CN102749614A - 一种基于静态声源辅助的声阵列网络自定位方法 - Google Patents

Abstract

本发明公开了一种基于静态声源辅助的声阵列网络自定位方法，该方法能够在有限信标下，通过借助于静态声源的辅助，将静态声源作为连接信标节点与未知节点的桥梁，从而实现声阵列网络中未知节点自定位；该方法的优点在于在信标节点有限稀疏的情况下，通过借助于静态声源的辅助作用，并利用声阵列网络节点之间、节点与静态声源之间所测的DOA（DirectionofArrival，波达方向角）来实现未知节点高精度、低成本、高覆盖率自定位；尤其适用于精度要求较高而定位成本较低的大规模声阵列网络自定位场景。

Description

一种基于静态声源辅助的声阵列网络自定位方法

技术领域

本发明涉及一种声阵列网络自定位方法，尤其涉及一种适用于在有限信标节点下，对节点定位精度要求较高而成本低的大规模声阵列网络场景的基于静态声源辅助的声阵列网络自定位方法。

背景技术

在声阵列网络中,节点本身的位置和朝向信息对整个网络至关重要,是进行数据融合和网络管理的基础。***的性能不仅和目标检测识别或定位追踪算法的性能紧密相关,更取决于能否精确获得节点本身的位置和朝向信息。所以***必须首先获取节点的位置和朝向信息,才能够采取进一步的措施进行数据融合。此外,为实现对整个网络有效管理,需要获取每个节点的位置信息,才以设计高效的有针对性的协议和组织结构(如MAC协议,路由协议,休眠调度,节点选择等)。目前已有的自定位方法很多，本发明关注的是一种基于静态声源辅助的声阵列网络自定位方法，适用于在有限信标节点下，对大规模声阵列网络自定位的场景。

传统的声阵列网络自定位方法中，主要是两种基本思路方法：第一种是根据信标节点与未知节点之间的距离或者DOA（Direction of Arrival，波达方向角）分别利用三角形测量法、最大似然估计等方法来估计未知节点的位置；第二种方法是利用移动信标（例如移动机器人）来实现未知节点的自定位。

现有的这两种声阵列网络自定位方法都有各自的不足之处。对于第一种方法，在信标节点有限的情况下，信标节点与未知节点之间的稀疏性较大，由于信标节点测量DOA的距离有限，这导致数据融合信息偏少，影响自定位精度以及自定位节点的覆盖率；如果增加信标个数，由于信标节点价格昂贵，导致定位的花费成本巨大。对于第二种方法，定位成本低，但是信标移动容易暴露目标，在复杂地理环境中移动信标会碰撞已经定位的节点，并且信标移动定位存在节点覆盖率低的缺陷。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于静态声源辅助的声阵列网络自定位方法。

为了实现上述的目的，本发明采取如下技术方案：一种基于静态声源辅助的声阵列网络自定位方法，包括以下步骤：

（1）声阵列网络***部署和初始化。

（2）根据声阵列网络中各阵元的信号相位差，估计声信号的波达方向角DOA。

（3）根据信标节点所测静态声源的DOA，利用数据融合方法估计静态声源位置。

（4）根据未知节点测量静态声源与信标节点的DOA，并利用最大似然估计方法实现未知节点自定位。

本发明的有益效果是，能够利用静态声源的辅助在有限的信标节点下实现声阵列网络低成本、高精度与高覆盖率自定位；尤其是在大规模未知节点而信标节点稀疏性很大的场景下具有非常巨大的优势。

附图说明

图1是本发明的基于静态声源辅助的声阵列传网络自定位方法部署图；

图2是本发明中利用MUSIC算法估计节点与静态声源的波达方向角示意图；

图3是本发明中采用信标节点估计静态声源位置的示意图；

图4是本发明中采用信标节点与目标辅助联合来定位未知节点的示意图；

图5是本发明中利用波达方向角和目标辅助的自定位效果图；

图6是本发明中静态声源数目对定位精度影响的示意图。

具体实施方式

本发明专利在原有的声阵列网络自定位基础上，利用廉价的静态声源的辅助，实现在有限信标节点下声阵列网络的自定位，降低了自定位成本，同时增加了自定位精度与节点自定位的覆盖率。

本发明基于静态声源辅助的声阵列传网络自定位方法，包括以下步骤：

1、声阵列网络***组成、部署和初始化。

基于静态声源辅助的声阵列传网络自定位方法包括上位机和若干个装有GPS的无线声阵列节点（称为信标节点），大量廉价的静态声源（例如麦克风节点）以及无GPS的未知节点。无线声阵列节点和静态声源随机部署在监控区域中，根据声阵列网络自身特性、定位精度和监控范围，并综合传感器感知半径考虑，区域可设置为1km×1km，感知半径为150m；***部署完成后进行***初始化，初始化中实现无线声阵列网络的基本功能。***部署如图1所示，声阵列网络与上位机之间进行无线通信。

2、根据声阵列网络中各阵元的信号相位差，估计声信号的波达方向角DOA。

通过各阵元接收到的声信号的相位差可以估算目标声源到达阵列的方向角。具体的实现可通过阵列信号处理技术完成，利用经典的MUSIC算法实现信号到达角度的估计值，如图2所示。

3、根据信标节点所测静态声源的DOA，利用数据融合方法估计静态声源位置。

如图3所示，在***部署中，假设有n个信标节点装有GPS，其位置(x_i,y_i)和朝向角θ_i已知，利用信标节点测量静态声源的波达方向角为α_i。由于信标节点测量的DOA以朝向角为参考方向，因此为了计算简单，首先将在参考坐标系下测量的波达方向角DOA转化为绝对坐标系下的角度。假设DOA在绝对坐标系下的角度为β_i,则有：

β_i=θ_i+α_i(或者β_i=θ_i+α_i-360°)。

其中，α_i表示波达方向角，θ_i为信标节点的朝向角。

由于正切函数的周期为π不影响计算结果，故在绝对坐标系下的测量角度可以简化表示为：

β_i=θ_i+α_i,i＝1,2，...n。

在绝对坐标系下，信标节点的坐标(x_i,y_i)与朝向角θ_i已知，假设某一静态声源的位置未知，设为S₁(u₁,v₁)，则根据两点确定一条直线，可得：

tanβ_i=(y_i-v₁)/(x_i-u₁)；

对上式进行化简得到：

tan(α_i+θ_i)u₁-v₁=-y_i+x_itan(α_i+θ_i)；

因此，根据伪线性最小二乘法可得到静态声源的位置为：

S₁=(A₁ ^TA₁)^-1A₁ ^TB₁；

其中：

$A_1=\left(\begin{array}{c}\tan ({\mathrm{\α}}_1+{\mathrm{\θ}}_1)-1\\ .\\ .\\ .\\ \tan ({\mathrm{\α}}_n+{\mathrm{\θ}}_n)-1\end{array}\right),$ $B_1=\left(\begin{array}{c}\tan ({\mathrm{\α}}_1+{\mathrm{\θ}}_1)x_1-y_1\\ .\\ .\\ .\\ \tan ({\mathrm{\α}}_n+{\mathrm{\θ}}_n)x_2-y_n\end{array}\right).$

4.根据未知节点测量静态声源与信标节点的DOA，并利用最大似然估计方法实现未知节点自定位。

对于未知节点的自定位，主要根据步骤3估计所得的静态声源位置以及信标节点的位置，再结合利用未知节点测量信标节点与静态声源的DOA来实现的。如图4所示，假设m个信标节点与静态声源的已知位置为(h_i,p_i)，未知节点测量目标得到的DOA为

假设某一个待估计的未知节点的位置为(g,q)，朝向角为γ，并假设测量噪声满足高斯分布因此根据最大似然估计可以得到未知节点自定位的代价函数为：

其中，(g,q)为未知节点的位置，γ为其朝向角，待估计；

为未知节点测量目标得到的DOA，(h_i,p_i)为m个信标节点与静态声源的位置。通过求取代价函数的最小值就可以估计出未知节点的位置与朝向角。

如图5为本方法得到的节点自定位估计位置和实际位置的对比图。

如图6为静态声源数目对定位精度影响的效果图。由图6可知随着静态声源数目的增加，定位精度提高。

本发明考虑到在有限信标节点下，针对传统的声阵列网络自定位方法中定位精度高而定位成本昂贵、成本低而定位精度与节点覆盖率低等缺点，采用了一种基于静态声源辅助的声阵列网络自定位方法，充分利用静态声源的桥梁辅助作用，使得信标节点与未知节点之间的联系更加紧密，从而可以获取更多的数据信息，有利于数据融合，实现高精度、低成本定位。

Claims (4)

1.一种基于静态声源辅助的声阵列网络自定位方法，其特征在于，包括以下步骤：

（1）声阵列网络***部署和初始化；

（2）根据声阵列网络中各阵元的信号相位差，估计声信号的波达方向角DOA；

（3）根据信标节点所测静态声源的DOA，利用数据融合方法估计静态声源位置；

（4）根据未知节点测量静态声源与信标节点的DOA，并利用最大似然估计方法实现未知节点自定位。

2.根据权利要求1所述一种基于静态声源辅助的声阵列网络自定位方法，其特征在于，所述步骤（2）具体为，通过各阵元接收到的声信号的相位差可以估算目标声源到达阵列的方向角DOA（Direction of Arrival，波达方向角）；具体的实现可通过阵列信号处理技术完成，利用经典的MUSIC算法实现信号波达方向角的估计。

3.根据权利要求1所述一种基于静态声源辅助的声阵列网络自定位方法，其特征在于，所述步骤（3）具体为，信标节点通过MUSIC算法测量各个静态声源的波达方向角DOA，然后根据信标节点所测的DOA利用最小二乘估计方法估计静态声源的位置。

4.根据权利要求1所述一种基于静态声源辅助的声阵列网络自定位方法，其特征在于，所述步骤（4）包括以下几个子步骤：

（1）首先未知节点针对信号相位差利用MUSIC算法实现静态声源以及信标节点信号到达角度的估计；

（2）根据未知节点所测的波达方向角，结合静态声源与信标节点的已知位置，利用最大似然估计实现未知节点位置与朝向角的估计。

Images