论文部分内容阅读
目前,无人机使得低空安防难度加大,被动声探测方法在军事、安全监控等领域有着广泛的应用。但是,在对低空目标探测的实际工程应用中,受户外环境噪声的影响,传统的被动声探测定位方法存在着较低信噪比下定位误差较大的问题。针对以上问题,本文以四旋翼无人机为研究对象,重点研究立体七元声传感器阵列下基于到达时间差(Time Difference of Arrival,TDOA)的被动声定位算法,并提出改进最大似然加权-相位变换加权-广义互相关(Maximum Likehood-Phase Transform-Generalized Cross Correlation,ML-PHAT-GCC)算法,达到提高时延定位精度的目的;建立双阵列模型并研究改进人工鱼群-无迹粒子滤波(Artificial Fish School Algorithm-the Unscented Kalman Partcle Filter,ASFA-UPF)被动跟踪定位算法,达到降低对目标的距离、方位角、俯仰角定位误差的目标。本文主要工作如下:首先,本文对四旋翼无人机的声信号进行了时频分析,并对声场环境中影响声波传播的因素进行了分析;由于无人机所处声场环境中存在大量的环境噪声和混响噪声,先对采集到的无人机的声信号进行带通滤波滤除高频信号,采用(Least Mean Square,LMS)自适应算法对滤波后的信号进行降噪处理。然后,本文对平面五元阵列和立体七元阵列的定位精度进行了公式推导并进行了对比分析;分析了广义互相关GCC的几种加权函数,并结合ML加权对PHAT加权函数进行改进,提出了ML-PHAT-GCC算法;给出了基于有理倍数增采样率的TDOA定位算法,并仿真分析了不同采样频率对声源目标的距离、方位角和俯仰角定位精度的影响。其次,本文给出了双声传感器阵列的空间交叉定位算法公式推导,并给出了目标状态方程和观测方程;采用ASFA对UPF进行改进,抑制粒子退化问题,并对其跟踪定位算法的性能与传统无迹粒子滤波算法进行MATLAB仿真分析对比。最后,本文搭建低空无人机被动声探测定位实验平台,包括声传感器阵列模块、多通道数据采集模块、数据处理模块和上位机软件显示模块。实验结果表明本文的改进ML-PHAT-GCC的TDOA算法性能明显优于传统算法,增加采样频率及增大阵元间距能够降低被动声定位误差;在采样频率为200kHz时,本文改进算法比传统算法的距离误差、方位角误差及俯仰角误差分别降低了2.477%,3.866%,1.187%。阵元间距在0.65m时,定位误差最小,比阵元间距为0.10m时的定位误差分别降低了9.198%,6.99%,6.091%,验证了改进方法的有效性。