被动声源定位中的时延估计分析

被动声源定位中的时延估计分析

窦威 1 曲强 2 ( 通讯 ) 林佳智 3 申宏兴 4 魏双燕 5 吴思涵 6

辽宁科技大学 , 辽宁省 鞍山市 114000

摘要：在水声领域中，一般为了减小低信噪比环境下时延估计误差，选择互功率谱相位加权法，提出了一种基于谱减法的互功率谱频域加权时延估计方法。通过仿真，分析了几种常见的加权函数随信噪比降低时的时延估计性能，以及改进的谱减法在不同信噪比环境下的去噪效果。对整体算法进行了联合仿真，结果表明：低信噪比环境下基于谱减法的互功率谱相位法，能有效锐化凸显互相关函数的主峰值，有效提高时延估计的精度。

关键词：声源定位；时延估计；广义互相关；互功率谱

基金项目： 2021年辽宁科技大学创新创业训练计划专项经费资助

引言

时延估计(TimeDelayEstimation,TDE)是水声领域的重要研究课题，基于时延估计的水声目标被动测向、被动定位技术是水声目标无源定位的重要分支。目前，时延估计通常可以用于以下3类算法：基于时延估计的目标方位估计算法，基于时延估计的目标被动定位算法，联合其他观测量(如到达角度、到达频差等)的联合定位方法。在以上各类水声目标被动测向和被动定位算法中，核心便是时延估计，时延估计的精度直接决定了测向和定位的精度。

1广义互相关(GCC)时延估计法

广义互相关(GCC)时延估计法可以看作麦克风阵列的一种声音定位法，该算法定位精确度高，应用性强。步骤有:定位和时间延迟估计“广义互相关(GCC)时延估计法”可以看作麦克风阵列的一种声音定位法，该算法定位精确度高，应用性强。步骤有:定位和时间延迟估计，本文研究的是麦克风线性阵列，然后估计各个TDOA的时延，最后进行麦克风声源定位。在实际应用中，基于时延估计法进行麦克风声源定位的方法有很多，广义互相关应用的比较多。

2时延估计及分析

2.1广义互相关法时延估计

对原始信号添加不同信噪比的随机噪声，进行噪声实验，对比Ｒｏｔｈ处理器、平滑相干变换和ＣＳＰ的互相关峰值来判断时延估计的精度。主峰越凸显，时延估计精度越高。信噪比为５ｄＢ和０ｄＢ时。不同广义互相关函数均有明显的主峰，均可精确地估计出时延值。当信噪比较低时，不同广义互相关函数的时延估计精度均受到噪声严重影响，不同程度地出现了干扰峰，其中Ｒｏｔｈ加权和基本互相关的真实峰值几乎被淹没。上述方法都无法准确地估计出时延值，相比之下ＣＳＰ加权法抗干扰性更优。

2.2现有互谱相位斜率求解方法及其限制

在互谱相位斜率求解过程中存在以下问题需要解决：ππ(1)互谱相位以2为周期变化，当相位变化超过2时，反正切函数的多值性会导致相位内卷。ππτ0−ππ针对该问题，目前较为常用的方法有相位拼接、差分方法等。相位拼接打破相位2的周期，通过周期间拼接，构造一条斜率2的斜线；差分方法可将线性增量转变为常量，从而进行线性增量估计。但相位拼接需要在相位拼接之前先进行一次是否需要相位修正的预判断；差分方法需要在差分之后剔除相位在与之间突变所产生的峰值，再进行常量估计。两种方法均较为复杂，且准确性难以保证。(2)受背景噪声干扰，互谱相位出现波动甚至是跳变的现象，会导致斜率估计误差增大。针对该问题，目前较为常用的方法有最小二乘、等权平均等。最小二乘法对相位数据进行线性拟合，以求得斜率参数；等权平均采用多点取样并平均，以求得一个无偏的斜率估计。这两种方法若想提高估算精度、提升抗噪能力，需要增加输入点数、扩大输入范围，但在计算互谱相位斜率时，输入范围往往受限。(3)当存在多目标时，互谱相位可能存在两种情况：其一，形状杂乱，无法计算斜率；其二，偶有斜率，是由多目标相位斜率叠加而成。这就导致目前各种直接计算相位斜率的算法都将不再适用。正是由于以上困难，导致基于互谱相位斜率的时延估计方法难以用于实际复杂情况，本文正是针对以上困难设计了一种间接求取互谱相位斜率的算法，适用于强干扰、多目标的情况。

2.3基于改进谱减法的广义互相关法时延估计

利用带噪的纯净语音数据，叠加不同信噪比的高斯白噪声，使用改进后的谱减法对带有噪声的信号进行降噪，改进的谱减法具有良好的减噪效果。不同信噪比下的减噪效果有所不同，初始信噪比越低时，该方法去噪效果越好。

3仿真验证

仿真采用一个均匀分布的平面阵列，基元个数为30个，相邻阵元间距为5cm。每个定位周期的采样信号长度为25ms，采样频率为100kHz。定位信号为线性调频信号，频带宽度为9～kHz，信号长度为5ms。信号入射的俯仰角和方位角分别为75°和30°。干扰为随机干扰，入射的俯仰角和方位角分别为10°和60°。噪声为高斯白噪声。互相关时延估计法是水声定位中最常用且最有效的时延估计算法，然而互相关时延估计法的精度受到干扰和噪声的影响，本节首先通过仿真SINR对互相关时延估计精度的影响。互相关时延估计精度会随着SINR的减小而降低；在相同的SINR条件下，INR越小时延估计误差越大，原因是干扰与期望信号是非相干的，当干扰为主要分量时，互相关时延估计精度要优于噪声为主要分量的情况。接下来验证本文所提出的方法对于时延估计精度的提升效果。分别构造正交投影算子和斜投影算子，将接收数据进行对应的线性投影，然后通过互相关法估计各基元接收信号的时延，并与LMS和STFT算法的结果进行对比。当INR=0dB时，经过1000次蒙特卡罗仿真，各种方法输出数据的时延估计均方根误差(RootMeanSquaredError,RMSE)。为了进一步验证算法在不同INR情况下的性能，分别对INR=20dB和INR=50dB两种情况进行仿真，经过1000次蒙特卡罗仿真。

4背景噪声起伏情况

NCC算法无法消除背景噪声起伏的干扰，而GCC算法和FCSP算法可以消除，且该情况下FCSP算法结果线谱信噪比更高。综合3种情况来看，本文设计的FCSP算法能够分辨多个目标，可以消除强窄带信号及背景噪声起伏的干扰，且具备较强的抗噪能力，在信噪比较高的情况下，输出结果相较于GCC算法谱线信噪比更高。整体来看，FCSP算法处理效果优于NCC算法及GCC算法。

结语

综上所述，对传统声源定位中互相关时延估计方法进行性能分析并加以改进，提出可基于谱减法的ＣＳＰ加权广义互相关算法。该算法提高了时延估计精度，减小了低信噪比环境下时延估计误差，增强了定位系统的鲁棒性。在不同信噪比环境下采用文中所提算法进行时延估计时，该算法的时延估计精度和鲁棒性优于GCC－CSP算法，在低信噪比环境下表现尤为明显。

参考文献

[1]郝本建,王林林,李赞,等.面向TDOA被动定位的定位节点选择方法[J].电子与信息学报,2019,41(2):462–468.

[2]左燕,陈志猛,蔡立平.基于约束总体最小二乘的单站DOA/TDOA联合误差校正与定位算法[J].电子与信息学报,2019,41(6):1317–1323.

[3]孙霆,董春曦,毛昱.一种基于半定松弛技术的TDOA-FDOA无源定位算法[J].电子与信息学报,2020,42(7):1599–1605.

[4]金光明,谢植,张传义,等.基于麦克风阵列多声源定位的新方法[J].东北大学学报:自然科学版,2012,33(6):769–773.

[5]刘兴华,罗景青,刘伟山.简化的基于时延线性拟合的宽带测向算法[J].现代防御技术,2016,44(1):186–191.

通讯作者:曲强 99910384@qq.com