为解决室内由于墙面、地面的反射使声音信号产生多径传播引起定位算法性能严重下降的问题,本文提出了一种基于麦克风阵列模块的声源识别定位系统。本系统是以STM32F103RCT6单片机作为主控器,Pyai-K210(K210)开发模块、麦克风阵列、OLED显示模块、二维云台模块、辅助电源组成的一个声源定位跟踪系统。K210模块通过麦克风阵列采集移动或静止过程中自制声源发出的音频信号,经过K210模块的一次处理后通过串口将数据发送给STM32单片机;单片机将接收到的数据,经过时间到达差(Time Difference of Arrival,tdoa)方法和卡尔曼滤波算法后,计算出自制声源与麦克风阵列之间的直线距离,通过距离换算出两者之间的角度,驱动二维云台使激光笔发出激光指向声源发出的位置且误差不超过1.67%,反应时间不超过1.5 s,并通过OLED屏实时显示目标声源的方位和角度。
随着室内位置服务(Location-based Services,LBS)的快速发展,室内三维定位技术逐渐成为研究热点之一。在当下热门的室内三维定位方法中,超宽带(Ultra-wideband,UWB)凭借其独特的技术优势,成为首选方案。UWB三维定位技术可分为基于测量方式与基于指纹匹配两类。在复杂动态的室内环境下,这两类方法存在以下问题:1、测量值易受环境影响产生误差,使得基于测量方式的定位算法精度下降;2、室内环境的变化使得指纹库失效,既增加了指纹库维护与更新的成本,又降低了基于指纹匹配算法的精度。本文深入研究以上两个问题,提出相应改进算法。主要内容与创新如下:(1)利用射线追踪(Ray Tracing,RT)技术对UWB室内三维传播模型进行仿真,分析视距(Line of Sight,LOS)、非视距(Non Line of Sight,NLOS)场景下能够表征信道特性的各个参数,并与传统模型参数进行比较,证明了此仿真方法的可行性;分析NLOS环境对测距值的影响,揭示了测距误差修正的必要性,为后文研究测距误差修正奠定理论与数据基础。(2)基于UWB三维传播模型的研究可知,NLOS场景下,信号到达时间差(Time Difference Of Arrival,tdoa)的测量误差较大。针对该问题,提出一种基于反向传播神经网络(Back Propagation Neural Network,BPNN)误差修正的三维tdoa定位算法。利用BPNN回归算法对tdoa测量误差进行修正,然后通过仿真分析三维tdoa经典定位算法,选用其中精度最高的CHAN-TALOR算法与BPNN结合,估算待定位目标点的位置坐标。最后利用仿真数据验证了算法的性能。(3)针对复杂动态的室内NLOS场景下,环境变化导致旧指纹库无法匹配新采集指纹量、传统指纹定位算法的定位精度差等问题,提出了一种基于SAE-RF的三维指纹定位方法。首先采用稀疏自编码(Sparse Autoencoder,SAE)网络得到待定位目标点的估计位置坐标,然后加入随机森林(Random forest,RF)回归模型,待环境轻微变化后,取少许参考点进行定位误差修正。该算法利用UWB较为精准的测距值代替传统的信号强度值作为指纹量,且降低了指纹库维护与更新成本,减少环境变化对指纹定位的影响。最后利用实验数据验证了算法的性能。该论文有图35幅,表7个,参考文献84篇。
暂无评论