【定位问题】基于CC和GCC算法的近场声源定位的TDOA问题及matlab代码

1 简介

声源定位是许多领域的基本问题。声源定位技术的研究一直是研究热点，涉及声学、信号检测、数字信号处理等多个技术领域，具有广阔的应用前景。目前，该技术在类人智能机器人中的应用并不多。作为一种重要的人机交互方式，它可以与视觉交互完美结合，弥补其不足。在各种声源定位技术的研究和比较中，基于到达时间延迟（TDOA，Time delay of Arrival）的声源定位技术更为合适。技术难度相对较小。该技术的研究相对成熟，应用较多。因此定位模拟软件，对本课题的研究是一个不错的选择。要使用TDOA技术，需要完成两个阶段的工作：第一阶段，使用时延估计算法来估计声源信号与每个麦克风之间的TDOA值，即时间差；第二阶段定位模拟软件，根据得到的TDOA值，结合阵列几何结构与空间位置的关系，利用空间定位的方法估计声源的位置。能否得到一个高精度的TDOA值对于整个过程的正确完成非常重要。传统的GCC算法是该技术中比较经典的方法。这种方法可以快速有效地定位声源。

2 部分代码

clcclear allclose all%%% *各参数设置*​%--声源相关参数fmin=500;fmax=2000;    %Hz: 信源为一频率渐变的余弦信号，最低频率fmin，最高频率fmaxS_last=0.1;   %s ：声源持续时间%--采样和信号处理相关参数fs=3e6;   %采样率 ts=1/fs;    %采样间隔​T=0.12;      %s: 搜集数据T秒，计算一次位置tMic=0:1/fs:T-1/fs;   %接收数据时间nMic=length(tMic);    %接收数据长度%--物理参数设置v=34000;      %cm/s: 音速%--声源和MIC位置   单位CMd=30;    %麦克风间距Lco_S = [10,10];Loc_A = [50-d,0];Loc_B = [50,0];Loc_C = [50+d,0];%%% *模拟声源信号及各MIC接收到的信号*​%--产生声源t = 0:ts:S_last; %假设声波持续时间0.2秒 s = chirp(t,fmin,S_last,fmax,'linear');%源信号, 频率线性递增的余弦信号nsource=length(s);%--画出声源的波形figure();plot(s);xlabel('时间/\itus');ylabel('振幅');title('声音信号');​%--计算信源传到各MIC之间的延迟点数diff_SA = sqrt(sum((Lco_S-Loc_A).^2))/v/ts;diff_SB = sqrt(sum((Lco_S-Loc_B).^2))/v/ts;diff_SC = sqrt(sum((Lco_S-Loc_C).^2))/v/ts;​%--计算信源与个MIC之间的距离dis_SA = sqrt(sum((Lco_S-Loc_A).^2));dis_SB = sqrt(sum((Lco_S-Loc_B).^2));dis_SC = sqrt(sum((Lco_S-Loc_C).^2));%--信源到MIC的时间延迟dis_AC=dis_SA-dis_SC;dis_BC=dis_SB-dis_SC;​Lag_SA = dis_SA/v;Lag_SB = dis_SB/v;Lag_SC = dis_SC/v;%--转化成相差点数diff_AC =round((Lag_SA-Lag_SC)/ts);diff_BC =round((Lag_SB-Lag_SC)/ts);​%--MIC接收到的数据sigMicA=zeros(1,nMic);sigMicB=zeros(1,nMic);sigMicC=zeros(1,nMic);​sigMicA(1+diff_SA:nsource+diff_SA)=s;sigMicB(1+diff_SB:nsource+diff_SB)=s;sigMicC(1+diff_SC:nsource+diff_SC)=s;​%--信号时域图figure();subplot(3,1,1);plot(sigMicA);subplot(3,1,2);plot(sigMicB);subplot(3,1,3);plot(sigMicC);%%% *用GCC（Generalized Cross-Correlation） Phase Transform 算法估计时延差*   ​​if(DelayDifferAC<5000)  distDiffAC=(DelayDifferAC-1)/fs*v;else distDiffAC=(DelayDifferAC-nMic-1)/fs*v;end​A=distDiffBC;B=distDiffAC;​M=4*A^3-B^3+6*A*B^2-10*A^2*B+4*d^2*A-2*d^2*B;N=-8*A^2-2*B^2+8*A*B;r3=M/N;​M1=4*A^3-B^3+4*A*B^2-6*A^2*B+2*d^2*B-4*d^2*A;N1=8*A^2+2*B^2-8*A*B;r2=M1/N1;​cos=(r3^2+d^2-r2^2)/(2*d*r3);sin=sqrt(1-cos^2);​a=(50-d)+r3*cos;​

3个模拟结果

4 参考博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域Matlab仿真，相关matlab代码问题可私信交流。