的最大似然估計值。則若rx[k]>ri，則聲事件發生，即事 件％發生。
[0107] 若事件巧已經確定發生，須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，即τ使ρψ?的值最大。同理，對τ做最大似 然估計，表示如下：
[0109] 在采樣點n定義瞬時對數似然比：
[0111] 從0到k做累加和運算：
[0113] 將公式（10)和公式（11)代入公式（6)，可得：
[0114] Λ X [k，τ ] = s [k]-s [ τ -1] ; (12)
[0115] 將公式⑵和公式⑶帶入到公式（10)，得：
[0117] 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：
[0120] 累加和算法也可簡單表達為：
[0121] s [k] = s [k~l] +1 [k] ； (16)
[0122] 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， 可得到τ的最大似然估計，既：
[0124] 利用累加和算法的思想，可將公式（17)簡化為：
[0126] 從采樣χ[0]，...，χ[τ' -1]和采樣χ[τ' ]，...，x[k]中得到方差 <和 < 的 最大似然估計：
[0129] 最大似然估計法（CUSUM-ML)即求出σ.|和的瞬時最大似然估計值：
[0132] 式中Κ表不整個米樣時間，k代表從1^。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。
[0133] 固定參數是指在[kmkj內確定一個值Τ。。
[0134] 之后再做方差4和σ?的最大似然估計，計算將大大簡化。
[0137] 信號偵測率：
[0139] 誤警率：
[0141] 式中T為采樣點個數，erfcO表示誤差互補函數。
[0142] 確定閾值為γ / 〇。= 5. 8。
[0143] 如圖1所示為五元傳感器陣列原理圖，利用五元定位算法進行聲源定位，則聲源S 的坐標為：
[0145] 式中（χ1; y)，（x2, y2)，（x3, y3)，（x4, y4)分別為節點 Μρ Μ2、]\13和 Μ 4的坐標，d p d2、 d3、山分別為節點M p M2、M3、M，j M。的距離。
[0146] 做仿真實驗（如圖2)得出聲源與傳感器節點的最佳測量距離(!_= 26m，并提出 一種傳感器節點的組織方法，二次定位法，提高聲源定位的精度。組織方法為：在目標聲源 發出聲音后，距離聲源最近的節點首先檢測到聲事件的發生，隨后組織距離聲源最近的四 個節點，監聽聲事件的聲達時間，并將估計時刻上傳至中央節點，進行第一次聲定位，之后 根據第一次定位的結果，由中央節點選擇距離聲源最接近的四個節點，再次進行上訴步 驟，完成第二次定位。CUSUM-ML算法與CUSUM-FT算法的復雜度如表1所示。
[0147] 表1兩種算法計算復雜度
[0149] 兩種算法累加不同CVR的信號（如圖3)對應的累加和曲線如圖4、圖5所示：
[0150] 如圖6所示，當聲事件發生之前，各傳感器節點均處于監聽階段。當聲源發出聲信 號后，距離聲源最近的節點將最先判斷到聲事件的發生，并運行CUSUM-ML算法估計聲達時 亥IJ，之后通過廣播預警信號，激活附近所有采樣信號大于閾值的節點，使其進入工作階段。 其余節點根據第一個節點估計的事件發生時刻，配置固定參數，運行CUSUM-FT算法計算各 自節點的聲達時刻，被激活節點將各自聲達時刻數據上傳至中央節點，中央節點選取距離 聲源最近的五個節點上傳的數據運行五元定位算法，完成一次聲源定位，如圖7所示。圖8 為兩種算法定位精度。圖9為多次定位對比。
[0151] 本發明的算法原理如圖10所示，本發明算法優點還在于算法復雜度低，不必使用 單獨的算法計算模塊，效率提高，單個傳感器節點成本降低，通過分析五元定位算法得到的 聲源與傳感器間得最佳測距，提出的二次定位法的節點組織方法，可以有效減小定位誤差。
[0152] 以上所述僅是對本發明的較佳實施方式而已，并非對本發明作任何形式上的限 制，凡是依據本發明的技術實質對以上實施方式所做的任何簡單修改，等同變化與修飾，均 屬于本發明技術方案的范圍內。
【主權項】
1.基于固定參數累加和算法的聲目標定位方法，其特征在于： 定義聲源模型：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； 噪聲遵循均值為零，且方差為的正態分布，則：式中θ〇 =4,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：式中O1 =σ,:; 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： % : θ = Θ i-一聲事件已經發生 /?, ： Θ = Θ 〇一一沒有聲事件發生 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： "沒有事件發生的時候"其概率密度函數："有事件發生的時候"其概率密度函數：運用對數似然比：設定一個閾值n，則當Λχ>η時出現假設巧，當Λχ< η時出現假設奐； 公式⑷和公式（5)帶入公式（6)得：引入廣義對數似然比GLLR，求出θ。，Θ JP τ三個參數的最大似然估計，替換Λχ中 的未知參數，得：其中'和氧是對應參數的最大似然估計值，則若Γ x[k]> Tl，則聲事件發生，即事件氣 發生； 若事件為已經確定發生，從聲音信號采樣樣本x[〇]，...，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，即τ使：|的值最大，對τ做最大似然估計，表示 如下：在采樣點η定義瞬時對數似然比：從O到k做累加和運算：將公式（10)和公式（11)代入公式（6)，得：將公式（2)和公式（3)帶入到公式（10)，得：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：累加和算法表達為： s [k] =s [k-1] +1 [k] ； (16) 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-Ι求τ的最大似然估計值，得到 τ的最大似然估計，既：利用累加和算法將公式（17)簡化為：從采樣Χ[〇]，...，Χ[τ' -1]和采樣Χ[τ' ]，...，x[k]中得到方差4和4的最大 似然估計：最大似然估計法求出和4的瞬時最大似然估計值：式中K表不整個米樣時間，k代表從1^。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； 在[Uk1]內確定一個值Τ。，再做方差4和的最大似然估計信號偵測率：誤警率：式中T為采樣點個數，erfc ()表示誤差互補函數； 確定閾值為γ/σ。= 5. 8 ; 利用五元定位算法進行聲源定位。2.按照權利要求1所述基于固定參數累加和算法的聲目標定位方法，其特征在于：所 述五元定位算法進行聲源定位的方法如下： 聲源S的坐標為：式中（χι，yi)，（χ2, y2)，（χ3, y3)，（χ4, 分別為節點 Mi、M2、M3和 M 4的坐標，d p d2、d3、d4 分別為節點Mp M2、M3、Mglj M。的距離。
【專利摘要】本發明公開了基于固定參數累加和算法的聲目標定位方法，首先定義聲源模型，得出聲達時間后的采樣信號概率密度模型，定義傳感器節點監聽到到聲目標的信號為聲事件發生，確定閾值，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，利用五元定位算法進行聲源定位。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。
【IPC分類】G01S5/22
【公開號】CN105353350
【申請號】CN201510689909
【發明人】神顯豪, 奈何
【申請人】桂林理工大學
【公開日】2016年2月24日
【申請日】2015年10月22日