基于小型阵列MIC的声源定位系统设计与实现

摘要

近年来，随着人工智能的发展，机器人智能化得到更近一步的推进，服务型机器人越来越多的介入到人们的生活当中。为了让机器人能够更好地应对复杂的工作环境，机器人需要能够实时获取环境中的信息并进行及时处理，其中声音是要获取的关键信息，而对声源进行定位是机器人应对周围环境的一种关键算法。基于实验室现有机器人项目，本文设计一款基于小型麦克风阵列的声源定位系统来解决机器人对声源进行定位的问题。 本文通过介绍三种经典的基于麦克风阵列的定位方法，分析其工作原理、适用领域及各自的优缺点，并结合机器人项目的需求，最终选择出可控波束形成技术与相位变换（PHAse Transform,PHAT）加权系数相结合的SRP-PHAT（Steered Response Power with PHAse Transform）声源定位方法作为本论文的参考实现方案。通过实验发现，SRP-PHAT声源定位方法定位时间较长，并不满足机器人平台实时性定位的需要，而问题主要在于SRP-PHAT定位方法中的声源搜索方法性能较低，因此本文采用粒子群算法对传统声源搜索方法进行改进，通过仿真实验对比验证了粒子群算法改进声源搜索方法的有效性。最后设计了麦克风阵列，构建了基于xCore-200平台的基础硬件环境，在此基础上实现了传统搜索方法及粒子群算法改进的搜索方法，并通过实验分析这两种方法在水平二维空间上的方位角精度和距离精度以及定位的实时性。 实验结果表明，基于xCore-200所实现的定位系统，方位角估计成功率基本都在90%以上，平均误差可以控制在5°以内；距离估计略差，平均估计成功率约为80%，平均误差约为0.25m；在时间开销方面，平均单次定位时间为525.23ms。相比较传统网格搜索方法，改进后的方法保证了定位系统的精度，并将定位时间缩短了20.48%。

目录

第一个书签之前

摘要

Abstract

第一章 绪论

1.1.2 研究意义

1.2 国内外研究现状

1.3 论文研究内容与设计指标

1.3.2 设计指标

1.4 论文组织结构

第二章 麦克风阵列的信号模型与定位方法

2.1.1 理想模型和实际模型

2.1.2 近场模型和远场模型

2.2 基于麦克风阵列的声源定位方法

2.2.1 基于时延估计的定位方法

2.2.2 基于高分辨率谱估计的定位方法

2.2.3 基于最大输出功率的可控波束形成的定位方法

2.2.4 定位方法比较

2.3 本章小结

第三章 声源定位算法的设计与仿真

3.1.2 仿真麦克风音频的获取

3.2.2 分帧加窗

3.2.3 有效帧检测

3.3 SRP-PHAT声源定位方法

3.3.3 声源位置搜索的问题

3.4 本章小结

第四章 对声源搜索算法的改进

4.2 粒子群算法搜索声源

4.2.2 粒子群搜索声源位置步骤

4.2.3 粒子群算法的参数选取

4.3 声源搜索算法仿真与对比

4.4 本章小结

第五章 声源定位系统的实现与实验分析

5.1.2 声源定位系统的框架

5.1.3 麦克风阵列设计

5.1.4 音频采集与预处理

5.1.5 功率计算与位置搜索

5.2 系统综合实验

5.2.1 实验测试基础

5.2.2 系统的精确性实验

5.2.3 系统的实时性实验

5.2.4 指标对比

5.3.1 噪声对定位结果的影响

5.3.2 混响对定位结果的影响

5.4 本章小结

第六章 总结与展望

6.2 展望

致 谢

参考文献