[發明專利]基于大耳蝠雙耳廓仿生聲吶的目標定位裝置及方法

有效

• 申請號: 201811543317.4
• 申請日: 2018-12-17
• 公開（公告）號: CN109581385B
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 馬昕;張森;盧紅旺
• 申請（專利權）人: 山東大學
• 主分類號: G01S15/06
• 分類號: G01S15/06;G01S7/527;G01S7/536
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于大耳蝠雙耳廓仿生聲吶的目標定位裝置，其特征是，包括：超聲發生器，所述超聲發生器向待測物體發射超聲信號；超聲信號經過待測物體反射后被安裝在兩個仿大耳蝠耳廓內側底部的兩個超聲接收器接收；兩個超聲接收器接收后，將接收的信號送入信號采集器；信號采集器將采集的兩個麥克風的信號由模擬信號轉為數字信號后送入信號處理器；信號處理器對接收的數字信號通過短時傅里葉變換進行信號能量特征提取，將能量特征輸入到訓練好的神經網絡中，識別待測物體的方位角和俯仰角；

所述發射超聲信號是chirp脈沖串信號， 每個chirp脈沖串中包括若干個等間隔的chirp脈沖，單個chirp脈沖為頻率從20kHz下降到5kHz的線性調頻信號，單個chirp脈沖頻率從20kHz下降到5kHz持續5ms。

2.如權利要求1所述的裝置，其特征是，所述仿大耳蝠耳廓，包括左仿生耳廓和右仿生耳廓；是對真實大耳蝠的左右兩個耳廓分別進行三維掃描，獲得大耳蝠耳廓的三維數據；然后通過3D打印機打印獲得；打印尺寸為真實大耳蝠耳廓尺寸的n倍，超聲信號的發射頻率為真實蝙蝠頻率的

3.基于大耳蝠雙耳廓仿生聲吶的目標定位方法，其特征是，包括：

步驟(1)：調整仿大耳蝠耳廓的俯仰角，超聲發生器向待測物體發射超聲信號；

步驟(2)：分別安裝在左右兩個仿大耳蝠耳廓內側底部的超聲接收器，接收超聲信號的回波信號；兩個超聲接收器接收后，將接收的信號送入信號采集器；

步驟(3)：信號采集器將采集的兩個麥克風的信號由模擬信號轉為數字信號后送入信號處理器；

步驟(4)：信號處理器對接收的數字信號通過短時傅里葉變換進行信號能量特征提取，將能量特征輸入到訓練好的神經網絡中，識別待測物體的估計方位角和估計俯仰角。

4.如權利要求3所述的方法，其特征是，信號處理器對接收的數字信號通過短時傅里葉變換進行信號能量特征提取的具體步驟為：

對接收的數字信號分為m幀，通過短時傅里葉變換之后，得到每個回波信號的頻譜圖；針對頻譜圖含有回波信號的每一幀區域提取p個頻譜數據，作為回波信號的能量特征；因此，最終回波信號的能量特征是一個p*m的二維特征向量；將提取出的二維特征向量轉換為一維特征向量，得到兩路信號的能量序列：

左耳：X＝(x₁,x₂,...,x_p,x_p+1,...,x_2p,...,x_p*m)；

右耳：Y＝(y₁,y₂,...,y_p,y_p+1,...,y_2p,...,y_p*m)。

5.如權利要求3所述的方法，其特征是，神經網絡的訓練步驟為：

將訓練集的數據特征輸入到神經網絡中對神經網絡進行訓練；以兩路信號的能量序列作為神經網絡的輸入值，分別以待測物體在空間中的方位角和俯仰角作為標簽，進行神經網絡訓練；

將測試集的數據特征輸入到神經網絡中對神經網絡的分類精度進行測試；

當分類精度達到設定閾值時，停止訓練，得到訓練好的神經網絡。

6.如權利要求3所述的方法，其特征是，

將能量特征輸入到訓練好的神經網絡中，識別待測物體的方位角和俯仰角的具體步驟為：

以兩路信號的能量序列作為訓練好的神經網絡的輸入值，神經網絡輸出目標的方位角和俯仰角。

7.如權利要求3所述的方法，其特征是，還包括：

步驟(5)：使用滑動窗計數平均法，對步驟(4)獲取的待測物體的估計方位角和估計俯仰角進行處理，得到精確的方位角和精確的俯仰角；或者，

使用滑動窗累加法，對步驟(4)獲取的待測物體的估計方位角和估計俯仰角進行處理，得到精確的方位角和精確的俯仰角。