[發明專利]一種水下聲源定位方法

有效

• 申請號: 201711454053.0
• 申請日: 2017-12-28
• 公開（公告）號: CN109975762B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 徐及;黃兆瓊;顏永紅
• 申請（專利權）人: 中國科學院聲學研究所;北京中科信利技術有限公司
• 主分類號: G01S5/20
• 分類號: G01S5/20;G06N3/08
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;楊青

本發明涉及一種水下聲源定位方法，包括以下步驟：將通過水聽器陣列接收的聲源信號轉換成數字聲音信號；對所述數字聲音信號進行做傅里葉變換；在信號帶寬內每個頻率上計算數據協方差矩陣，然后通過特征值分解提取能表征信號方位信息的特征向量；在訓練階段，利用時延神經網絡學習訓練樣本，得到特征向量和聲源方位的映射關系模型；在測試階段，輸入測試樣本的特征向量到訓練好的模型，得到聲源的距離和深度估計值。本發明利用深度神經網絡，實現魯棒而高效的水下聲源定位。

技術領域

本發明涉及水下聲源定位方法。

背景技術

聲源定位包括單聲源定位和多聲源定位，聲源定位技術可以指示聲源目標所在的空間方位，為后續的信息采集與處理提供重要的空間信息。

傳統方法主要利用現代數字信號處理的技術來估計聲源的位置信息，通過格點匹配搜索或解析方式給出聲源位置，這些方法往往依賴于環境信息的準確性，環境的擾動會影響定位的準確度和魯棒性。

在過去十多年中，少部分方法將機器學習引入水下聲源定位任務中，淺層神經網絡或支持向量機等被當做分類器來構建特征到聲源位置的對應關系，然而遠場水下聲源定位問題中，較淺層神經網絡和簡單分類器非線性建模能力及泛化能力比較弱，不能準確的定位。

發明內容

針對現有技術水下聲源定位精度、魯棒性差的問題，本發明提出了水下聲源定位方法，利用深度神經網絡，實現魯棒而高效的水下聲源定位。

本發明一種水下聲源定位方法，包括：

步驟1)將通過水聽器陣列接收的聲源信號轉換成數字聲音信號；

步驟2)對所述數字聲音信號進行做傅里葉變換；

步驟3)在信號帶寬內每個頻率上計算數據協方差矩陣，然后通過特征值分解提取能表征信號方位信息的特征向量；

步驟4)在訓練階段，利用時延神經網絡學習訓練樣本，得到特征向量和聲源位置之間的映射關系模型；

步驟5)在測試階段，將測試樣本通過步驟3)提取特征向量，輸入到步驟4)得到的模型，得到聲源的距離和深度估計值。

進一步，所述步驟3)包括：

步驟3-1)、計算第f個頻點上的數據協方差矩陣：

其中上標+表示求取共軛轉置的操作，D代表快拍數，P_d(f)表示第f頻點上的觀察向量[P_1,f,P_2,f,…,P_K,f]，其中P_k,f表示第k個水聽器接收的信號；

步驟3-2)、對協方差矩陣進行特征值分解：

其中Λ_f＝[e_f,1,…,e_f,K]為特征向量，K為水聽器的個數，上標(.)⁺代表共軛轉置操作，∑_f＝diag[λ₁,…,λ_K]為特征值矩陣；選取特征值較大的M個特征向量，作為神經網絡的輸入特征向量。

進一步，所述步驟4)包括：

步驟4-1)、神經網絡的輸入特征為特征向量的實部與虛部的級聯作為神經網絡的輸入特征：

其中代表取實部操作，ξ(,)代表取虛部操作，F為一共用到的頻率數；

步驟4-2)、神經網絡訓練的準則為最小均方誤差準則：