针对智能车声标组的声音定位方案研究

图4.11 值的变化情况

下面利用matlab定量绘制某一方向的值，由曲线可知在距离相对较远时无限趋近某一常数，如下图所示，而今年灯壳的半径加上车身已超过30cm，是满足音源相对较远这一条件。因此可以用唯一确定音源角度。

     分别记两组对角线上麦克风的距离差为距离差1和距离差2，通过matlab仿真可以进行论证，两组对角线麦克风的距离差的差（以下简称为距离差的差）在距离相对较远时无限趋近某一常数，该常数随着角度变化而发生改变，如下图。由于今年新版信标灯的灯壳半径加上车身已超过30cm，是满足这一条件的，在实际测试中距离差的差也确实是一个常数。为了防止近距离误判，也使用fm与麦克风互相关测出的距离进行限制。

图5.1 距离差的差随声源距离的变化

图5.2  不同角度下，距离差的差随声源距离的变化

     下面将求解这一常数与声源角度的对应关系。仍然使用matlab仿真进行分析，结果如图5.2所示。图5.3则是智能车车模的实际测试验，用麦克风数据互相关算出的距离差、距离差的差与角度的关系。接收采用山外上位机，红线和蓝线分别为两组距离差，棕线为距离差的差，可以发现与matlab仿真结果基本保持了一致。

图5.3 距离差的差与声源角度的关系

图5.4 麦克风互相关在tc264上的实际测试结果

     由matlab仿真图不难分析出，虽然单独根据距离差的差不能推导出确定的声源角度，但如果结合两个距离差本身的正负进行辅助，只需要进行简单的分段线性变换，就可以很好的将距离差的差与声源角度一一对应起来。具体对应结果如图5.4，可以发现求解非常接近线性关系。由于比赛所用chrip信号的频率和tc264芯片算力和存储能力的限制，综合控制所需实时性的考量，我们最终选择了20khz的adc采样速率，理论上用该算法解算声源角度的分辨率为2.3度，误差在0.6度以内，完全满足智能车信标组比赛的要求。

图5.5 由距离差的差求解出声源角度

。

 结论

本文分析了传统定位方法的优缺点，包括chan算法，三边测量方法等，这些方法虽然准确，但对时延精度要求较高，我们所使用的微控制器采样和处理能力无法达到要求。我们进而提出了适合本竞赛项目的简单定位算法，并使用matlab完成仿真，通过仿真证明了其合理性。之后进行实物进行测试，证实了该方法的定位精度能够满足要求，且实时性较好，能够在本竞赛项目中达到令人满意的定位效果。

参考文献：

[1]张铁成. 基于麦克风阵列的声音识别与定位算法研究[D].南京师范大学,2016.

[2]龚小章.特定声识别与定位系统[J].电子科技,2011,24(08):36-38+45.

[3]邹乐强.最小二乘法原理及其简单应用[J].科技信息,2010(23):282-283.

[4]韩毅,吴初娜,李龙飞.基于到达时差的声音定位系统的研究与实现[J].计算机工程与设计,2010,31(11):2462-2465.

[5]吴晓,靳世久,李一博,张鹏.基于麦克风阵列声音信号定位方法的研究[J].传感技术学报,2010,23(05):682-686.