[发明专利]一种基于麦克风面阵的鸣笛检测定位方法

说明书

技术领域

本发明涉及一种基于麦克风面阵的鸣笛检测定位方法，可以有效、快速地对违章鸣笛声进行方位角定位。

背景技术

《2017年中国环境噪声污染防治报告》显示，2016年相关部门共收到环境投诉119.0万件，其中噪声投诉52.2万件，占环境投诉总量的43.9％。人们往往认为，噪声主要来源于工业、建筑、服务业，然而实际上，交通也是噪声的主要来源之一。现如今，随着经济的迅速发展，全国各个城市机动车的数量都在逐年增加，据公安交管局的数据显示，截至2017年6月底，全国机动车保有量达3.04亿辆，其中汽车2.05辆。如此庞大数量的机动车穿梭在城市的道路上，给人们的生活带来巨大便利的同时，也带来了严重的噪声污染，机动车鸣笛声等交通噪声已经严重地影响了人们的生活。虽然目前，大部分城市已经出台了部分地区禁止鸣笛的规章制度，但鉴于人工执法效率低、可靠性不高，很多城市已经开始使用车辆鸣笛声自动检测定位系统进行执法工作。

鸣笛声定位主要分为两个部分，一是鸣笛声判定，二是鸣笛声定位。基于麦克风面阵对声音信号进行收集，由于收集到的信号包含其他城市道路噪声，所以要先进行鸣笛声判定。这是后期能否实现声源定位的关键所在，以减少不必要的开销并且能够提高处理效率。当提取出鸣笛声信号后，便可进行声源定位。通常的定位算法主要分为三类：第一类是基于波束形成的方法。波束形成进一步可分解为两个步骤：时间对齐和加权求和。时间对齐将每个传感器的输出延迟适当的时间，使各个传感器接收的来自目标方向的信号成分能够在时间上同步，该步骤需要知道每个阵元接收信号相对与参考点的时间延迟。加权求和就是要对时间对齐后的信号进行加权，然后求和形成一个输出波束，进而通过搜素声源可能的位置来引导该波束，波束输出功率最大的点就是声源位置。第二类是基于高分辨率谱估计的方法。该方法通过对阵列接收数据作数学分解，划分为两个相互正交的子空间：与信号源的阵列流行空间一致的信号子空间，和与信号子空间正交的噪声子空间。利用两个子空间的正交特性，构造出“针状”空间谱峰。第三类是基于时间到达差的方法。该方法首先估计各麦克风之间的相对时延，然后利用估计出的时延，确定声源的位置。

现有的定位算法中，基于到达时间差的定位算法在低信噪比下的定位误差较大，基于高分辨率谱估计的方法由于其计算量大，不适合实时地进行定位估计。并且，现有的定位算法没有考虑实际应用中硬件不支持高采样率的情况，这对定位精度有很大的影响。

发明内容

本发明的目的在于基于麦克风面阵进行快速地鸣笛声定位，设计了快速、可靠的鸣笛声定位算法。本发明的技术方案：一种基于麦克风面阵的快速鸣笛检测定位方法，其特征在于，包括以下步骤：

a.重采样：若硬件采样系统不支持高采样率，首先对采样的阵列接收信号进行重采样；

b.波束形成，具体包括以下步骤：

b1.以坐标原点作为参考点，根据每个麦克风面阵阵元与参考点之间的到达时间差，对每个采样后的阵元接收信号进行相应的时移；

b2.对时间对齐后的信号进行加权，并将结果加在一起形成一个输出；

c.傅里叶变换(FFT)：对波束形成后的数据进行傅里叶变换；

d.定位估计：通过搜索声源可能的位置来引导傅里叶变换后的波束，输出最大的点就是声源位置。

本发明算法的有益效果为，本发明首先为重采样部分，由于采样频率对定位精度有很大的影响，所以当硬件不支持高采样率时，可通过重采样提高采样率，进而提高定位精度。对采样后的阵列接收信号进行波束形成，再对波束形成后的数据进行傅里叶变换。这种方法极大地降低了运算量，并且对鸣笛声的频率要求不高。傅里叶变换将信号从时域变换到频域后，可通过频域上相关进行信号增强，因此该算法在低信噪比的情况下也能良好、可靠地进行来波方位角估计。

附图说明

图1为本发明算法的流程示意图；

图2为麦克风三维阵列模型；

图3为麦克风面阵示意图；

图4为实例中麦克风面阵示意图；

图5为实例中不同信噪比下的均方根定位误差；

图6为实例中不同采样频率下的均方根定位误差。

具体实施方式

下面结合附图和实施例对本发明算法进行详细的描述