麥克風陣列完成音頻采集,運用聲源定位技術對鳴笛車輛進行定位,最后運用高清攝像頭完成抓拍功能。利用聲源定位獲取聲源信息,可以使得視頻會議中的麥克風自動跟蹤說話人,獲得更加精確的采集語音,實現(xiàn)語音增強[4];可以進一步提高智能機器人的聲音定位能力、語音交互能力[5,6]。利用聲源定位獲取聲源信息,可對闖入一些禁區(qū)如核電站、軍事基地等“黑飛”的四旋翼無人機定向定位以及實施有效攔截[7]。目前主要采用的聲源定位算法有三種:基于波束形成(Beam Forming)的定位算法、高分辨率譜估計(high resolution spectral estimation)的定位算法,以及到達時延差(Time Difference of Arrival:TDOA)技術定位算法[8]。Matlab 2020a相控陣系統(tǒng)工具箱提供了對應的算法,其中TDOA定位算法相對較簡單,是實際應用最廣泛的一種定位方法。

2 TDOA的定向定位模型

在基于TDOA的聲源定位場景中,聲源s(t),環(huán)境中僅存在噪聲,麥克風1、2接收到的混合聲音信號可以被數(shù)學建模為[9]

x1(t)=s(t)+n1(t)

(1)

x2(t)=as(t-τ12)+n2(t)

(2)

其中x1(t)與x2(t)為麥克風接收到的混合聲音信號,s(t)為聲源信號,a為麥克風2接收到的聲音信號的能量相較于陣列中心的衰減系數(shù),τ12為聲音信號到達麥克風的傳播時間差,n1(t)與n2(t)為均值為0、方差為1的高斯白噪聲。聲源s(t)與噪聲n1(t)、n2(t)相互獨立。

2.1 基于GCC-PHAT的時延估計算法

在聲源定位系統(tǒng)中,麥克風陣列的每個單元所接收到的目標信號xi(t),(i=1,2,3,4)源于同一個聲源,顯然,不同通道信號xi(t)之間具有較強的相關性。通過計算每兩通道信號之間的相關函數(shù)Rx1x2(τ),確定出兩通道麥克風接收信號之間的時延[10]。

Rx1x2(τ)=E(x1(t)x2(t-τ))

(3)

將方程(1)、(2)代入方程(3),考慮到聲源s(t)與噪聲n1(t)、n2(t)互不相關,最后化簡為

Rx1x2(τ)=α1α2Rss(τ-τ12)

(4)

由相關函數(shù)的性質可知,當兩個麥克風之間的時延τ12=τ1-τ2時,Rx1x2(τ)取最大值。為抑制噪聲和混響干擾,采用廣義互相關-相位變換方法(Generalized Cross Correlation Phase Transformation,GCC-PHAT)。在頻域內引入φ12(ω)對互功率譜進行PHAT加權,可銳化Rx1x2(τ)的峰值,提高計算的精度。依據(jù)互相關函數(shù)和互功率譜的關系

(5)

最后利用傅里葉逆變換,可得廣義互相關函數(shù)Rx1x2(τ)

(6)

針對不同的應用環(huán)境,可選擇不同的加權函數(shù)[11,12]。

2.2 空間四元麥克風陣列定位算法

如圖1所示,將四元麥克風放置在S1,S2,S3,S4四個點的位置上,組成空間四面體的麥克風陣列,并建立對應的三維直角坐標系。

圖1 空間四元麥克風陣列

圖2 聲音信號傳播延時與距離關系

(7)

將上述方程組展開,有

(8)

用方程組(8)中的后三個方程分別減去第一個方程,并考慮ri-r1=di1,當di1?ri時,有ri+r1≈2r0,因此有

(9)

基于方程組(9)可以求得聲源點P的位置坐標(xs,ys,zs)與r0和di1關系的表達式

(10)

根據(jù)上述聲源點的坐標關系,可推導出方位角φ和俯仰角θ

(11)

3 系統(tǒng)硬件設計

系統(tǒng)硬件主要由聲波信號采集、處理系統(tǒng)、指向執(zhí)行系統(tǒng)等組成。

3.1 基于電腦聲卡的采樣系統(tǒng)設計

在空間直角坐標系中放置四個駐極體麥克風,分別位于四面體的四個頂點上,其中麥克風1(0.14m,0.14m,0.28m)、麥克風2(-0.14m,0.14m,0)、麥克風3(-0.14m,-0.14m,0.28m)、麥克風4(0.14m,-0.14m,0)。聲音信號經(jīng)麥克風采集、信號調理單元放大,放大倍數(shù)為100倍左右(可調)。最后,輸入電腦聲卡,采樣頻率設為44.1kHz。

由于電腦聲卡是雙通道,每次只能采集兩個麥克風的信號。為降低成本,在采集聲音信號時采用繼電器控制麥克風的工作,其中麥克風1持續(xù)工作,另三個由繼電器控制分別依次工作,依據(jù)方程組(7),可以測得四麥克風2、3、4與麥克風1之間三組時延,解算出聲源的位置。顯然,本仿真系統(tǒng)對靜止、低速運動聲源的定位具有很好的性價比。

3.2 聲源跟蹤單元

為了控制兩軸自由度平臺轉動,采用ULN2803來驅動28BYJ48型的5V步進電機,達到精確控制角度的目的?？刂菩盘柾ㄟ^驅動芯片與光耦連接,可以隔離掉電機的起止電流對于單片機的影響,從而提高系統(tǒng)穩(wěn)定性。

4 系統(tǒng)軟件設計

為了提高效率、更好控制硬件設備,采用MATLAB軟件進行了原理性仿真驗證。具體仿真流程見圖3。

圖3 程序流程圖

4.1 信號預處理模塊

由于采集到的信號具有噪聲,因此需要進行過濾步驟。采用MATLAB中的smooth平滑函數(shù)和帶通濾波器可以實現(xiàn)對聲音信號的濾波。

4.2 敏感聲音識別模塊

倒譜參數(shù)(Mel Frequency Cepstral Coefficents:MFCCs)是一種在自動語音以及說話人識別中使用最為普遍的特征,從Mel標度頻率域中提取出來,這種特征具有更好的魯棒性[14,15]。本文直接采用Matlab 2020a音頻工具箱(Audio Toolbox)提供的數(shù)據(jù)集(Data Set);特征提取(Feature Extraction);分類器訓練(Training a Classifier);分類器測試(Testing the Classifier)及其相關的支持函數(shù)(Supporting Functions),實現(xiàn)聲音信號的識別。

4.3 聲源定位算法仿真與分析

考慮到影響定向精度的因素主要有聲源點的距離、基陣的尺寸以及時延估計誤差等,文章主要從以上幾個方面對定向精度進行了分析。

圖4是通過MATLAB軟件仿真得到的時延估計圖,由圖中可以看到三個峰值,分別對應了三個時延值,將峰值與程序所設定的數(shù)值進行比較,基本是一致的,即仿真系統(tǒng)成功識別出聲源信息。

圖4 GCC-PHAT時延估計圖

圖5是聲源點分別在x、y、z 三個方向上距離變化時對方位角測量誤差的影響,仿真中俯仰角取值為35.3°,方位角取值為45°,聲陣臂長定為0.14m,時延估計誤差為15μs,仿真取點間隔設置為0.05m。

由圖5可見,在4到10m的范圍內,三個方向上聲源點距離對方位角誤差的影響不大,整體誤差在±1°左右。聲源點在x方向改變距離時,得到方位角誤差的平均值和標準差分別為:0.31414和0.19745;聲源點在y方向改變距離時,得到方位角誤差的平均值和標準差分別為:-0.31934和0.22537;聲源點在z方向改變距離時,得到方位角誤差的平均值和標準差分別為:-0.00680和0.20864;由這些數(shù)據(jù)可見,在x方向上改變聲源點距離時,測量值與預測值較相符合,y方向上的誤差相對大一些,同時方位角對z方向聲源點距離改變最為不敏感。

圖6為麥克風陣列臂長h對俯仰角測量誤差的影響,在仿真計算時俯仰角選取為35.3°,方位角選取為45°,聲陣臂長取值為0.14m,仿真取點間隔設置為0.01m。由圖6可見,麥克風的陣列臂長h對俯仰角精度的測量有較大影響。當麥克風陣列臂長h在0到0.1m的范圍內時,俯仰角的仿真誤差比較大接近8°,當麥克風陣列臂長h在0.1到1m的范圍內變化時,俯仰角仿真誤差明顯減小,整體誤差在±2°左右。仿真結果進一步表明,當麥克風陣列臂長h超過1m時,俯仰角精度也明顯低于0.1到1m時的精度范圍。總的來說,適當?shù)柠溈孙L陣列臂長h的取值范圍對俯仰角估計精度有明顯效果。

圖6 麥克風陣列臂長h對俯仰角誤差的影響

5 結論

本文借助MATLAB信號處理工具箱、相控陣系統(tǒng)工具箱,實現(xiàn)有限集合的聲音信號識別,并由GCC-PHAT算法確定聲波的時延,成功實現(xiàn)了聲源定位定向仿真,并分析了對定向精度測量的影響因素,得到了比較理想的結果。本文提供的聲源定向定位方法最大優(yōu)勢是實驗硬件簡單,信號處理、分析算法豐富且易于實現(xiàn),為開發(fā)、評估聲源定向定位算法和教學提供了新的仿真平臺。