CN109901112B - 基于多通道声获取的声学同时定位与建图方法 - Google Patents
基于多通道声获取的声学同时定位与建图方法 Download PDFInfo
- Publication number
- CN109901112B CN109901112B CN201910250346.XA CN201910250346A CN109901112B CN 109901112 B CN109901112 B CN 109901112B CN 201910250346 A CN201910250346 A CN 201910250346A CN 109901112 B CN109901112 B CN 109901112B
- Authority
- CN
- China
- Prior art keywords
- sound source
- acoustic
- sound
- space
- microphone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 title claims abstract description 23
- 230000008447 perception Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000004807 localization Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000008602 contraction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 241000238097 Callinectes sapidus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于多通道声获取的声学同时定位与建图方法,是通过多通道声获取方式,基于几何声学镜像模型,分析语音信号传播过程中的信道状态,实现室内声场环境空间感知,并利用空间感知结果提升移动声源(说话人)连续定位性能的方法。本发明方法通过引入Delaunay三角剖分方法,分析移动声源的运动状态,估计声源位置的自适应搜索子空间,避免了在室内声场全空间范围内对移动声源位置重复搜索的繁琐与冗余,提高了空间感知与移动声源定位方案的普适性,不仅适用于室内空间轮廓重构,也适用于室内环境的移动声源跟踪定位。
Description
技术领域
本发明涉及室内定位领域,具体是一种基于多通道声获取的声学同时定位与建图方法。
背景技术
室内空间庞大复杂,基于位置的人工智能应用越来越多样化,位置感知已成为万物互联的重要基础。室内室位技术在过去20年间得到了广泛的研究和发展,人们提出了多类基于不同物理载体和测算原理的定位技术,包括基于电磁波信号到达时延/时差/角度的定位、基于电磁波信号强度测量与衰减模型的定位、地磁/电磁波的空间指纹特征信息匹配定位与多源信息融合定位等。由于人类活动干扰、信号多径传播、基础设施依赖等因素影响,上述室内定位技术的推广应用,已难以满足当前社会发展对位置感知与服务的迫切需求。
音频信号通常包含有关声学环境的信息,基于几何声学模型,采用阵列感知方式,可实现室内声源的主动定位。此外,由于空气中声速较低,在相同时间测量精度下,其距离分辨率高于电磁波,因此,近年来室内声学定位受到了研究人员的关注。声学场景映射(Acoustic Scene Mapping,ASM)是一种在声场环境的空间地图中显示移动声源的位置与轨迹的技术,它对于诸如家庭自动化,电话会议,搜索和救援机器人以及人机交互的应用而言十分必要。然而,如何在无基础设施依赖的情况下,获取声场环境的空间地图,并利用该地图信息提升声源定位性能极具挑战。
声学同时定位与建图(Acoustic SLAM)是将感兴趣目标的位置获取与声场环境空间地图的构建进行联合估计的一种技术,也是解决声学场景映射问题的有效途径。传统的声学SLAM研究方法,为了将位置获取与地图构建进行联合推算,常采用一些滤波算法来对目标位置与环境特征点进行估计,如利用粒子滤波算法估计移动声源位置,卡尔曼滤波算法推导环境特征点位置,然后采用基于估计理论分析的贝叶斯滤波来对下一步位置与地图信息进行估计;又或者通过凸优化的方法对位置获取与地图构建进行联合推算。但是,这些方案尽管付出了较高的计算复杂度为代价,其声场环境空间地图的构建结果也仅限于室内空间几何轮廓,即对于在日常生活中常见的矩形轮廓室内环境而言,这些声学SLAM方案存在“一步一重构”的冗余计算。因此,在室内复杂声场环境中,即能降低构建声场环境空间地图的复杂度,又能提高室内移动源的定位精度是声学SLAM研究的关键。
目前,常见的空间感知技术主要有视觉,激光/毫米波雷达测距,声波测距等,主要解决了从大量地标测量数据中重构环境地图的问题,为实现室内高精度定位提供了可能。然而,基于视觉的空间感知方式对室内隐私保护产生了极大的威胁;基于激光雷达的空间感知局限于特殊应用场景和专用设备;在几何声学范畴内基于房间冲激响应分析的空间感知技术,已经有较为成熟的研究。早至二十世纪初期,国外学者就开始利用单声源+麦克风阵列,或者单声源+单麦克风,或者收发一体的多设备协作方式,基于几何声学相关理论,进行室内空间感知与声源定位的研究。如:利用声纳估计室内空间占用率;利用回声与多径信号,构画室内几何形状,分析室内空间尺寸;基于室内空间尺寸与室内混响先验,实现盲源分离,提高目标源的TDOA识别准确率,提高目标源的跟踪定位精度;利用室内混响,提高阵列对目标源定位性能的鲁棒性等。但是,高精准的空间感知结果以高计算复杂度为代价,且房间冲激响应的测量常依赖于特殊声源信号与专用接收设备,这制约了空间感知技术的推广应用。语音信号作为一种易获取的声音信号,充分考虑其短时平稳特性,以广义互相关的分析方法获取信号传播的时延估计,进而分析语音信号传播过程中的信道状态,探究基于语音信号分析的空间感知技术,对降低构建声场环境空间地图的复杂度极其关键。
室内声场环境空间感知的目的是为了提升声源的定位性能。图形学相关研究成果表明:三角网络模型可以较好地分析室内空间拓扑结构。因此,利用三角剖分方法中的Delaunay剖分优势,分析室内声场环境空间感知结构,是提升声源定位性能的有效方法。
发明内容
针对室内复杂环境对声信号传播的衰减与损耗,导致现有室内移动声源自定位能力仍然不足的问题,本发明提出了一种基于多通道声获取的声学同时定位与建图方法,以构建室内声场环境的空间几何轮廓,并提升移动声源连续定位性能。
实现本发明目的的技术方案是:
基于多通道声获取的声学同时定位与建图方法,包括如下步骤:
(1)估计声场环境的空间几何轮廓:
根据声场环境的空间几何轮廓,对麦克风接收信号进行分析,推算出房间长、宽、
高信息,根据声源、麦克风与反射墙体之间的位置关系,基于几何声学镜像原理,
得到房间几何轮廓、声源初始位置及坐标系正轴指向的一阶镜像声
源(,和)关系:
(2)声学场景映射:
本发明的优点是:该方法以三维立体阵为麦克风阵列拓扑,以说话人为移动声源,充分利用了几何声学原理进行空间几何轮廓感知,将空间感知结果通过三角剖分方法,应用于移动声源的连续定位中,摆脱了传统声学SLAM方法在规则矩形房间内“一步一重构”的冗余计算,也避免了传统随机区域收缩算法在位置解算时对室内声场空间的全范围搜索,提高了移动声源定位性能,具有较低的复杂度和较高的普适度,能满足声学场景映射的需求。
附图说明
图1为本发明实施例基于多通道声获取的声学同时定位与建图方法***框图;
图2为本发明实施例室内环境中声源、麦克风与反射墙体之间的位置关系图;
图3为本发明实施例Delaunay三角剖分结果示意图;
图4为本发明实施例基于SRC-like的ASM效果示意图;
图5为本发明实施例SRP-PHAT-SRC-like与传统SRP-PHAT-SRC的定位误差与计算性能比较示意图。
具体实施方式
下面结合附图和实施例对本发明内容作进一步阐述,但不是对本发明的限定。
实施例:
如图1所示,本发明所提出基于多通道声获取的声学同时定位与建图方法***框图,主要分为两部分:
(1)估计声场环境的空间几何轮廓;
(2)声学场景映射。
其中,DSB是指延时求和波束成形,AIM是指声学镜像模型,EDM是指欧氏距离矩阵,SRP-PHAT是指最大可控响应功率相位变换。
如图2所示,图2给出室内环境中反射墙体、移动声源与麦克风阵列的位置关系。以
房间的一个角落作为房间坐标系原点,是麦克风阵列原点。坐标系的正x轴指
向地理方位的南向,正y轴指向地理方位的东向,正z轴指向房间的天顶,相应地,负x轴指向
地理方位的北向,负y轴指向地理方位的西向,负z轴指向房间的地板。是声源的初始位
置,是对应于第面墙体的一阶镜像源,的索引号与墙体的对应关系如图2
中标注所示。
(1)估计声场环境的空间几何轮廓
估计声场环境的空间几何轮廓,也就是对麦克风接收信号进行分析,以推算出房
间长、宽、高信息。根据图2所示的声源、麦克风与反射墙体之间的位置关系,基于
几何声学镜像原理,可以得到房间几何轮廓、声源初始位置及坐标系
正轴指向的一阶镜像声源(,和)关系:
(2)声学场景映射
声学场景映射的需求在于在声场环境的空间地图中显示移动声源的位置与轨迹,而声学SLAM中利用声场环境的空间感知结果来提升声源定位性能的效果恰恰能满足声学场景映射的需求。
本发明利用Delaunay三角剖分方法来分析室内声场环境空间感知结果,并在此分析结果上,提出一种改进的随机区域收缩算法(stochastic region contraction-like,SRC-like),用于推算移动声源空间位置的自适应搜索体元,通过在该自适应体元内搜索最大的声功率位置来估计移动声源位置。该算法避免了传统随机区域收缩算法(SRC)在位置解算时对室内声场空间的全范围搜索,有效降低了移动声源的定位误差与计算复杂度。
图4给出了采用SRP-PHAT-SRC-like算法的声学场景映射的2D和3D效果,图中红色的点是声源位置参考点,蓝色的点是由SRP-PHAT-SRC-like算法估算出的声源位置,其中,以圈相连接的位置表示位置误差在0.034m~0.21m之间,以箭头相连接的位置表示位置误差在0.30m~1.03m之间。
Claims (4)
1.基于多通道声获取的声学同时定位与建图方法,其特征是:包括如下步骤:
(1)估计声场环境的空间几何轮廓:
根据声场环境的空间几何轮廓,对麦克风接收信号进行分析,推算出房间长、宽、高信息,根据声源、麦克风与反射墙体之间的位置关系,基于几何声学镜像原理,得到房间几何轮廓、声源初始位置及坐标系正轴指向的一阶镜像声源(,和)关系:
(2)声学场景映射:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250346.XA CN109901112B (zh) | 2019-03-29 | 2019-03-29 | 基于多通道声获取的声学同时定位与建图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250346.XA CN109901112B (zh) | 2019-03-29 | 2019-03-29 | 基于多通道声获取的声学同时定位与建图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109901112A CN109901112A (zh) | 2019-06-18 |
CN109901112B true CN109901112B (zh) | 2022-10-04 |
Family
ID=66955006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910250346.XA Active CN109901112B (zh) | 2019-03-29 | 2019-03-29 | 基于多通道声获取的声学同时定位与建图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901112B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110794409B (zh) * | 2019-10-21 | 2021-09-21 | 哈尔滨工程大学 | 一种可估计未知有效声速的水下单信标定位方法 |
CN113050033B (zh) * | 2019-12-26 | 2024-05-31 | 聚众联合科技股份有限公司 | 功率定位方法及其功率定位装置 |
CN111157952B (zh) * | 2020-01-06 | 2022-04-01 | 北京大学 | 一种基于移动麦克风阵列的房间边界估计方法 |
CN112198476B (zh) * | 2020-10-16 | 2023-10-27 | 昆明理工大学 | 一种基于立体视觉和波束形成的移动声源的三维定位方法 |
CN113098441B (zh) * | 2021-03-30 | 2023-01-24 | 太原理工大学 | 一种基于粒子滤波算法的电磁波优化模型 |
CN114111785B (zh) * | 2021-10-28 | 2024-03-01 | 桂林电子科技大学 | 一种基于rir倒谱提取一阶回波的声slam***及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9560439B2 (en) * | 2013-07-01 | 2017-01-31 | The University of North Carolina at Chapel Hills | Methods, systems, and computer readable media for source and listener directivity for interactive wave-based sound propagation |
CN107172018A (zh) * | 2017-04-27 | 2017-09-15 | 华南理工大学 | 公共背景噪声下激活式的声纹密码安全控制方法及*** |
CN108872939B (zh) * | 2018-04-29 | 2020-09-29 | 桂林电子科技大学 | 基于声学镜像模型的室内空间几何轮廓重构方法 |
CN109375223B (zh) * | 2018-08-28 | 2022-08-16 | 桂林电子科技大学 | 基于声波粒二象性的室内空间感知与移动声源自定位方法 |
-
2019
- 2019-03-29 CN CN201910250346.XA patent/CN109901112B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109901112A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901112B (zh) | 基于多通道声获取的声学同时定位与建图方法 | |
CN103064061B (zh) | 三维空间声源定位方法 | |
Parsayan et al. | Real time high accuracy 3-D PHAT-based sound source localization using a simple 4-microphone arrangement | |
CN105388459B (zh) | 分布式麦克风阵列网络的鲁棒声源空间定位方法 | |
Hu et al. | Simultaneous localization of a mobile robot and multiple sound sources using a microphone array | |
CN104142492A (zh) | 一种srp-phat多源空间定位方法 | |
CN104106267A (zh) | 在增强现实环境中的信号增强波束成形 | |
CN109932689A (zh) | 一种适用于特定定位场景的任意阵列优化方法 | |
Tellakula | Acoustic source localization using time delay estimation | |
Perrodin et al. | Design and calibration of large microphone arrays for robotic applications | |
Ogiso et al. | Robust indoor localization in a reverberant environment using microphone pairs and asynchronous acoustic beacons | |
CN104535964B (zh) | 基于低频衍射时延差的头盔式麦克风阵列声源定位方法 | |
CN115902776B (zh) | 一种基于被动式声音信号的声源定位方法 | |
CN105607042A (zh) | 用麦克风阵列时延估计定位声源的方法 | |
CN108363041A (zh) | 基于k均值聚类迭代的无人机声源定位方法 | |
CN103487796B (zh) | 一种利用水声信道统计不变特征实现被动测距的方法 | |
CN109212481A (zh) | 一种利用麦克风阵列进行声源定位的方法 | |
Ishi et al. | Speech activity detection and face orientation estimation using multiple microphone arrays and human position information | |
CN109164416B (zh) | 一种三平面五元传声器阵列的声源定位方法 | |
CN108872939B (zh) | 基于声学镜像模型的室内空间几何轮廓重构方法 | |
Gala et al. | Multi-sound-source localization using machine learning for small autonomous unmanned vehicles with a self-rotating bi-microphone array | |
Astapov et al. | Simplified acoustic localization by linear arrays for wireless sensor networks | |
CN111239691B (zh) | 一种抑制主声源的多声源跟踪方法 | |
Aprea et al. | Acoustic reconstruction of the geometry of an environment through acquisition of a controlled emission | |
Dang et al. | Multiple sound source localization based on a multi-dimensional assignment model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190618 Assignee: Wuhan xingeno Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000387 Denomination of invention: Acoustic simultaneous localization and mapping method based on multi-channel acoustic acquisition Granted publication date: 20221004 License type: Common License Record date: 20221226 |
|
EE01 | Entry into force of recordation of patent licensing contract |