[发明专利]一种汽车鸣笛实时定位系统及方法

权利要求书

1.一种汽车鸣笛实时定位系统，其特征在于，包括麦克风阵列、带通滤波器、前置放大器和开发板，所述麦克风阵列和所述带通滤波器电性连接，所述带通滤波器和所述前置放大器电性连接，所述前置放大器和所述开发板电性连接，所述麦克风阵列用于获取外界声音信号并将该声音信号传输至所述带通滤波器滤除部分频段的噪声干扰，经过所述前置放大器完成信号放大过程后传输到所述开发板，所述开发板用于整体系统的电路控制和数据处理，所述开发板电性连接有视频采集单元和视频显示单元，所述视频采集单元用于进行拍摄获得定位声源云图，该定位声源云图通过所述视频显示单元进行结果显示。

2.根据权利要求1所述的一种汽车鸣笛实时定位系统，其特征在于，所述带通滤波器包括二阶低通滤波器和二阶高通滤波器，所述二阶低通滤波器通过电阻R1与所述麦克风阵列的声频输入端口相连，所述二阶低通滤波器通过电容C3和电容C4与所述二阶高通滤波器相连，所述二阶高通滤波器和所述麦克风阵列的声频输出端口相连。

3.根据权利要求2所述的一种汽车鸣笛实时定位系统，其特征在于，所述二阶低通滤波器包括第一双运算放大器，所述第一双运算放大器的正向输入端通过电阻R2、电容C2与所述第一双运算放大器的输出端相连，所述电阻R1和所述电阻R2串联，所述第一双运算放大器的正向输入端通过电容C1接地，所述第一双运算放大器的正向输入端通过电阻R2和电阻R3接地，所述第一双运算放大器的反向输入端通过电阻R4接地，且所述第一双运算放大器的反向输入端通过电阻R5和所述第一双运算放大器的输出端相连。

4.根据权利要求3所述的一种汽车鸣笛实时定位系统，其特征在于，所述二阶高通滤波器包括第二双运算放大器，所述第二双运算放大器的正向输入端通过电阻R6接地，所述第二双运算放大器的正向输入端通过电阻R7和所述第二双运算放大器的输出端相连，所述第二双运算放大器的反向输入端通过电阻R8和所述第二双运算放大器的输出端相连，所述第二双运算放大器的输出端通过电阻R8和电阻R9接地，所述第二双运算放大器的输出端和所述麦克风阵列的声频输出端口相连。

5.根据权利要求4所述的一种汽车鸣笛实时定位系统，其特征在于，所述第一双运算放大器的型号设置为LM358AD，所述第二双运算放大器的型号设置为LM358AD。

6.根据权利要求1所述的一种汽车鸣笛实时定位系统，其特征在于，所述前置放大器包括第一信号放大器和第二信号放大器，所述第一信号放大器的正向输入端通过电阻R12外接有信号输入端子，所述第一信号放大器的输出端通过电阻R13和所述第二信号放大器的反向输入端相连，所述第二信号放大器的输出端外接有信号输出端子。

7.根据权利要求6所述的一种汽车鸣笛实时定位系统，其特征在于，所述第一信号放大器的反向输入端通过电阻R11接地，所述第一信号放大器的反向输入端通过电容C11和所述第一信号放大器的输出端相连，所述电容C11两端并联有电阻R14，所述第二信号放大器的正向输入端通过电阻R15接地，所述第二信号放大器的反向输入端通过滑动变阻器P1和所述第二信号放大器的输出端相连。

8.根据权利要求1所述的一种汽车鸣笛实时定位系统，其特征在于，所述视频采集单元的AVDD端口外接有磁珠，所述视频采集单元的SIO_C端口和所述开发板的I2C_SDA端口相连，所述视频采集单元的SIO_D端口和所述开发板的I2C_SCA端口相连，所述视频采集单元的XCLK端口和所述开发板的SENSE_CLK端口相连。

9.根据权利要求1所述的一种汽车鸣笛实时定位系统，其特征在于，所述开发板的型号设置为HI3516DV300，所述开发板通过外接串口与所述前置放大器相连，所述开发板外接有MIPI屏接口，所述开发板通过所述MIPI屏接口和所述视频显示单元相连，所述开发板外接有以太网口和电源接口。

10.一种汽车鸣笛实时定位方法，其特征在于，所述汽车鸣笛实时定位方法采用如权利要求1-9中任一项所述的汽车鸣笛实时定位系统，包括以下步骤：

步骤(1)：首先利用带通滤波器对采集的声音信号进行粗滤波；

步骤(2)：经过粗滤波后的语音信号，采用深度学习降噪自编码器进一步提取鸣笛声纹信息，选用LSTM提取信号的时序信息，使用Keras深度学习框架训练模型；

步骤(3)：将提取的鸣笛声纹信息进行交叠分段加窗处理；

步骤(4)：进行短时过零率分析；

步骤(5)：结合结果以及环境因素，设定合适的阈值V，判断当前是否存在鸣笛，当结果大于阈值时，当前有鸣笛发生，进行下一步声源定位；否则，没有发生鸣笛，不进行声源定位，返回到步骤(3)；

步骤(6)：当判断有车辆违规鸣笛时，采用SRC-PHAT声源定位算法进行准确的声源定位；

所述步骤(6)的SRC-PHAT声源定位算法包括以下步骤：

步骤(6-1)：初始化变量：声速、麦克风阵列个数n；

步骤(6-2)：利用GCC-PHAT算法，对声源进行粗定位；

步骤(6-3)：将定位区域划分网格，分别计算每个网格区域对应的SRP-PHAT值；

所述步骤(6-3)包括以下步骤：

步骤(6-3-1)：计算各网格点到各阵元之间的到达时间差；

步骤(6-3-2)：根据各到达时间差，获取所述步骤(6-2)求得的GCC-PHAT值；

步骤(6-3-3)：将所有阵元所对应的GCC-PHAT值进行求和，得到该网格点的SRP-PHAT值；

步骤(6-4)：将SRP-PHAT按降序排列，选取前m个值，根据其对应的网格范围，收敛搜索区域，若未找到全局最优值，则转至步骤(6-3)；否则，停止搜索，得到声源的位置。