針對(duì)無(wú)人機(jī)非平穩(wěn)音頻信號(hào)時(shí)差定位中,廣義互相關(guān)時(shí)延估計(jì)算法抗噪性差和時(shí)延估計(jì)值精度低等問(wèn)題,文章采用了一種基于廣義二次相關(guān)時(shí)延估計(jì)的改進(jìn)算法。算法對(duì)疊加了實(shí)際噪聲（如風(fēng)聲、雨聲、汽車?guó)Q笛聲等）的無(wú)人機(jī)音頻信號(hào)進(jìn)行頻譜細(xì)化的廣義二次相關(guān),有效抑制了噪聲干擾,融合相關(guān)峰精確插值算法,提高了互相關(guān)函數(shù)的分辨率,使得時(shí)延峰值更加明顯。仿真實(shí)驗(yàn)結(jié)果表明,改進(jìn)的廣義二次相關(guān)方法在不同信噪比時(shí),比廣義互相關(guān)和廣義二次相關(guān)算法的時(shí)延估計(jì)精度更高,穩(wěn)定性更好。改進(jìn)的廣義二次相關(guān)算法對(duì)無(wú)人機(jī)定位中的時(shí)延估計(jì)具有更好的性能優(yōu)勢(shì),具有較強(qiáng)的實(shí)際應(yīng)用性。 

【文章來(lái)源】：聲學(xué)技術(shù). 2020,39(05)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

大疆Phantom3型無(wú)人機(jī)在不同信噪比下不同時(shí)延估計(jì)算法的準(zhǔn)確率和RMSE值

第5期郭培培等：音頻無(wú)人機(jī)定位的時(shí)延估計(jì)模擬分析653(a)時(shí)延估計(jì)的準(zhǔn)確率(b)時(shí)延估計(jì)的穩(wěn)定性圖2大疆Inspire型無(wú)人機(jī)在不同信噪比下不同時(shí)延估計(jì)算法的準(zhǔn)確率和RMSE值Fig.2TheaccuracyratesandRMSEvaluesofdifferenttimedelayestimationalgorithmsunderdifferentsignal-to-noiseratiosforInspireUAV義二次相關(guān)算法的估值能力相差不大，時(shí)延估計(jì)值的RMSE值較小且波動(dòng)性低；當(dāng)信噪比較低時(shí)，廣義互相關(guān)算法的RMSE值明顯大于另兩種算法。且隨著信噪比的降低，3種算法的時(shí)延估計(jì)偏離程度逐漸增大，與改進(jìn)的廣義互相關(guān)算法相比，廣義互相關(guān)和廣義二次相關(guān)的時(shí)延估計(jì)性能較差。3.3算法用時(shí)為進(jìn)一步驗(yàn)證所提算法的時(shí)延估計(jì)的有效性，實(shí)驗(yàn)在Windows10環(huán)境下，采用Matlab2014對(duì)兩種型號(hào)的無(wú)人機(jī)用3種不同時(shí)延估計(jì)算法進(jìn)行100次仿真實(shí)驗(yàn)，不同時(shí)延估計(jì)算法的平均算法用時(shí)仿真運(yùn)行結(jié)果如表2所示。從表2的運(yùn)行結(jié)果可以看出，不同的時(shí)延估計(jì)算法估計(jì)時(shí)延的時(shí)間是不同的。相同信號(hào)長(zhǎng)度的時(shí)延估計(jì)中，廣義互相關(guān)和廣義二次相關(guān)算法運(yùn)行時(shí)間較短，改進(jìn)的廣義二次相關(guān)算法運(yùn)行時(shí)間最長(zhǎng),相比于前兩種算法改進(jìn)算法運(yùn)行時(shí)間增加了8倍。由于四旋翼無(wú)人機(jī)最高時(shí)速可達(dá)60～72km·h-1，要求時(shí)延估計(jì)算法CPU運(yùn)行時(shí)間不超過(guò)0.2s，定位誤差3～4m，對(duì)于無(wú)人機(jī)的時(shí)延估計(jì)，3種算法的算法用時(shí)能夠滿足要求。綜合考慮，改進(jìn)的廣義二次相關(guān)算法更適合對(duì)無(wú)人機(jī)音頻信號(hào)進(jìn)行時(shí)延估計(jì)，準(zhǔn)確性高，抗噪性能和實(shí)用性更強(qiáng)。表2兩種類型無(wú)人機(jī)采用不同時(shí)延估計(jì)算法運(yùn)行的算法用時(shí)仿真結(jié)果Table2Time-consumingsimulationre

【參考文獻(xiàn)】：
期刊論文
[1]基于三次相關(guān)的時(shí)延估計(jì)算法[J]. 何偉杰,嚴(yán)天峰,張宇,趙亞楠.  蘭州交通大學(xué)學(xué)報(bào). 2019(01)
[2]奇異值分解的HB加權(quán)廣義互相關(guān)時(shí)延估計(jì)[J]. 齊小剛,袁列萍,劉立芳.  信號(hào)處理. 2018(10)
[3]基于廣義二次相關(guān)的稀疏傅里葉變換時(shí)延估計(jì)算法[J]. 張宇,嚴(yán)天峰.  電光與控制. 2019(03)
[4]基于二次相關(guān)的語(yǔ)音信號(hào)時(shí)延估計(jì)改進(jìn)算法[J]. 劉敏,曾毓敏,張銘,李晨.  應(yīng)用聲學(xué). 2016(03)
[5]聲源定位中廣義互相關(guān)時(shí)延估計(jì)算法的研究[J]. 茅惠達(dá),張玲華.  計(jì)算機(jī)工程與應(yīng)用. 2016(22)
[6]麥克風(fēng)陣列聲源定位中時(shí)延估計(jì)的改進(jìn)[J]. 張雷岳,張興敢,劉超.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2015(01)
[7]相關(guān)峰插值的二次相關(guān)銳化時(shí)延估計(jì)方法[J]. 韓潔,吳長(zhǎng)奇.  信號(hào)處理. 2014(10)
[8]復(fù)雜環(huán)境下基于時(shí)延估計(jì)的聲源定位技術(shù)研究[J]. 張大威,鮑長(zhǎng)春,夏丙寅.  通信學(xué)報(bào). 2014(01)
[9]基于二次相關(guān)的時(shí)延估計(jì)方法研究[J]. 金留念.  電子信息對(duì)抗技術(shù). 2011(01)
[10]基于二次相關(guān)的時(shí)延估計(jì)方法研究[J]. 杜娟,程擂.  彈箭與制導(dǎo)學(xué)報(bào). 2010(06)



本文編號(hào)：3031824