CN116184320B - 无人机声学定位方法和无人机声学定位*** - Google Patents
无人机声学定位方法和无人机声学定位*** Download PDFInfo
- Publication number
- CN116184320B CN116184320B CN202310467524.0A CN202310467524A CN116184320B CN 116184320 B CN116184320 B CN 116184320B CN 202310467524 A CN202310467524 A CN 202310467524A CN 116184320 B CN116184320 B CN 116184320B
- Authority
- CN
- China
- Prior art keywords
- acoustic
- aerial vehicle
- unmanned aerial
- array
- signal
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种无人机声学定位方法和无人机声学定位***,所述方法包括:基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置的技术方案,解决了相关技术中无法快速确定出目标无人机的位置信息,从而导致存在安全隐患的技术问题,达到了低计算成本、快速确定出目标无人机位置信息,进而提高安全防护的技术效果。
Description
技术领域
本申请涉及声学探测技术领域,特别是涉及一种无人机声学定位方法和无人机声学定位***。
背景技术
随着旋翼无人机市场的不断扩大,旋翼无人机造成的安全隐患及事故屡见报道。无人机黑飞,可能会泄露机密、个人隐私,威胁航空安全、人身安全。加强黑飞无人机的探测识别技术研究,提高空域预警侦察能力,构建“低小慢”目标入侵防范体系是当前我国亟待开展的工作。
目前用于“低小慢”目标无人机的探测手段主要有雷达、光学、无线电和声学探测等技术。雷达探测对小型无人机不敏感,成本高,功耗大;光学成像方法的性能易受环境光照、雨雾、大气湍流等因素的影响;无线电方法无法感知电磁静默状态下的无人机。被动声探测无需有源发射装置,体积小,隐蔽性能好,声波作为一种机械波,其功率小,不受电磁信息干扰,能够全天候工作,声探测无人机成本低,可以大范围网络化部署,达到全空间、全区域监测。
然而,目前的声学无人机探测方法在确定有目标无人机位置信息的过程中需要进行大量的计算,耗时较长,无法快速确定无目标无人机是否位于敏感区域。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速确定出目标无人机的无人机声学定位方法、无人机声学定位***和计算机可读存储介质。
第一方面,本申请提供了一种无人机声学定位方法。所述方法包括:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
在其中一个实施例中,基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,包括:确定各所述第二声信号在多个所述第二声信号中的信号强度占比;根据各所述第二声信号的信号强度占比,对第三感应阵列获取的第三声信号进行修正,基于修正后的所述第三声信号,确定所述目标无人机的所述第二位置。
在其中一个实施例中,在所述基于第一感应阵列获取第一声信号,确定目标无人机的第一位置之前,所述方法还包括:在所述第一声信号中包含第一目标信号和第二目标信号的情况下,确定存在所述目标无人机,其中,所述第二目标信号包括所述第一目标信号的高次谐频信号。
在其中一个实施例中,所述高次包括三次及三次以上。
在其中一个实施例中,所述感应装置包括至少一个麦克风;基于第一感应阵列获取第一声信号,确定目标无人机的第一位置,包括:开启所述第一感应阵列中每个所述感应装置的其中一个麦克风,基于所开启的麦克风获取所述第一声信号。
在其中一个实施例中,所述感应装置包括麦克风和声学谐振腔,其中,所述麦克风经由所述声学谐振腔获取声信号,所述声学谐振腔用于增强所述声信号中的第一目标信号。
在其中一个实施例中,所述声学谐振腔的一阶谐振频率与所述第一目标信号的基频相等。
第二方面,本申请还提供了一种无人机声学定位***,包括:
感应阵列和控制器,所述感应阵列包括第一感应阵列和第二感应阵列,所述第一感应阵列包括感应装置,所述第二感应阵列包括感应装置,其中,所述第一感应阵列用于获取第一声信号,所述第二感应阵列用于获取第二声信号,所述控制器用于基于获取的声信号,执行无人机声学定位方法。
在其中一个实施例中,所述感应阵列还包括第三感应阵列,所述第三感应阵列用于获取第三声信号;所述控制器,还用于确定各所述第二声信号在多个所述第二声信号中的信号强度占比;根据各所述第二声信号的信号强度占比,对第三感应阵列获取的第三声信号进行修正,基于修正后的所述第三声信号,确定所述目标无人机的所述第二位置。
在其中一个实施例中,所述控制器,还用于:在所述第一声信号中包含第一目标信号和第二目标信号的情况下,确定存在所述目标无人机,其中,所述第二目标信号包括所述第一目标信号的高次谐频信号。
在其中一个实施例中,所述高次包括三次及三次以上。
在其中一个实施例中,所述感应装置包括至少一个麦克风;所述控制器,用于开启所述第一感应阵列中每个所述感应装置的其中一个麦克风,基于所开启的麦克风获取所述第一声信号。
在其中一个实施例中,所述感应装置包括麦克风和声学谐振腔,其中,所述麦克风经由所述声学谐振腔获取声信号,所述声学谐振腔用于增强所述声信号中的第一目标信号。
在其中一个实施例中,所述声学谐振腔的一阶谐振频率与所述第一目标信号的基频相等。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
上述无人机声学定位方法、无人机声学定位装置、计算机设备、存储介质和计算机程序产品,通过基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置的技术方案,解决了相关技术中无法快速确定出目标无人机的位置信息,从而导致存在安全隐患的技术问题,达到了低计算成本、快速确定出目标无人机位置信息,进而提高安全防护的技术效果。
附图说明
图1为一个实施例中定位方法的应用环境图;
图2为一个实施例中定位***的结构示意图;
图3为一个实施例中定位方法流程图;
图4为一个实施例中声学地图和声梯度图;
图5为一个实施例中分布式声阵列***的分布示意图;
图6为一个实施例中声学地图和声梯度图;
图7为一个实施例中定位***的结构示意图;
图8为一个实施例中第二感应阵列以及目标无人机的位置关系示意图;
图9为一个实施例中基于第二声信号的识别结果图;
图10为一个实施例中第三感应阵列以及目标无人机的位置关系示意图;
图11为一个实施例中第三感应阵列对应的识别结果图;
图12为一个实施例中感应阵列确定目标无人机的示意图;
图13为一个实施例中针对目标无人机的识别结果图;
图14为一个实施例中定位方法流程图;
图15为一个实施例中分布式声学阵列***示意图;
图16为一个实施例中感应装置的结构示意图;
图17为一个实施例中谐振腔增强型麦克风的频率响应仿真结果;
图18为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的一种定位方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在示出的另一个实施例中,请参见图2,图2为本实施例示出的一种定位***的结构示意图。
如图2所示,所述定位***包括感应阵列210和控制器220,所述感应阵列包括第一感应阵列211和第二感应阵列212,所述第一感应阵列包括感应装置,所述第二感应阵列包括感应装置。
其中,感应阵列有至少一个感应装置构成,感应阵列中的部分感应装置构成第一感应阵列,感应阵列中的部分感应装置构成第二感应阵列,第一感应阵列和第二感应阵列可以同时包含有同一感应装置,也可以同时包含不同的感应装置,对此,本实施例不作限定。
请继续参见图1,本实施例示出的感应阵列、感应装置可以是如图1所示的终端;控制器可以是如图1所示的终端,也可以是如图1所示的服务器,对此本实施例也不做限定,可以根据实际情况进行配置。
在实际应用中,第一感应阵列用于获取第一声信号,第二感应阵列用于获取第二声信号;感应阵列将获取到的声信号发送至控制器,控制器基于获取的声信号,执行定位方法。
请参见图3,图3为本实施例示出的一种定位方法流程图,图2所示的控制器可以执行如图3所示的定位方法,该方法包括以下步骤:
S301,基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置。
其中,目标无人机可以是产生该第一声信号的无人机,例如,可以是无人机无人机。
目标无人机的第一位置可以是目标无人机的大致方位,例如可以是相对于第一感应阵列的相对方位,例如可以是:目标无人机位于第一感应阵列的东南角。
S302,基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置。
其中,第二感应阵列包括临近第一位置的感应装置。
目标无人机的第二位置可以是包含有目标无人机方位以及距离的位置信息,其中,距离和方位都是相较于第二感应阵列的相对信息。
上述定位方法,通过基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置的技术方案,解决了相关技术中无法快速确定出目标无人机的位置信息,从而导致存在安全隐患的技术问题,达到了低计算成本、快速确定出目标无人机位置信息,进而提高安全防护的技术效果。
需要注意的是,上述第二感应阵列的感应装置包括临近第一位置的感应装置,第一感应阵列可以包括第二感应阵列,第一感应阵列可以与第二感应阵列为同一感应阵列,第一感应阵列与第二感应阵列也可以没有包含关系,对此本实施例不作限定。
在示出的另一个实施例中,上述步骤301中,基于所述第一声信号确定目标无人机的第一位置包括:
基于第一声信号生成声学地图和声梯度图,根据声学地图和声梯度图判断目标无人机的第一位置。
例如,请参见图4,图4为本实施例示出的一种声学地图和声梯度图。如图4所示,100个子阵列均布于图4所示的范围内,该感应阵列中包含有子阵列的位置信息、目标无人机相对于各子阵列的相对方位、以及各子阵列获取目标无人机产生的声信号强度信息。
例如,箭头所处的位置可以表示一个子阵列;箭头指向的方向,用于表示目标无人机相对于该子阵列的向对位置;声压线用于表示该子阵列获取声信号的强度。
可选的,上述声学地图以及声梯度图还可以用声热度图替代,对此本实施例不作限定。
需要注意的是,图中每个子阵列可以是一个感应装置,对应的图中所示阵列的可以是该感应装置组成的感应阵列;
可选的,请参见图5,图5为本实施例示出的一种分布式声阵列***的分布示意图,如图5所示,图中每个子阵列也可以表示一个感应阵列,该感应阵列中包含有多个感应装置,对应图中所示的阵列可以是由多个感应阵列构成的范围更大的感应阵列,对此本实施例都不做限定。
通过上述方法,由于生成声学地图、声梯度图或者声热度图所消耗的资源较少(例如,计算简单、计算量少),因此可以低成本快速确定出目标无人机相较于感应阵列或者感应子阵列的相对位置。
例如,继续参见图4,由于图4中的箭头都指向(0,45)-(0,55)的位置上,因此,目标无人机位于该感应阵列的左侧,且y轴范围为45-55m的位置上,需要注意的是,此处的第一位置只是一个大概角度。
在示出的另一个实施例中,请参见图6,图6为本实施例示出的一种声学地图和声梯度图。以基于第0s收到的声信号得到如图4示出的声学地图,以基于第1s收到的声信号得到如图6示出的声学地图为例。
根据从声学地图中声压提高可基本判断出有无人机从左侧靠近,而依据梯度图,沿梯度方向可判定无人机从正左侧向左偏下位置运动。
进一步的,执行步骤302之前,还包括:基于确定出的第一位置,确定临近所述第一位置的子阵列,利用临近子阵列对无人机的空间位置进行预估,缩小精确追踪时空间搜索的范围,确定第二感应阵列。
先基于范围更大的第一感应阵列,确定出目标无人机大概位置;选取目标无人机大概位置周围的感应装置组成第二感应阵列,基于第二感应阵列确定目标无人机的准确位置。
一方面,由于先基于第一感应阵列进行粗估计目标无人机的位置信息,然后基于第二感应阵列精确获取目标无人机的第二位置信息,降低了计算成本以及能耗;另一方面,由于第二阵列是第一位置附近的感应装置构成的,因此,对于目标无人机的角度灵敏度更好,更容易确定出目标无人机的第二位置。
在示出的另一个实施例中,请参见图7,图7为本实施例示出的一种定位***的结构示意图。如图7所示,所述***还包括:第三感应阵列213,第三感应阵列包括感应装置,所述第三感应阵列用于获取第三声信号。
控制器在执行步骤302后还执行:确定各所述第二声信号在多个所述第二声信号中的信号强度占比;根据各所述第二声信号的信号强度占比,对第三感应阵列获取的第三声信号进行修正,基于修正后的所述第三声信号,确定所述目标无人机的所述第二位置。
在实际应用中,由于第二感应阵列最靠近目标无人机,可以基于第二感应阵列获取的第二声信号确定各第二声信号的信号强度占比,该信号强度占比用于对第三声信号进行修正。
基于第三感应阵列获取第三声信号,基于各信号强度占比对第三声信号进行修正,并通过分布式阵列进行合成孔径计算,实施针对目标无人机的精确追踪。
其中,第三感应阵列用于获取尽可能多的目标无人机产生的有效声信号。第三感应阵列可以包括第二感应阵列,可选的,第二感应阵列可以包括第三感应阵列,对此本实施例不作限定。
请参见图8,图8为本实施例示出的第二感应阵列以及目标无人机的位置关系示意图,如图8所示,目标无人机位于第二感应阵列的左下角附近。
请参见图9,图9为本实施例示出的基于第二声信号的识别结果图,其中,颜色约浅表示距离目标无人机越近。基于识别结果,将识别结果图中个像素按照亮度进行排序,亮度越高对应的权重约大,亮度越底,权重越小,从而获取如图9所示识别结果对应的权重数。
请参见图10,图10为第三感应阵列以及目标无人机的位置关系示意图,如图10所示,目标无人机位于第三感应阵列中的左下角。
请参见图11,图11为第三感应阵列对应的识别结果图。根据得到的权重,对第三感应阵列对应的识别结果图中的数据进行修正,以得到更加准确的第二位置信息。
由于数个独立阵列获得的声像图空间分辨率比较有限,而实时采用合成孔径又会消耗过多资源。因此,先通过数个临近无人机的子阵列进行位置的预判断,再通过合成孔径技术实现高空间分辨的精确追踪。
在示出的另一个实施例中,请参见图12,图12为本实施例示出的一种感应阵列确定目标无人机的示意图。如图12所示,该感应阵列由4个子阵列构成。
通过如图12所示的4个子阵列构成的合成孔径阵列识别无人机的方法包括:
步骤1,计算子阵列/合成孔径阵列的空间协方差矩阵。
对于合成孔径,在步骤1之前还需额外进行子阵列间互相关矩阵合成。若总数为M的分布式***中第j个子阵列所采集的声信号向量为,那么可构建一个对角为各子阵列空间协方差矩阵的合成孔径协方差矩阵/>:
其中,,N表示采集信号包含的快拍数,H是共轭转置运算符。
再通过矩阵完备算法对合成孔径协方差矩阵中的非对角部分进行补完,进而获得完整的合成孔径协方差矩阵。
步骤2,针对空间协方差矩阵进行特征值分解,根据分解得到的特征值判断无人机具体源数。
步骤3,通过源数目将协方差矩阵分解为信号子空间Us和噪声子空间Un,即。
步骤4,根据声传播矩阵,构建到达角函数/>。
步骤5,搜索到达角函数的极大值点,即为目标无人机的第二位置。
对于单个阵列,则直接通过上述步骤中,子阵列协方差矩阵的计算方法,获得单个阵列的协方差矩阵,具体方法步骤请参见前述内容,本实施例不再进行赘述。
请参见图13,图13为本实施例示出的一种通过单个子阵列和合成孔径阵列所获得的单个和多个目标无人机的别结果图。其中,图中白色部分表明了阵列识别出的目标无人机的第二位置。
本实施例通过分布式感应阵列扩展阵列孔径,先通过子阵列获取无模糊的角度估计,再通过分布式合成阵列获取高精度有模糊的角度估计,将二者结合最终得到无模糊高精度的角度估计。
在示出的另一个实施例中,请参见图14,图14为本实施例示出的一种定位方法流程图,控制器用于执行如图14所示的方法,所述方法包括以下步骤:
S1401,获取第一声信号。
通过将子阵列分布于待监测区域,通过感应装置对环境噪声进行采集,得到第一声信号。
S1402,对第一声信号进行处理,得到时频谱信息。
以短时傅里叶变换对采集的声信号进行处理,获得时频谱。
S1403,判断是否存在目标无人机,若存在目标无人机,继续执行步骤1404。
在所述第一声信号中包含第一目标信号和第二目标信号的情况下,确定存在所述目标无人机,其中,所述第二目标信号包括所述第一目标信号的高次谐频信号。
具体的,可以通过无人机噪声数据库建立识别模型,该识别模型用于基于声信号判断是否存在目标无人机,例如,若声信号中同时存在目标基频信号和高次谐频信号,则确定存在目标无人机。
S1404,基于所述第一声信号确定目标无人机的第一位置。
S1405,确定各所述第二声信号在多个所述第二声信号中的信号强度占比。
S1406,根据各所述第二声信号的信号强度占比,对第三感应阵列获取的第三声信号进行修正,基于修正后的所述第三声信号,确定所述目标无人机的所述第二位置。
在示出的另一个实施例中,所述高次谐频信号包括三次及三次以上目标基频信号的谐频信号。
其中,上述步骤1404-1406具体的实施方式可以参见上述实施例,本实施例不在进行赘述。
在示出的另一个实施例中,请参见图15,图15为本实施例实出的一种分布式声学阵列***示意图,声学阵列***包括n个子阵列(n为大于1的整数),分别为第一子阵列、第二子阵列、……、第n子阵列。
优选地,各个子阵列分布于待测区域建筑物的屋顶,形成大面积、分布式的声学探测***。不同子阵列接收到的声信号数据汇总到终端处理无人机,通过分布式阵列合成技术,扩展阵列孔径,从而提升声学阵列的空间角度分辨率。
在示出的另一个实施例中,请参见图16,图16为本实施例实出的一种感应装置的结构示意图。如图16所示,该感应装置包括至少一个麦克风3和至少一个声学谐振腔1。
其中,所述声学谐振腔1为圆管状结构,管身由金属材料(如铝合金、不锈钢)制成,圆管内壁经抛光处理。抛光处理的目的是减小空气在圆管内的热粘性阻尼,增加谐振腔对声波的放大倍数。圆管的一个端面指向待测声源,用于接收声波。
在示出的另一个实施例中,请继续参见图16,如图16所示,感应装置还可以包括底座2。底座为圆盘状结构,用于固定麦克风和声学谐振腔,底座的上表面与声学谐振腔的一个端面相连。麦克风镶嵌于底座内部,且麦克风的上表面与底座的上表面平齐。麦克风的收音孔朝向声学谐振腔,麦克风的收音孔轴线与声学谐振腔的圆管轴线重合。声学谐振腔的内径大于麦克风收音孔的直径。可选的,声学谐振腔的圆管的一个端面与底座紧密连接,连接方式可以为焊接或粘接,防止声波能量从该端面边缘泄漏。
声学谐振腔可以对特定频率范围的声波信号进行谐振放大。请参考图17,图17是一种谐振腔增强型麦克风的频率响应仿真结果。以声学谐振腔内径为20mm,长度为100mm,声源的声压为1Pa(声压级为94dB)为例,可以看出其在0-3000Hz范围内存在2个谐振峰,谐振峰1的谐振频率(一阶谐振频率)为785Hz,峰值为131dB,也就是将1Pa声压放大约70倍,在304-1019Hz之间对声波均有放大作用;谐振峰2的谐振频率(二阶谐振频率)为2334Hz,峰值为108dB,也就是将1Pa声压放大约5倍,在1620-3000Hz之间对声波均有放大作用。
若所述声学谐振腔1的长度远大于其直径,一阶谐振频率可以按照如下公式估算:
f1≈0.25c/(L+0.3D)
其中c为空气中的声速,约340m/s,L为谐振腔的长度,D为谐振腔的直径。
对于L=100mm谐振腔,f1≈802Hz,与图2的仿真结果785Hz基本一致,仅相差2%。
二阶谐振频率可以按照如下公式估算:
f2≈3f1
计算结果为2406Hz,与仿真结果2334Hz较为接近,仅相差3%。
旋翼无人机的声信号具有很强的频域特征,其频谱主要为基频加上二次谐频、三次谐频及更高的谐频。
旋翼无人机的声信号基频频率主要由旋翼叶片的数量以及旋转速度决定,一般的基频在100-1000Hz之间。
传统的麦克风阵列一般只包含麦克风和安装座。本申请通过在麦克风前端增加一个声学谐振腔,可以在特定频段对声波信号进行增强。所述声学谐振腔的一阶谐振频率设计为旋翼无人机的基频频率,可以对旋翼无人机的基频信号进行增强,而其他频段的声贡献相对而言被抑制,最终可以提高麦克风阵列的信噪比。
由于声学谐振腔的二阶谐振频率约为一阶谐振频率的3倍,若旋翼无人机的基频信号被声学谐振腔的一阶谐振峰增强,则无人机的三次谐频信号也会被声学谐振腔的二阶谐振峰增强。
采用传统麦克风所获得的时频谱虽然能判断无人机多次谐波的存在,但是频谱中背景噪声的贡献是最为强烈,信噪比较差。而采用谐振式麦克风后的频谱,其在基频段和三次谐频段的信号由于谐振腔的效应而大幅增加,进而使有效信号的信噪比提升。
因此,可以通过判断声信号中是否同时存在目标基信号和高阶谐频信号来判断是否存在目标无人机。通过检测信号中是否同时存在基频与三次谐频特征,来判断是否存在旋翼无人机,可以解决声学无人机探测在嘈杂环境下虚警率高的问题。
在示出的另一个实施例中,在感应装置是上存在至少一个麦克风和至少一个声学谐振腔的情况下,上述步骤1401可以是:
开启所述第一感应阵列中每个所述感应装置的其中一个麦克风,基于所开启的麦克风获取所述第一声信号。
由于只根据第一感应阵列中每个感应装置上的一个麦克风获取第一声信号,可以在较大范围的第一感应阵列中,以较小的计算成本快速确定出目标无人机的第一位置。
需要注意的是,第一感应阵列可以包括全部感应装置,也可以是部分感应装置。
步骤1405中第二感应阵列包含的感应装置可以是仅开启一个麦克风,也可以是开启全部的麦克风。
声源定位的空间角度分辨率与麦克风阵列的孔径有关,孔径越大,分辨率越高。传统的声学无人机探测方法通常只采用一个麦克风阵列,由于单个麦克风阵列孔径有限,导致角度分辨率不高。中高空无人机由于高度很高,与低空无人机相比,相同飞行距离下,相对于麦克风阵列的角度变化很小,因此对麦克风阵列的孔径要求很高。
在开启全部麦克风的情况下,感应装置的孔径变大,对目标无人机的分辨率越高,得到的第二位置更加精准。
步骤1406中第三感应阵列可以是包含有全部感应装置的感应阵列,且该感应装置开启了全部的麦克风。
在全部感应装置开启全部麦克风的情况下,对目标无人机的分辨率更高,且在权重的调整下,可以获得准确度更高的第二位置。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
上述定位***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图18所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种定位方法。
本领域技术人员可以理解,图18中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccessMemory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (8)
1.一种无人机声学定位方法,其特征在于,所述方法包括:
基于第一感应阵列获取第一声信号,基于所述第一声信号确定目标无人机的第一位置,其中,所述第一感应阵列包括感应装置;
基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,其中,所述第二感应阵列包括临近所述第一位置的感应装置,基于所述第二声信号确定所述目标无人机的第二位置包括:确定临近所述无人机的子阵列构成的合成孔径阵列,计算所述合成孔径阵列的空间协方差矩阵,根据所述空间协方差矩阵进行特征值分解,根据分解的特征值判断无人机的源数,根据所述源数将所述空间协方差矩阵分解为信号子空间和噪声子空间,根据声传播矩阵和所述噪声子空间构建到达角函数,获取所述到达角函数的极大值点,得到所述第二位置;
基于第二感应阵列获取第二声信号,基于所述第二声信号确定所述目标无人机的第二位置,包括:确定各所述第二声信号在多个所述第二声信号中的信号强度占比;根据各所述第二声信号的信号强度占比,对第三感应阵列获取的第三声信号进行修正,基于修正后的所述第三声信号,确定所述目标无人机的所述第二位置;在所述基于第一感应阵列获取第一声信号,确定目标无人机的第一位置之前,包括:在所述第一声信号中包含第一目标信号和第二目标信号的情况下,确定存在所述目标无人机,其中,所述第二目标信号包括所述第一目标信号的高次谐频信号。
2.根据权利要求1所述的无人机声学定位方法,其特征在于,所述高次包括三次及三次以上。
3.根据权利要求1或权利要求2中任一项所述的无人机声学定位方法,其特征在于,所述感应装置包括至少一个麦克风;基于第一感应阵列获取第一声信号,确定目标无人机的第一位置,包括:
开启所述第一感应阵列中每个所述感应装置的其中一个麦克风,基于所开启的麦克风获取所述第一声信号。
4.根据权利要求1或权利要求2中任一项所述的无人机声学定位方法,其特征在于,所述感应装置包括麦克风和声学谐振腔,其中,所述麦克风经由所述声学谐振腔获取声信号,所述声学谐振腔用于增强所述声信号中的第一目标信号。
5.根据权利要求4所述的无人机声学定位方法,其特征在于,所述声学谐振腔的一阶谐振频率与所述第一目标信号的基频相等。
6.一种无人机声学定位***,其特征在于,包括感应阵列和控制器,所述感应阵列包括第一感应阵列、第二感应阵列和第三感应阵列,所述第一感应阵列、所述第二感应阵列和所述第三感应阵列分别包括感应装置,其中,
所述第一感应阵列用于获取第一声信号,所述第二感应阵列用于获取第二声信号,第三感应阵列用于获取第三声信号,所述控制器用于基于获取的声信号,执行权利要求1至权利要求5中任一项所述的无人机声学定位方法。
7.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至权利要求5中任一项所述的无人机声学定位方法的步骤。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至权利要求5中任一项所述的无人机声学定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310467524.0A CN116184320B (zh) | 2023-04-27 | 2023-04-27 | 无人机声学定位方法和无人机声学定位*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310467524.0A CN116184320B (zh) | 2023-04-27 | 2023-04-27 | 无人机声学定位方法和无人机声学定位*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116184320A CN116184320A (zh) | 2023-05-30 |
CN116184320B true CN116184320B (zh) | 2023-07-18 |
Family
ID=86444680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310467524.0A Active CN116184320B (zh) | 2023-04-27 | 2023-04-27 | 无人机声学定位方法和无人机声学定位*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116184320B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636970A (zh) * | 2022-02-21 | 2022-06-17 | 中国人民解放军战略支援部队信息工程大学 | 一种基于被动合成孔径的多无人机协同直接定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772246B (zh) * | 2017-01-20 | 2019-04-05 | 浙江大学 | 基于声阵列的无人机实时检测和定位***及方法 |
CN113466793B (zh) * | 2021-06-11 | 2023-10-17 | 五邑大学 | 一种基于麦克风阵列的声源定位方法、装置及存储介质 |
CN115480214A (zh) * | 2022-10-09 | 2022-12-16 | 思必驰科技股份有限公司 | 声源定位方法及电子设备和存储介质 |
-
2023
- 2023-04-27 CN CN202310467524.0A patent/CN116184320B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636970A (zh) * | 2022-02-21 | 2022-06-17 | 中国人民解放军战略支援部队信息工程大学 | 一种基于被动合成孔径的多无人机协同直接定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116184320A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7123548B1 (en) | System for detecting, tracking, and reconstructing signals in spectrally competitive environments | |
Kotus et al. | Detection and localization of selected acoustic events in acoustic field for smart surveillance applications | |
US20160203689A1 (en) | Object Displacement Detector | |
US10324168B2 (en) | Systems and methods for spatial filtering using data with widely different error magnitudes | |
CN107677992B (zh) | 移动侦测方法、装置和监控设备 | |
CN113702909B (zh) | 一种基于声音信号到达时间差的声源定位解析解计算方法及装置 | |
US10739435B2 (en) | System method for acoustic source localization with aerial drones | |
US11189298B2 (en) | Acoustic zooming | |
US10027771B2 (en) | System and method for measuring position | |
CN111580099A (zh) | 基于联合熵值的穿墙成像雷达墙体杂波抑制方法 | |
CN116184320B (zh) | 无人机声学定位方法和无人机声学定位*** | |
US11513004B2 (en) | Terahertz spectroscopy and imaging in dynamic environments | |
Sinitsyn et al. | Determination of aircraft current location on the basis of its acoustic noise | |
Wilson et al. | Ocean acoustic hurricane classification | |
Chen et al. | A microphone position calibration method based on combination of acoustic energy decay model and TDOA for distributed microphone array | |
Liu et al. | A multiple sources localization method based on TDOA without association ambiguity for near and far mixed field sources | |
CN111431641B (zh) | 一种基于天线阵列的无人机doa估计方法及装置 | |
US11099072B2 (en) | Terahertz spectroscopy and imaging in dynamic environments with spectral response enhancements | |
Saqib et al. | A framework for spatial map generation using acoustic echoes for robotic platforms | |
CN111768797A (zh) | 语音增强处理方法、装置、计算机设备和存储介质 | |
US20210041376A1 (en) | Terahertz spectroscopy and imaging in dynamic environments with performance enhancements using ambient sensors | |
US11398070B1 (en) | Boundary approximation utilizing radar | |
Phoha et al. | Space-time coordinated distributed sensing algorithms for resource efficient narrowband target localization and tracking | |
Chervoniak et al. | Passive acoustic radar system for flying vehicle localization | |
CN115061124A (zh) | 辐射源定位方法、装置、计算机设备和存储介质 |
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 |