[发明专利]一种适用于特定定位场景的任意阵列优化方法

摘要

一种适用于特定定位场景的任意阵列优化方法，包括：1）构建麦克风阵列的参数化几何结构模型，为阵列优化提供搜索空间；2）建立基于声达时差方法的空间声源定位模型；3）采用两次加权最小二乘法求解空间声源定位模型，获得目标声源坐标的估计值；4）建立针对特定场景麦克风阵列结构优化模型，并通过粒子群优化算法进行迭代优化，最终获取特定定位场景下的最优麦克风阵列结构。本发明方法无需依赖先验阵列结构信息，适用于任意阵列的优化，同时进行特定定位场景的阵列优化，获取相应场景的全局最优化阵列结构形式。本发明提出的麦克风阵列优化新方法，在多个领域具有广泛的应用价值。

主权项

1.一种适用于特定定位场景的任意阵列优化方法，其特征是包括以下步骤：步骤1：构建麦克风阵列的参数化几何结构模型，取参考麦克风的坐标为，其它麦克风的坐标由径向距离、方位角以及仰角三个参数来表示，则三维空间中其它麦克风的坐标为，其中，表示参考麦克风以外的麦克风数量；麦克风阵列优化的搜索空间可以表示为其中 表示优化搜索空间，表示麦克风直径，表示声源信号中的主要周期频率，是声速；步骤2：建立基于声达时差方法的空间声源定位模型，令定位声源坐标为，声源定位模型的数学描述如下所示其中 是声源到参考麦克风之间的距，是其它麦克风到声源的距离；通过声达时差原理可以构建其中是声信号到达参考麦克风和其它麦克风之间的时间差；可通过声信号之间的互相关函数来求取，如式（4）和式（5）所示其中和分别为麦克风和采集到的声信号；由式（2）可知，定位模型由非线性方程构成；为便于求解定位结果，将定位模型进行线性化转换并写成矩阵形式，如式（6） 所示其中， ，；步骤3： 求解基于声达时差方法的定位模型，为求解式（6）中的线性方程组，构造误差向量，如式（7）所示其中是未知量，，，代表不带误差的变量真实值；通过加权最小二乘法对式（7）进行求解，并进行合理的近似，得到式（8）其中，而为服从正态分布的噪声向量；为提升声源定位求解结果的精度，构造新的误差向量，如式（9）所示其中，； 和 是的误差估计值；再次通过加权最小二乘法对式（9）进行求解，并进行合理的近似，得到式（10）最终源的定位结果如式（11）所示步骤4： 建立针对特定场景麦克风阵列结构优化模型；采用粒子群算法对阵列结构参数进行优化，具有个粒子的集群表示为每一个粒子带有一个麦克风阵列的属性，如式（13）所示特定定位场景可由分布于特定目标区域的声源集合构成，如式（14）所示其中为声源的真实坐标值，为用于优化阵列的声源数量，为特定目标定位区域分布点集；麦克风阵列优化问题定义为；其中为维空间的实数域，即寻优空间的变量数；为适应度函数，由定位结果的均方值和方差来构建，如式（16）所示其中 是权重值，；是定位结果的均方值，定义为式（17） 是声源定位结果的方差值，定义为式（18）其中；采用粒子群优化算法来对麦克风阵列优化问题进行求解；定义粒子个体最优值和粒子群全局最优值，如式（19）所示其中表示迭代序数，而表示迭代总步数；粒子速度和位置分别由式（20）和式（21）来更新，如下所示其中表示在范围[0，1]之间均一分布的随机数； 和  表示学习因子；为惯性权重，由式（22）来求解其中 和 为惯性权重的上边界和下边界；对麦克风阵列结构优化模型进行数值迭代，最终输出的即为最优麦克风阵列结构参数。