论文部分内容阅读
声阵列网络,是由日益发展的无线传感器网络技术同声阵列技术相融合,而出现的高性能网络化声信号处理模型。声阵列节点的位置和朝向信息是进行数据融合和网络管理的基础。自定位技术是声阵列网络的关键支撑技术和研究热点之一。本文在研究无线传感器网络常用定位技术和声阵列网络工作特点的基础上:1,提出了基于移动信标和DOA (Direction of Arrival,波达方向)的声阵列网络自定位机制;2,提出了基于目标声源和DOA的声阵列网络自定位机制;3,对所提方法进行了仿真分析和实验验证。基于移动信标和DOA的自定位机制分为三个算法:基本最大似然估计BML (Basic Maximum Likelihood estimator)、具有声信号传播延时补偿功能的最大似然估计PCML(Propagation Compensated Maximum Likelihood estimator)和基于二次计算的轻量级最大似然估计RML (Recalculation Maximum Likelihood estimator)。采用移动信标进行自定位,可以显著提高信标节点的重复利用率,有效降低所需的设备或人工成本。在深入分析声信号传播延时诱导误差和BML的基础上,本文给出了具有完备理论分析的PCML和在工程上更为实用的经验算法RML。本文详细分析了信标节点移动速度、DOA误差和节点感知半径等关键因素对以上三种算法的精度和计算复杂度等方面的影响。基于目标声源和DOA的自定位机制首先利用最小二乘和扩展卡尔曼滤波等方法,获取目标的位置或轨迹。之后,未知节点将目标声源作为信标(即伪信标),利用BML、PCML和RML等方法实现自定位。该机制主要面向以下问题:1,网络初始化过程中,由于信标信息不足,部分节点无法实现有效的自定位;2,在网络工作过程中,由于外界干扰,某些节点的位置或朝向信息发生了变化,需要重新进行自定位。本文详细分析了DOA误差、正常节点的比例和目标声源移动速度等关键因素对自定位效果的影响。除了理论和仿真分析之外,本文还采用实际系统,对所提出的自定位机制进行了验证,保障了其可行性和有效性。所采用的实验系统结合了典型的无线传感器网络技术和声阵列技术。实验证明,所提出的两种机制可有效实现声阵列节点的自定位。