1   引言

聲音定位是指動(dòng)物利用環(huán)境中的聲音刺激確定聲源方向和距離的行為。用于覓食，尋找幼仔、父母，躲避捕食者等。取決于到達(dá)兩耳的聲音的物理特性變化，包括頻率、強(qiáng)度和持續(xù)時(shí)間上的差別。為模仿這一生物現(xiàn)象，許多定位方法被應(yīng)用到了音源定位當(dāng)中，聲音定位技術(shù)最早被應(yīng)用在聲吶系統(tǒng)中，后來逐漸地應(yīng)用到探測(cè)水下目標(biāo)的領(lǐng)域，因?yàn)殡姶挪ㄔ诤Ｋ袝?huì)有較為明顯的信號(hào)衰減，所以電磁波的傳輸距離就會(huì)受到較大的限制，而聲音定位技術(shù)因?yàn)槠渥陨硖攸c(diǎn)，剛好彌補(bǔ)了電磁波的不足。

時(shí)至今日，聲音定位作為一種已經(jīng)應(yīng)用廣泛的技術(shù)，利用聲學(xué)傳感器以及與其相連的電子設(shè)備（MCU）和相關(guān)電路，處理接收到的聲波信號(hào)，確定聲源的位置。但諸多聲音定位方案往往對(duì)傳感器精度要求較高。在嵌入式系統(tǒng)中由于ADC采樣速率或微控制器的算力限制，常常不能達(dá)到很高的精度。

為解決這一問題，本文提出了一種利用聲音信號(hào)定向，F(xiàn)M信號(hào)輔助計(jì)算距離的方法，能夠在確保一定精度的條件下，實(shí)現(xiàn)快速且準(zhǔn)確的定位。其中，聲音定向使用廣義互相關(guān)計(jì)算多個(gè)麥克風(fēng)到聲源的距離差，具有較強(qiáng)的抗擾性。

2  聲音定位研究現(xiàn)狀

目前應(yīng)用比較廣泛的定位算法有信號(hào)到達(dá)時(shí)間測(cè)量AOA、信號(hào)到達(dá)角度測(cè)量AOA、接收信號(hào)強(qiáng)度指示RSSI、信號(hào)到達(dá)TDOA等。

接下來，對(duì)上述算法的利弊及在智能車信標(biāo)組中的可行性進(jìn)行分析。

1.1 信號(hào)到達(dá)時(shí)間測(cè)量：

由于聲音的傳播速率是確定的，只要測(cè)量出信號(hào)發(fā)送與接收之間的時(shí)間差，就可以根據(jù)傳輸時(shí)間計(jì)算出到聲源的距離。聲源目標(biāo)即在以麥克風(fēng)為中心，距離為半徑的圓上。當(dāng)至少有三個(gè)不同位置的麥克風(fēng)到聲源的距離時(shí)，即可通過三個(gè)或更多個(gè)圓的交點(diǎn)為聲源位置。但是，由于信標(biāo)組原有chrip信號(hào)的發(fā)送頻率和tc264的算力限制，用fm信號(hào)和麥克風(fēng)信號(hào)互相關(guān)得到的距離分辨率只有1.7cm，而且受限于車身大小，麥克風(fēng)間距比較近，顯然不足以用于進(jìn)行AOA定位。該算法更加適合使用多個(gè)距離較遠(yuǎn)的基站定位。

1.2信號(hào)到達(dá)角度測(cè)量：

通過陣列智能天線測(cè)出聲源目標(biāo)與基站之間所成的夾角，直接用多個(gè)夾角的連線交點(diǎn)確定聲源位置。顯然該方法難以應(yīng)用在智能車信標(biāo)組的比賽中。

1.3 RSSI：

通過接受到信號(hào)的強(qiáng)弱測(cè)定接收點(diǎn)到天線的距離，但該算法需要非常準(zhǔn)確的信號(hào)衰減模型，在智能車信標(biāo)比賽中顯然也難以實(shí)現(xiàn)。

1.4 TDOA：

該算法是TOA算法的改進(jìn)，使用兩麥克風(fēng)之間的距離差用于定位，從而也就不再需要嚴(yán)格的時(shí)間同步信號(hào)。用兩個(gè)聲音信號(hào)即可確定聲源在一組雙曲線上。當(dāng)有多個(gè)雙曲線時(shí)，即可通過解雙曲線的交點(diǎn)計(jì)算出聲源位置。該算法的硬件實(shí)現(xiàn)相對(duì)最為簡(jiǎn)單，我們的算法本質(zhì)上也是在特定麥克風(fēng)排布下，TDOA算法的近似解。不過仍然是由于距離差精度不夠高，直接使用解方程方法的話，計(jì)算時(shí)間長(zhǎng)且精度較低。

3   廣義互相關(guān)算法分析

假設(shè)兩個(gè)麥克風(fēng)接收到的信號(hào)分別為聲源信號(hào)和互不相關(guān)的噪聲，音源信號(hào)與噪聲信號(hào)也是互不相關(guān)的。

在實(shí)際中，由于有限樣本估計(jì)以及噪聲的影響，互相關(guān)估計(jì)可能沒有一個(gè)明顯的尖峰存在。為了凸現(xiàn)尖峰，可以先對(duì)數(shù)據(jù)進(jìn)行濾波處理，它等效于在頻域的加權(quán)處理，這有利于加強(qiáng)接收信號(hào)中源信號(hào)的譜分量，提高信噪比，從而獲得更高的時(shí)延估計(jì)精度。

廣義互相關(guān)法通過求兩信號(hào)之間的互功率譜，并在頻域內(nèi)給予一定的加權(quán)。來對(duì)信號(hào)和噪聲進(jìn)行白化處理，增強(qiáng)信號(hào)中信噪比較高的頻率成分，從而抑制噪聲的影響，再反變換到時(shí)域，得到兩信號(hào)之間的廣義互相關(guān)函數(shù)。PHAT加權(quán)相當(dāng)于白化濾波，對(duì)大噪聲能取得較好效果。

4  傳統(tǒng)TODA算法

通過廣義互相關(guān)的方法可以求出到達(dá)時(shí)間或者到達(dá)時(shí)間差，即可以計(jì)算出聲音音源到麥克風(fēng)的距離，或音源到不同麥克風(fēng)的距離差。

Trilateration（三邊測(cè)量）是一種常用的定位算法，在實(shí)際應(yīng)用中，三個(gè)圓不能恰好交為一點(diǎn)，可以采用最小二乘法進(jìn)行估計(jì)得到未知點(diǎn)坐標(biāo)。在求解非線性方程組的過程中需要用到Chan算法，Chan算法在求解非遞歸的雙曲線方程組時(shí)計(jì)算量相對(duì)較小，比較適合單片機(jī)進(jìn)行計(jì)算，而且由于該算法可以處理一定的高斯噪聲，在智能車使用中可以取得比較好的定位結(jié)果。

不過，在實(shí)際測(cè)試中，雖然該算法準(zhǔn)確率較高，但計(jì)算時(shí)間相對(duì)較長(zhǎng)，下面提出一種特殊麥克風(fēng)（基站）排布下的極簡(jiǎn)定位算法。

5  特殊麥克風(fēng)排布下的簡(jiǎn)單定位算法

為了解決上述問題，我們將定向與測(cè)距分離，使用四麥克風(fēng)采集聲音進(jìn)行方向計(jì)算，再對(duì)FM和聲音信號(hào)進(jìn)行互相關(guān)計(jì)算得到距離。車模上安裝有4個(gè)呈正方形排列的麥克風(fēng)，以及一個(gè)fm模塊。我們依靠?jī)山M麥克風(fēng)的到達(dá)時(shí)間差確定方位，依靠fm與麥克風(fēng)互相關(guān)計(jì)算距離，然后根據(jù)距離差的差，計(jì)算出聲源的方向。

以正方形中心為遠(yuǎn)點(diǎn)建立坐標(biāo)系，則四個(gè)麥克風(fēng)坐標(biāo)為 , 其中i=1,2,3,4，設(shè)聲音音源坐標(biāo)為 ，現(xiàn)將聲音音源到麥克風(fēng)1的距離 與聲音音源到麥克風(fēng)4的距離 做差，即 以正方形中心為遠(yuǎn)點(diǎn)建立坐標(biāo)系，則四個(gè)麥克風(fēng)坐標(biāo)為 , 其中i=1,2,3,4，現(xiàn)將聲音音源到麥克風(fēng)1的距離 與聲音音源到麥克風(fēng)4的距離做差。

下面利用matlab定量繪制某一方向的值，由曲線可知 在距離相對(duì)較遠(yuǎn)時(shí)無(wú)限趨近某一常數(shù)，而今年燈殼的半徑加上車身已超過30cm，是滿足音源相對(duì)較遠(yuǎn)這一條件。因此，可以用唯一確定音源角度。

分別記兩組對(duì)角線上麥克風(fēng)的距離差為距離差1和距離差2，通過matlab仿真可以進(jìn)行論證，兩組對(duì)角線麥克風(fēng)的距離差的差（以下簡(jiǎn)稱為距離差的差）在距離相對(duì)較遠(yuǎn)時(shí)無(wú)限趨近某一常數(shù)，該常數(shù)隨著角度變化而發(fā)生改變，如下圖。由于今年新版信標(biāo)燈的燈殼半徑加上車身已超過30cm，是滿足這一條件的，在實(shí)際測(cè)試中距離差的差也確實(shí)是一個(gè)常數(shù)。為了防止近距離誤判，也使用fm與麥克風(fēng)互相關(guān)測(cè)出的距離進(jìn)行限制。

下面將求解這一常數(shù)與聲源角度的對(duì)應(yīng)關(guān)系。仍然使用matlab仿真進(jìn)行分析。智能車車模的實(shí)際測(cè)試驗(yàn)，用麥克風(fēng)數(shù)據(jù)互相關(guān)算出的距離差、距離差的差與角度的關(guān)系。接收采用山外上位機(jī)，紅線和藍(lán)線分別為兩組距離差，棕線為距離差的差，可以發(fā)現(xiàn)與matlab仿真結(jié)果基本保持了一致。

由matlab仿真圖不難分析出，雖然單獨(dú)根據(jù)距離差的差不能推導(dǎo)出確定的聲源角度，但如果結(jié)合兩個(gè)距離差本身的正負(fù)進(jìn)行輔助，只需要進(jìn)行簡(jiǎn)單的分段線性變換，就可以很好的將距離差的差與聲源角度一一對(duì)應(yīng)起來。可以發(fā)現(xiàn)，求解非常接近線性關(guān)系。由于比賽所用chrip信號(hào)的頻率和tc264芯片算力和存儲(chǔ)能力的限制，綜合控制所需實(shí)時(shí)性的考量，我們最終選擇了20khz的adc采樣速率，理論上用該算法解算聲源角度的分辨率為2.3度，誤差在0.6度以內(nèi)，完全滿足智能車信標(biāo)組比賽的要求。

6  結(jié)論

本文分析了傳統(tǒng)定位方法的優(yōu)缺點(diǎn)，包括chan算法，三邊測(cè)量方法等，這些方法雖然準(zhǔn)確，但對(duì)時(shí)延精度要求較高，我們所使用的微控制器采樣和處理能力無(wú)法達(dá)到要求。我們進(jìn)而提出了適合本競(jìng)賽項(xiàng)目的簡(jiǎn)單定位算法，并使用matlab完成仿真，通過仿真證明了其合理性。之后進(jìn)行實(shí)物進(jìn)行測(cè)試，證實(shí)了該方法的定位精度能夠滿足要求，且實(shí)時(shí)性較好，能夠在本競(jìng)賽項(xiàng)目中達(dá)到令人滿意的定位效果。