基于電腦聲卡的TDOA聲源定位仿真系統

萬若楠,孫小廣,張亦勛,劉朝山

(1. 廣州城市理工學院電子信息工程學院,廣東 廣州 510800;2. 火箭軍工程大學,陜西 西安 710025)

1 引言

聲源定位是一種典型的被動式目標定位技術,僅需要接收來自定位目標的相關特征參數如聲音信號到達麥克風陣列的入射角、時間差就可以完成目標定位,具有極強的隱蔽性。因此,作為典型被動式目標定位、跟蹤技術越來越成為新的研究熱點,在軍事、工業、民用等領域都有廣泛應用。如鳴笛抓拍系統[1-3],通過麥克風陣列完成音頻采集,運用聲源定位技術對鳴笛車輛進行定位,最后運用高清攝像頭完成抓拍功能。利用聲源定位獲取聲源信息,可以使得視頻會議中的麥克風自動跟蹤說話人,獲得更加精確的采集語音,實現語音增強[4];可以進一步提高智能機器人的聲音定位能力、語音交互能力[5,6]。利用聲源定位獲取聲源信息,可對闖入一些禁區如核電站、軍事基地等“黑飛”的四旋翼無人機定向定位以及實施有效攔截[7]。目前主要采用的聲源定位算法有三種:基于波束形成(Beam Forming)的定位算法、高分辨率譜估計(high resolution spectral estimation)的定位算法,以及到達時延差(Time Difference of Arrival:TDOA)技術定位算法[8]。Matlab 2020a相控陣系統工具箱提供了對應的算法,其中TDOA定位算法相對較簡單,是實際應用最廣泛的一種定位方法。

2 TDOA的定向定位模型

在基于TDOA的聲源定位場景中,聲源s(t),環境中僅存在噪聲,麥克風1、2接收到的混合聲音信號可以被數學建模為[9]

x1(t)=s(t)+n1(t)

(1)

x2(t)=as(t-τ12)+n2(t)

(2)

其中x1(t)與x2(t)為麥克風接收到的混合聲音信號,s(t)為聲源信號,a為麥克風2接收到的聲音信號的能量相較于陣列中心的衰減系數,τ12為聲音信號到達麥克風的傳播時間差,n1(t)與n2(t)為均值為0、方差為1的高斯白噪聲。聲源s(t)與噪聲n1(t)、n2(t)相互獨立。

2.1 基于GCC-PHAT的時延估計算法

在聲源定位系統中,麥克風陣列的每個單元所接收到的目標信號xi(t),(i=1,2,3,4)源于同一個聲源,顯然,不同通道信號xi(t)之間具有較強的相關性。通過計算每兩通道信號之間的相關函數Rx1x2(τ),確定出兩通道麥克風接收信號之間的時延[10]。

Rx1x2(τ)=E(x1(t)x2(t-τ))

(3)

將方程(1)、(2)代入方程(3),考慮到聲源s(t)與噪聲n1(t)、n2(t)互不相關,最后化簡為

Rx1x2(τ)=α1α2Rss(τ-τ12)

(4)

由相關函數的性質可知,當兩個麥克風之間的時延τ12=τ1-τ2時,Rx1x2(τ)取最大值。為抑制噪聲和混響干擾,采用廣義互相關-相位變換方法(Generalized Cross Correlation Phase Transformation,GCC-PHAT)。在頻域內引入φ12(ω)對互功率譜進行PHAT加權,可銳化Rx1x2(τ)的峰值,提高計算的精度。依據互相關函數和互功率譜的關系

(5)

最后利用傅里葉逆變換,可得廣義互相關函數Rx1x2(τ)

(6)

針對不同的應用環境,可選擇不同的加權函數[11,12]。

2.2 空間四元麥克風陣列定位算法

如圖1所示,將四元麥克風放置在S1,S2,S3,S4四個點的位置上,組成空間四面體的麥克風陣列,并建立對應的三維直角坐標系。

圖1 空間四元麥克風陣列

圖2 聲音信號傳播延時與距離關系

(7)

將上述方程組展開,有

(8)

用方程組(8)中的后三個方程分別減去第一個方程,并考慮ri-r1=di1,當di1?ri時,有ri+r1≈2r0,因此有

(9)

基于方程組(9)可以求得聲源點P的位置坐標(xs,ys,zs)與r0和di1關系的表達式

(10)

根據上述聲源點的坐標關系,可推導出方位角φ和俯仰角θ

(11)

3 系統硬件設計

系統硬件主要由聲波信號采集、處理系統、指向執行系統等組成。

3.1 基于電腦聲卡的采樣系統設計

在空間直角坐標系中放置四個駐極體麥克風,分別位于四面體的四個頂點上,其中麥克風1(0.14m,0.14m,0.28m)、麥克風2(-0.14m,0.14m,0)、麥克風3(-0.14m,-0.14m,0.28m)、麥克風4(0.14m,-0.14m,0)。聲音信號經麥克風采集、信號調理單元放大,放大倍數為100倍左右(可調)。最后,輸入電腦聲卡,采樣頻率設為44.1kHz。

由于電腦聲卡是雙通道,每次只能采集兩個麥克風的信號。為降低成本,在采集聲音信號時采用繼電器控制麥克風的工作,其中麥克風1持續工作,另三個由繼電器控制分別依次工作,依據方程組(7),可以測得四麥克風2、3、4與麥克風1之間三組時延,解算出聲源的位置。顯然,本仿真系統對靜止、低速運動聲源的定位具有很好的性價比。

3.2 聲源跟蹤單元

為了控制兩軸自由度平臺轉動,采用ULN2803來驅動28BYJ48型的5V步進電機,達到精確控制角度的目的?？刂菩盘柾ㄟ^驅動芯片與光耦連接,可以隔離掉電機的起止電流對于單片機的影響,從而提高系統穩定性。

4 系統軟件設計

為了提高效率、更好控制硬件設備,采用MATLAB軟件進行了原理性仿真驗證。具體仿真流程見圖3。

圖3 程序流程圖

4.1 信號預處理模塊

由于采集到的信號具有噪聲,因此需要進行過濾步驟。采用MATLAB中的smooth平滑函數和帶通濾波器可以實現對聲音信號的濾波。

4.2 敏感聲音識別模塊

倒譜參數(Mel Frequency Cepstral Coefficents:MFCCs)是一種在自動語音以及說話人識別中使用最為普遍的特征,從Mel標度頻率域中提取出來,這種特征具有更好的魯棒性[14,15]。本文直接采用Matlab 2020a音頻工具箱(Audio Toolbox)提供的數據集(Data Set);特征提取(Feature Extraction);分類器訓練(Training a Classifier);分類器測試(Testing the Classifier)及其相關的支持函數(Supporting Functions),實現聲音信號的識別。

4.3 聲源定位算法仿真與分析

考慮到影響定向精度的因素主要有聲源點的距離、基陣的尺寸以及時延估計誤差等,文章主要從以上幾個方面對定向精度進行了分析。

圖4是通過MATLAB軟件仿真得到的時延估計圖,由圖中可以看到三個峰值,分別對應了三個時延值,將峰值與程序所設定的數值進行比較,基本是一致的,即仿真系統成功識別出聲源信息。

圖4 GCC-PHAT時延估計圖

圖5是聲源點分別在x、y、z 三個方向上距離變化時對方位角測量誤差的影響,仿真中俯仰角取值為35.3°,方位角取值為45°,聲陣臂長定為0.14m,時延估計誤差為15μs,仿真取點間隔設置為0.05m。

由圖5可見,在4到10m的范圍內,三個方向上聲源點距離對方位角誤差的影響不大,整體誤差在±1°左右。聲源點在x方向改變距離時,得到方位角誤差的平均值和標準差分別為:0.31414和0.19745;聲源點在y方向改變距離時,得到方位角誤差的平均值和標準差分別為:-0.31934和0.22537;聲源點在z方向改變距離時,得到方位角誤差的平均值和標準差分別為:-0.00680和0.20864;由這些數據可見,在x方向上改變聲源點距離時,測量值與預測值較相符合,y方向上的誤差相對大一些,同時方位角對z方向聲源點距離改變最為不敏感。

圖6為麥克風陣列臂長h對俯仰角測量誤差的影響,在仿真計算時俯仰角選取為35.3°,方位角選取為45°,聲陣臂長取值為0.14m,仿真取點間隔設置為0.01m。由圖6可見,麥克風的陣列臂長h對俯仰角精度的測量有較大影響。當麥克風陣列臂長h在0到0.1m的范圍內時,俯仰角的仿真誤差比較大接近8°,當麥克風陣列臂長h在0.1到1m的范圍內變化時,俯仰角仿真誤差明顯減小,整體誤差在±2°左右。仿真結果進一步表明,當麥克風陣列臂長h超過1m時,俯仰角精度也明顯低于0.1到1m時的精度范圍?？偟膩碚f,適當的麥克風陣列臂長h的取值范圍對俯仰角估計精度有明顯效果。

圖6 麥克風陣列臂長h對俯仰角誤差的影響

5 結論

本文借助MATLAB信號處理工具箱、相控陣系統工具箱,實現有限集合的聲音信號識別,并由GCC-PHAT算法確定聲波的時延,成功實現了聲源定位定向仿真,并分析了對定向精度測量的影響因素,得到了比較理想的結果。本文提供的聲源定向定位方法最大優勢是實驗硬件簡單,信號處理、分析算法豐富且易于實現,為開發、評估聲源定向定位算法和教學提供了新的仿真平臺。