基于固定參數累加和算法的聲目標定位方法
【技術領域】
[0001] 本發明屬于物聯網無線傳感技術領域，涉及基于固定參數累加和算法的聲目標定 位方法。
【背景技術】
[0002] 作為物聯網的重要領域，無線傳感器網絡的聲源定位是一種利用聲音目標信號來 實現定位的無源探測技術，采用被動探測方式，不輻射電磁波，因此具有很強的隱蔽性。現 有聲源定位技術有3類基本方法：1、基于最大輸出功率的可控波束形成技術。2、基于高分 辨率譜估計技術。3、基于聲達時間差（TD0A)的定位技術。各無線傳感器節點運行TPSN協 議（時間同步協議），距離聲源最近的若干傳感器節點監聽并采集聲音信號，CUSUM-ML(最 大似然累加和）算法計算聲音到達時刻，使用TD0A定位技術，進行聲音目標的定位。
[0003] 現有技術聲事件到達時刻算法復雜度高，每個傳感器節點必須有兩個模塊，一個 模塊采集聲音信號、發射預警信號以及發送數據給中央節點，另一個模塊運行算法，計算到 達時刻，效率低，增加單個傳感器節點的成本。傳感器節點的組織方法單一，不能減小定位 誤差。
【發明內容】
[0004] 本發明的目的在于提供基于固定參數累加和算法的聲目標定位方法，解決了現有 的定位方法效率低，不能減小定位誤差的問題。
[0005] 本發明的方法為：首先系統進入監聽階段，判斷是否監聽到聲事件，判斷沒有聽到 則繼續監聽，判斷聽到則激活聲源附近采樣信號大于閾值的所有節點，組織聲源最近節點 估計聲達時間，上傳聲達時間數據至中央節點，完成第一次定位，利用第一次定位結果，選 擇距離結果接近的節點，估計聲達時間，上傳數據至中央節點，完成第二次聲定位。
[0006] 具體的，本發明所采用的技術方案是首先定義聲源模型
[
[0008] 式中v[n]代表高斯白噪聲，a e R為信號的衰減因子，s[n]代表聲源信號，Μ[η] 代表信號進行多路徑傳播時與傳感器間的脈沖響應，τ代表聲達時間；
[0009] 噪聲遵循均值為零，且方差為_ε[ν_2(?Ι| = σ丨的正態分布，則：
[0011] 式中θ〇 式（2)為聲達時間之前米樣信號的概率密度模型；極短時間的信號 和噪聲都近似遵循高斯分布，為了減小在每個傳感器節點上的計算量，用高斯分布方式對 η多τ的采樣信號進行建模，聲達時間后的采樣信號概率密度模型表示為：
[0013] 式中
[0014] 定義傳感器節點監聽到到聲目標的信號為聲事件發生，假設：
[0015] % : θ = Θ i-一聲事件已經發生
[0016] % ： θ = θ 〇--沒有聲事件發生
[0017] 節點在0到k的采樣時間之間捕捉到的離散信號x[n]的概率密度函數表示為：
[0018] "沒有事件發生的時候"其概率密度函數：
[0020] "有事件發生的時候"其概率密度函數：
[0022] 運用對數似然比：
[0024] 設定一個閾值n，則當Λχ>η時出現假設龜，當Λχ彡η時出現假設龜；
[0025] 公式⑷和公式（5)帶入公式（6)得：
[0027]引入廣義對數似然比GLLR，求出θ。，Θ τ三個參數的最大似然估計，替換Λχ 中的未知參數，得：
[0029] 其中成和％是對應參數的最大似然估計值，則若Γ x[k]> II，則聲事件發生，即事 件^發生；
[0030] 若事件爲已經確定發生，從聲音信號采樣樣本x[0]，...，x[k]中估計聲達時間 τ，τ是使事件發生的可能性最大的值，g卩τ使押的值最大，對τ做最大似然估計， 表示如下：
[0031]
[0032] 在采樣點η定義瞬時對數似然比：
[0034] 從0到k做累加和運算：
[0036] 將公式（10)和公式（11)代入公式（6)，得：
[0038] 將公式⑵和公式⑶帶入到公式（10)，得：
[0040] 利用累加和算法，并利用遞歸方式，將公式（8)和公式（9)簡化為：
[0043] 累加和算法表達為：
[0044] s [k] = s [k~l] +1 [k] ； (16)
[0045] 假設傳感器節點采集到k個采樣點，并且這k個采樣點中包含聲事件的聲達時間， 即聲事件必然發生，則通過使用公式（9)從τ = 1到τ =k_l求τ的最大似然估計值， 得到τ的最大似然估計，gp :
[0047] 利用累加和算法將公式（17)簡化為：
[0049]從采樣 χ[0]，...，χ[τ' -1]和采樣 χ[τ' ]，...，x[k]中得到方差 4 和 最大似然估計：
[0052] 最大似然估計法求出和σ；2的瞬時最大似然估計值：
[0055] 式中K表不整個米樣時間，k代表從k。到k i的米樣點的所有值，；'[/?]表不米樣點 η前，所有采樣數據累加后的值；
[0056] 在[k。，kj內確定一個值Τ。，再做方差σ|:.和的最大似然估計
[0059] 信號偵測率：
[0061] 誤警率：
[0063] 式中Τ為采樣點個數，erfc ()表示誤差互補函數；
[0064] 確定閾值為γ / 〇。= 5. 8 ;
[0065] 利用五元定位算法進行聲源定位。
[0066] 進一步，所述五元定位算法進行聲源定位的方法如下：
[0067] 聲源S的坐標為：
[0069] 式中（X。yj，（X2, y2)，（X3, yJ，（Χ4, 丫4)分別為節點 Μι、Μ2、1和 Μ 4的坐標，d ρ d2、 d3、山分別為節點M p M2、M3、M，j M。的距離。
[0070] 本發明的有益效果是能夠降低算法的復雜度，減小定位誤差。
【附圖說明】
[0071] 圖1是本發明五元傳感器陣列原理；
[0072] 圖2是傳感器最佳間距；
[0073] 圖3是不同CVR聲的信號；
[0074] 圖4是CUSUM-ML累積和曲線；
[0075] 圖5是⑶SUM-FT的累加和曲線；
[0076] 圖6是節點的自組織過程；
[0077] 圖7是上傳數據給中央節點；
[0078] 圖8是兩種算法定位精度；
[0079] 圖9是多次定位對比；
[0080] 圖10是本發明算法原理。
【具體實施方式】
[0081] 下面結合【具體實施方式】對本發明進行詳細說明。
[0082] 本發明基于固定參數累加和算法的聲目標定位算法，首先定義聲源模型
[0084] 式中v[n]代表高斯白噪聲，a e R為信號的衰減因子，s[n]代表聲源信號，Μ[η] 代表信號進行多路徑傳播時與傳感器間的脈沖響應，τ代表聲達時間。
[0085] 噪聲遵循均值為零，且方差為= <的正態分布，則：
[0087] 式中ΘΒ =σ〖,式⑵為聲達時間之前采樣信號的概率密度模型。
[0088] 極短時間的信號和噪聲都近似遵循高斯分布，為了減小在每個傳感器節點上的計 算量，用高斯分布方式對η多τ的采樣信號進行建模。則聲達時間后的采樣信號概率密度 模型表示為：
[0090] 式中 ％ = β
[0091] 定義傳感器節點監聽到到聲目標的信號為聲事件發生。假設：
[0092] % : θ = Θ i--聲事件已經發生
[0093] %； : θ = Θ 〇一一沒有聲事件發生
[0094] 節點在0到k的采樣時間之間捕捉到的離散信號x[n]的概率密度函數可表示為：
[0095] "沒有事件發生的時候"其概率密度函數：
[0097] "有事件發生的時候"其概率密度函數：
[0099] 運用對數似然比：
[0101] 設定一個閾值η，則當Λχ> η時出現假設A，當Λχ彡η時出現假設
[0102] 公式⑷和公式（5)帶入公式（6)，可得：
[0104] 由于有θ。，Θ τ三個未知參數，公式（7)不能計算出具體值。引入廣義對數 似然比（GLLR)，求出三個參數的最大似然估計，替換Λχ中的未知參數，可得：
[
[0106] 其中Θ;和是對應參數