發(fā)布時間：2020-10-10 12:52

　　 目前,無人機使得低空安防難度加大,被動聲探測方法在軍事、安全監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用。但是,在對低空目標(biāo)探測的實際工程應(yīng)用中,受戶外環(huán)境噪聲的影響,傳統(tǒng)的被動聲探測定位方法存在著較低信噪比下定位誤差較大的問題。針對以上問題,本文以四旋翼無人機為研究對象,重點研究立體七元聲傳感器陣列下基于到達(dá)時間差(Time Difference of Arrival,TDOA)的被動聲定位算法,并提出改進(jìn)最大似然加權(quán)-相位變換加權(quán)-廣義互相關(guān)(Maximum Likehood-Phase Transform-Generalized Cross Correlation,ML-PHAT-GCC)算法,達(dá)到提高時延定位精度的目的;建立雙陣列模型并研究改進(jìn)人工魚群-無跡粒子濾波(Artificial Fish School Algorithm-the Unscented Kalman Partcle Filter,ASFA-UPF)被動跟蹤定位算法,達(dá)到降低對目標(biāo)的距離、方位角、俯仰角定位誤差的目標(biāo)。本文主要工作如下:首先,本文對四旋翼無人機的聲信號進(jìn)行了時頻分析,并對聲場環(huán)境中影響聲波傳播的因素進(jìn)行了分析;由于無人機所處聲場環(huán)境中存在大量的環(huán)境噪聲和混響噪聲,先對采集到的無人機的聲信號進(jìn)行帶通濾波濾除高頻信號,采用(Least Mean Square,LMS)自適應(yīng)算法對濾波后的信號進(jìn)行降噪處理。然后,本文對平面五元陣列和立體七元陣列的定位精度進(jìn)行了公式推導(dǎo)并進(jìn)行了對比分析;分析了廣義互相關(guān)GCC的幾種加權(quán)函數(shù),并結(jié)合ML加權(quán)對PHAT加權(quán)函數(shù)進(jìn)行改進(jìn),提出了ML-PHAT-GCC算法;給出了基于有理倍數(shù)增采樣率的TDOA定位算法,并仿真分析了不同采樣頻率對聲源目標(biāo)的距離、方位角和俯仰角定位精度的影響。其次,本文給出了雙聲傳感器陣列的空間交叉定位算法公式推導(dǎo),并給出了目標(biāo)狀態(tài)方程和觀測方程;采用ASFA對UPF進(jìn)行改進(jìn),抑制粒子退化問題,并對其跟蹤定位算法的性能與傳統(tǒng)無跡粒子濾波算法進(jìn)行MATLAB仿真分析對比。最后,本文搭建低空無人機被動聲探測定位實驗平臺,包括聲傳感器陣列模塊、多通道數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和上位機軟件顯示模塊。實驗結(jié)果表明本文的改進(jìn)ML-PHAT-GCC的TDOA算法性能明顯優(yōu)于傳統(tǒng)算法,增加采樣頻率及增大陣元間距能夠降低被動聲定位誤差;在采樣頻率為200kHz時,本文改進(jìn)算法比傳統(tǒng)算法的距離誤差、方位角誤差及俯仰角誤差分別降低了2.477%,3.866%,1.187%。陣元間距在0.65m時,定位誤差最小,比陣元間距為0.10m時的定位誤差分別降低了9.198%,6.99%,6.091%,驗證了改進(jìn)方法的有效性。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：V279
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 低空目標(biāo)被動聲探測應(yīng)用發(fā)展現(xiàn)狀
        1.2.2 低空無人機主動探測應(yīng)用發(fā)展現(xiàn)狀
        1.2.3 低空目標(biāo)被動聲探測定位方法研究現(xiàn)狀
    1.3 研究目標(biāo)及內(nèi)容
    1.4 本文的內(nèi)容安排
第二章 低空無人機聲信號特性與預(yù)處理
    2.1 低空無人機聲信號的時頻特性
    2.2 低空無人機聲場環(huán)境對聲信號傳播的影響
        2.2.1 聲信號在空氣中的衰減
        2.2.2 溫度對聲信號傳播的影響
        2.2.3 風(fēng)速對聲信號傳播的影響
    2.3 低空無人機聲源類型及傳播模型
        2.3.1 聲源類型
        2.3.2 近場及遠(yuǎn)場聲信號模型
    2.4 低空無人機聲信號預(yù)處理
        2.4.1 聲信號濾波處理
        2.4.2 聲信號降噪處理
    2.5 本章小結(jié)
第三章 基于TDOA的低空無人機被動聲定位算法
    3.1 TDOA被動聲定位算法概述
    3.2 聲傳感器陣列定位算法與精度分析
        3.2.1 平面五元陣列聲定位算法
        3.2.2 立體七元陣列聲定位算法
        3.2.3 兩種聲傳感器陣列定位精度對比
    3.3 基于廣義互相關(guān)的時延估計算法
        3.3.1 基本互相關(guān)函數(shù)法
        3.3.2 廣義互相關(guān)函數(shù)法
        3.3.3 改進(jìn)ML-PHAT-GCC算法
        3.3.4 改進(jìn)算法仿真與分析
    3.4 有理倍數(shù)增采樣率TDOA聲定位算法
        3.4.1 采樣頻率對聲定位精度的影響分析
        3.4.2 信號采樣率轉(zhuǎn)換算法
        3.4.3 有理倍數(shù)增采樣率TDOA聲定位算法與仿真分析
    3.5 本章小結(jié)
第四章 基于AFSA-UPF的雙陣無人機被動跟蹤定位算法
    4.1 雙陣空間測向交叉定位模型
    4.2 粒子濾波算法
        4.2.1 PF算法
        4.2.2 目標(biāo)跟蹤系統(tǒng)模型
    4.3 基于AFSA-UPF的雙陣動態(tài)目標(biāo)被動跟蹤定位算法
        4.3.1 UPF算法
        4.3.2 改進(jìn)ASFA-UPF算法
        4.3.3 改進(jìn)算法仿真與分析
    4.4 本章小結(jié)
第五章 低空無人機被動聲定位平臺設(shè)計與實驗測試
    5.1 低空無人機被動聲定位平臺總體方案設(shè)計
        5.1.1 聲傳感器陣列模塊
        5.1.2 陣列信號數(shù)據(jù)采集模塊
        5.1.3 數(shù)據(jù)處理及上位機軟件顯示模塊
    5.2 被動聲定位實驗測試方案與結(jié)果分析
        5.2.1 實驗測試方案設(shè)計
        5.2.2 實驗結(jié)果與誤差分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄔春明;宮皓泉;王艷嬌;趙星翰;郭立杰;梁玉珠;;基于改進(jìn)粒子濾波的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2017年05期

2 羅斌;黃宇超;周昊;;國外反無人機系統(tǒng)發(fā)展現(xiàn)狀綜述[J];飛航導(dǎo)彈;2017年09期

3 蔡亞梅;姜宇航;趙霜;;國外反無人機系統(tǒng)發(fā)展動態(tài)與趨勢分析[J];航天電子對抗;2017年02期

4 ;行業(yè)資訊[J];警察技術(shù);2017年02期

5 李明明;卞偉偉;甄亞欣;;國外“低慢小”航空器防控裝備發(fā)展現(xiàn)狀分析[J];飛航導(dǎo)彈;2017年01期

6 劉超;柏業(yè)超;張興敢;;一種改進(jìn)的分?jǐn)?shù)時延估計方法及應(yīng)用[J];數(shù)據(jù)采集與處理;2015年06期

7 張學(xué)磊;馮杰;李兆利;;聲探測技術(shù)在低空開放中的應(yīng)用[J];電聲技術(shù);2015年01期

8 于明;劉勇;閻剛;翟玉欣;;基于人工魚群優(yōu)化的擴展卡爾曼粒子濾波算法[J];計算機仿真;2013年06期

9 馮杰;楊博;李兆利;;空氣聲探測在軍事中的應(yīng)用[J];電聲技術(shù);2012年06期

10 梁磊;逄博;趙麗麗;;基于人工魚群的無軌跡粒子濾波算法[J];計算機應(yīng)用與軟件;2012年01期

相關(guān)博士學(xué)位論文 前7條

1 張巧靈;麥克風(fēng)網(wǎng)絡(luò)中基于分布式粒子濾波的說話人跟蹤方法研究[D];大連理工大學(xué);2016年

2 劉亞雷;三維運動聲陣列對聲目標(biāo)跟蹤理論研究[D];南京理工大學(xué);2013年

3 呂艷新;被動聲目標(biāo)識別理論研究[D];南京理工大學(xué);2011年

4 崔瑋瑋;基于麥克風(fēng)陣列的聲源定位與語音增強方法研究[D];清華大學(xué);2009年

5 嚴(yán)金海;聲、毫米波復(fù)合尋的系統(tǒng)目標(biāo)識別與定位技術(shù)研究[D];南京理工大學(xué);2006年

6 陳華偉;低空目標(biāo)聲測無源定向理論與算法研究[D];西北工業(yè)大學(xué);2004年

7 顧曉輝;反直升機智能雷有關(guān)總體的理論研究[D];南京理工大學(xué);2002年

相關(guān)碩士學(xué)位論文 前5條

1 梁上烈;利用聲源信息的多目標(biāo)定位與跟蹤研究[D];電子科技大學(xué);2016年

2 韓朋朋;基于粒子濾波的麥克風(fēng)陣列聲源定位與跟蹤的算法研究[D];南京郵電大學(xué);2013年

3 曹虎林;基于麥克風(fēng)陣列的聲源定位系統(tǒng)硬件設(shè)計與算法研究[D];上海交通大學(xué);2011年

4 羅倫楷;近地飛行目標(biāo)的聲測定向技術(shù)研究[D];山東科技大學(xué);2009年

5 姚穎;雙站無源定位與跟蹤算法研究[D];西安電子科技大學(xué);2009年

本文編號：2835221